在汽车零部件的生产过程中,不同零件的表面会有不同的压印字符,用于对零件的产品型号以及生产日期等信息进行标识,方便在生产过程中对零件的质量控制以及后续的产品追溯。由于工业环境的复杂性,传统的零件表面字符信息都是通过人工进行检测并且手动输入计算机进行信息管理。但是,由于零件产品类型较多并且批量大,使用人工的方式会带来效率低、容易出错、人工成本大等问题。在工业4.0的不断推动下,自动化、智能化生产成为引领行业的先锋,ERP管理系统大量引入汽车零部件制造厂,本文通过对零件表面压印字符进行分析,根据检测需求,设计了一套基于机器视觉的汽车零件字符检测系统,满足企业的自动化生产要求,在设计的过程中主要研究内容如下:(1)在图像采集阶段,选择了白色LED光源和同轴照明的方式,并结合工业面阵相机和镜头完成零件字符图像的采集,在一定程度上解决了零件表面反光的问题。(2)在图像的预处理阶段,针对零件字符图像对比度不高的问题,研究对比了几种图像增强算法,选用Retinex算法增强零件字符图像。其次,使用双边滤波方法对零件字符图像进行滤波去噪,获得质量较好的字符图像。针对零件上料过程中容易出现的倾斜问题,结合零件表面特征,使用Hough变换的方法找出零件上端最长直线,根据直线的倾斜角度对字符图像进行倾斜校正。(3)在字符定位算法研究中,根据零件压印字符的特点和已知字符的信息使用基于归一化积相关的模板匹配方法完成字符区域的定位;其次,对定位好的字符区域使用改进的投影法进行单个字符的分割,能够完成正常字符和粘连字符的自适应分割;在字符识别算法研究中,使用三种方法对零件字符识别进行研究,从识别率、识别速度、以及抗噪声能力三个方面对识别结果进行了评价,最后使用HOG+SVM方法进行零件字符识别。(4)对检测系统的硬件进行搭建,整合上述图像算法,完成上位机界面的开发。针对多种型号的零件选择合适的倾斜校正和字符定位方法,使用本系统的字符分割以及识别方法进行零件字符检测识别,测试结果表明,该系统能够实现多零件压印字符的识别,满足企业的检测要求。