在推进制造业转型升级过程中,钢铁行业作为传统制造业的典型,其良好的信息采集基础和落后的人工管理模式之间的矛盾亟待解决。引入自动化和智能化的软件模型,对其进行逐步改造,成为钢铁行业推进智能制造的突破点。为实现热连轧产线钢坯入炉统计自动化以及钢坯温度的自动测量,替代现有模式下人工统计入炉钢坯信息的落后管理方式,提高原料管理效率,达成钢坯入炉管控调度的精细化管理,研发实现热连轧钢坯编码字符识别与测温系统。本文的主要工作和创新点:(1)论文以热连轧入炉钢坯编码字符识别为研究对象,对传统字符识别方法进行了大量的理论研究,通过实验对传统字符识别各环节的图像处理算法进行了分析选择。对比模板匹配方法和BP网络算法,优化BP算法在钢坯字符识别中的应用。在此基础上,利用Halcon图像处理算子实现了系统的初步快速搭建。(2)为提高钢坯编码识别准确率,对基于深度学习的目标检测方法进行了研究。结合基于候选框的Faster R-CNN系列方法,以及端到端YOLO方法的特点,应用并改进SSD网络模型,利用TextBoxes的针对字符识别的思想,提高了钢坯编码的识别准确率,且实时性高,满足了热连轧入炉区域的钢坯自动统计需求。(3)在图像获取和温度检测设计中,创新性地将二者结合,灵活运用相机动态检测功能,通过对图片文件的监听,利用socket通信方式,实现钢坯温度的自动测量,并经过现场应用的有效验证。(4)结合生产工艺,测温方法设计以及高准确率的深度学习字符识别方法,通过硬件和软件的选型设计和搭建,实现了热连轧钢坯编码字符的在线识别和温度的快速检测。系统输出的钢坯编码识别和测温结果对于产线MES系统的实时生产跟踪和激光打码信息的对应实时生成具有重要意义,推进了热连轧产线智能化改造。