随着越来越多复杂的人工智能系统不断涌现,钢铁行业在扩大生产规模的同时,也迫切需要改进自身的生产工艺。工业4.0浪潮兴起带来了宝贵的机遇,钢铁行业努力抓住机遇,全力打造全智能化生产的钢铁厂。而钢铁厂一般通过人工检测的方法识别钢板表面喷码的方式工作效率低、危险性高、漏检误检高、成本高等不利因素,这给检测和识别带来了困难,难以满足全智能化生产的要求。因此,开发一套基于机器视觉方法的智能标号系统不仅能提高钢板生产线的工作效率,而且能实现钢铁厂全自动化的生产。采用机器视觉技术的优点是检测又快又准、识别率高、稳定性高、适应性和鲁棒性较好。本文针对钢铁厂中钢板上表面钢印、侧表面喷印、上表面喷印三种字符定位与识别技术进行了大量的研究与应用,主要研究内容和工作概括如下:首先,详细介绍了智能标号系统硬件结构设计。针对钢板运动过程中的成像需求,提出了多个面阵相机与大功率LED光源结合的大面积抓取视频流的方式采集图像的方法。为了减少数据的传输,采用多个传感器信号融合软件控制异步触发的方式,解决了钢板运动过程中可能存在的方向判断、往复运动、任意停止、重新喷印和钢板不同位置大面积抓拍等难题。为了使采集图像的成像质量较好,采用大功率LED光源和不同的打光方式,解决了工业生产线室内环境较暗、自然光干扰和钢板自身反光等难点。整个硬件系统之间连接简单且可靠有效,信号和数据传输较快且不掉线,成像系统稳定,采集图像的成像质量很好。然后,针对三种字符不同的特点,提出了一种改良过的基于FAST角点检测特征的方法,解决了钢印和面喷字符光照不均匀和运动失真等难题。采用基于图像矩特征的方法,解决了侧喷字符灰度分布不均匀、背景复杂和外来污染等难点。针对钢板复杂的污染和反光等问题,提出了一种由粗到精的策略准确定位字符区域,重心粗定位算法寻找标号区域的包围层,投影极值点细定位算法对标号进行精确定位,解决了复杂生产环境中字符区域定位的难题。针对漏点和运动模糊的钢印字符,提出了一种基于经验指导的最小包围区域算法,成功解决了点阵字符的分割。而面喷和侧喷字符则提出了一种多方向线阵扫描算法,成功解决了连续字符的倾斜、粘连和分裂等难点。为了提高字符识别的准确性,对比了BP神经网络和支持向量机方法,最终采用支持向量机方法识别字符,解决了大样本训练模型规模大、训练速度慢、钢板字符识别率低和相似字符难识别等问题。最后,根据钢板生产线的实际应用需求,设计了智能标号软件系统。该系统包括图像采集软件、检测与识别软件、数据库管理软件、人机交互软件。通过大量的实验表明,该系统能够实现对钢板上不同位置的三种标号进行实时识别,识别率达到99%以上,漏识别或错误识别主要来自严重退化的图像或不完整的字符。该系统已在某钢厂安装运行一年多,并对其稳定性进行了验证。