随着现代科技的发展,电容器被广泛的应用于了各种设备中,由于其优越的电磁性能,电容器以成为了众多高端电子设备的核心部件,市场呈现供不应求的态势,其大规模生产能力成为了一个国家电子产业发展水平的标志。电容器被生产出之后需要经过严格的质量检测才能出售,而传统的人工视觉检测方法耗时费力、成本高昂且往往漏洞百出,自动化的电容器铭牌检测系统可以解决以上诸多的问题。本文对于一般人工视觉电容器铭牌识别中的许多缺陷,采用了一种汇集多类算法的全自动图象识别测试体系。本文的任务有以下几个方面:首先,建立了图象采集模块,采用CCD相机和FPGA控制电路获得了电容器的表面图象;然后,运用小波图像压缩算法把取得的图象压缩输送给后面的模块;再然后,为了避免获得的图象包含噪声或者有时候亮度有所欠缺,使用了双边滤波和retinex图像增强算法去实现图象预处理;接着,采用了 SLIC超像素分割算法以及模糊C均值算法,将电容器铭牌有效的表面信息分割出来;最后,运用caffe深度学习框架以及lenet-5网络结构,进行高准确率的图象文字识别工作。通过实验证明,本文采用的体系分割与识别的准确率均超过了 90%,能够达到企业针对电容器检验环节中铭牌清晰度自动测试的需求。