随着电路板生产的数量和速度的提高，质量控制变得越来越重要。芯片上的字符串非常小，数量也非常多，用人工的方法无法完成这项工作。因此，一个芯片字符自动检测系统就非常重要了。在以往的监控系统中，对电路板的检测项目局限于焊点质量、芯片位置等。运用新的数码摄像技术，可以获得更高精度的电路板图像。高分辨率的电路板图像为人们实现一个更高信度的检测方法提供了必须的技术基础。　　本文描述的芯片字符识别系统，其作用是自动识别芯片上的印刷字符，它是电路板生产质量控制的核心部分。在了解目前字符识别技术的现状与前景之后，主要设计了基于HALCON软件针对于芯片字符的识别技术。根据识别方法，对芯片字符识别技术的整个测试实验过程进行了详细介绍。整个实验的总体方案分为四个部分:图像采集、图像预处理、字符分割和字符识别。针对这四个环节，本文对每个部分中所涉及的算法和算子，以及关键技术进行了详细的阐述。芯片字符识别研究的主要难点在于芯片字符图像质量较低，字符所在的区域比例小，待识别字符易扭曲变形，干扰噪声大等。对此，文中采用Hough变换法，灰度化拉伸和中值滤波的方法实现了倾斜校正，图像增强和去噪，克服了光照，色泽以及方向倾斜的影响;对于字符分割，提出垂直投影与实验认识结合的全阈值分割方法，快速简单地分割出了字符图像;在字符识别模块中，本文参考了前人的研究成果，认真研究了包括网络结构设计，参数设计，网络训练和网络识别在内的BP网络设计上的关键性问题，设计了新的BP神经网络分类器来进行字符识别，从而提高了字符识别正确率。　　本文的实验研究表明，基于HALCON的字符识别系统可以高效的识别与训练样本字体相同的字符，还可以很好的应用于与字符识别相关的其他领域。