伴随着经济的快速发展,铁路成为了日常出行和货运的不可缺少的一部分,同时,火车的安全问题越来越受到人们的关注。在对火车轮对进行探伤作业时,信息的保存和提取是一个关键的问题,以火车轮对轴端标记字符对应每个轮对的探伤信息,实现了一一对应。传统识别方法是人工识别,费时费力。本文提出基于机器视觉的自动识别方法,主要针对识别过程中的图像增强、图像倾斜校正和识别问题进行研究,并实现了基于机器视觉的火车轮对轴端标记自动识别系统设计。本文完成的主要工作内容如下。首先,针对轮对轴端图像质量问题,结合主客观因素提出符合实际的评价标准;综合考虑各方面因素,对轮对图像采集系统中的各组成部分进行选型;对照明方式进行合理的设计,对图像采集系统中的机械结构包括机架、检测机构和上下位移机构进行设计和材料选择,完成图像采集系统的整体结构设计并说明工业现场应用情况。其次,针对轮对轴端图像中字符区域与背景部分同色,对比度较低以及光照带来的各种问题,基于Retinex理论,提出一种改进的双核拉普拉斯图像增强方法,有效改善图像质量,提高对比度;针对轴端图像中目标字符区域的倾斜问题,结合霍夫圆检测和双线性插值法,提出一种改进的图像倾斜校正算法,解决了各个角度的轴端图像的倾斜问题。然后,针对目标区域在图像中位置较小的问题,采用自适应阈值法进行阈值分割;使用的连续的闭、开运算处理图像,消除图像中的一些细小的干扰区域,使用Canny算子划分边缘轮廓,最后分割出目标字符区域;考虑轮对轴端多样性的特点,提出基于结构特征的目标区域分割算法;考虑到目标字符多行且彼此间有着较大的间隔,通过水平投影分割成单行字符;传统的chi-sim库对轴端标记字符的识别准确率较低,本文提出一种再训练方法,先以chi＿sim为基础字库进行训练,再以训练得到的字库为基础进行再次训练,最后通过Tesseract-OCR进行识别,提高了识别结果的准确率。最后,将本文所提的方法与传统的图像处理识别方法进行实验对比,从准确率和识别速度方面验证了本文所提方法的优势和创新性,提出一些尚需优化的地方;设计轴端标记字符自动识别系统,分析系统的需求,本文通过Python-Open CV计算机视觉库和Py Qt5开发平台,在Py Charm2020工具软件中完成了基于机器视觉的火车轮对轴端标记自动识别系统的软件界面设计。识别软件中提供自动识别和手动识别两种识别模式,取得了较好的效果,满足工业现场中识别的要求。