光学字符识别(Optical Character Recognition,简称OCR)是人工智能、模式识别的一个重要组成部分,在很多传统领域中得到了实际的应用,本文是将这项新技术应用到钢铁产业。在轧机重轨生产线实际场景中,由于光照、温度等因素的干扰,都大大地增加了应用难度。针对项目中遇到的各种难题,提出切实可行的解决方案,提高钢铁产业的智能生产水平。本文在轧机生产线重轨钢坯识别系统的研究背景下,对项目前期的研究成果进行了系统的总结,并对实际应用中产生新的问题进行进一步的分析。通过大量的实验和实际应用来验证钢坯字符定位的可行性和可靠性,从根本上提高了识别系统的识别率,并对其他应用方面提供了很好的借鉴作用。首先对钢坯字符图像的预处理算法进行了研究,主要包括:图像灰度增强和图像滤波,分别分析了不同方法对钢坯图像的处理效果。其次对钢坯字符图像的分割方法做了大量的分析和比较,设计了以Otsu为准则的多级滤波的递归分割方法,将字符的分割问题和定位问题结合起来,提出了一种基于投影不变量的钢坯字符定位方法,利用目标字符的特征,并给出投影不变量测量值的定义,通过逐次分割的钢坯字符图像快速寻找到目标字符区域,并最终输出目标字符的位置信息。然后针对粘连字符区域提出了一种多级投影切分算法,这些都为后续字符识别奠定了良好的基础。最后对系统的软件识别界面进行了适当的改进,增强了人机交互过程。实验结果表明该系统能成功解决轧机生产线重轨钢坯字符识别的诸多难题,字符识别正确率达到95%,在复杂的生产线场景下具有一定的适应性和稳定性,为轧机生产线重轨钢坯实时检测系统提供了一种高效的解决方案。