光学字符识别是一种全新的自动化技术，在很多传统领域已经研发出成熟的产品，本文旨在将这项新技术应用到钢铁行业。在复杂多变的生产线环境中，诸多干扰因素都加大了应用难度。针对理论及实际应用的多方面难点，提出切实可行的方案，对于提高钢铁行业的传统面貌具有重要意义。　　本文是在武钢重轨生产线钢坯识别系统的研究中提出了系统方案，对于项目前期研究成果进行一定总结，以及对于当前存在的重要问题进行研究，在继承的基础上做出改进，针对生产线应用后的诸多问题，提出相应解决方法。　　首先研究了生产线钢坯图像采集系统硬件部分，针对重轨生产线现场光照复杂、高温、字迹模糊残缺等问题，因地制宜地利用轧机生产线的现有设备和环境，最大化地改进识别背景，降低识别复杂系数。　　其次总结了目前的主要研究成果，包括图像预处理、字符定位、字符切分和字符识别四大方面。针对定位中的连通域去噪不彻底的问题，增加了智能判定条件，更加完善了定位效果。在字符切分过程中，对于某些粘连甚至边缘部分融合的情况，现有算法的切分结果比较粗糙，针对这个问题，本文提出了递归投影算法，对于上述极端情况有较好效果。在字符识别上，扩充了识别过程，增加了基于KNN原理的符合识别算法，增强了算法的自适应性。　　最后对于软件编码及项目实施阶段做了详细说明，解析了软件框架，列举出软件细分功能，给出了软件使用说明和实例分析，对于存在的疑难问题，提出了详尽的解决方案。　　结果表明该系统能成功解决生产线钢坯字符识别的诸多难题，这是一项复杂的工程，既需要深入的理论研究，也需要对繁杂的应用问题进行探讨，并结合传统的流水作业进行改进升级。