无色差立体字符在生产制造中被广泛应用,它是信息承载和传输中非常重要的工具。无色差立体字符是利用模具铸造或者雕刻等方式使得物体表面产生凹凸不平的形变而成。无色差立体字符的颜色和材质与其背景相同,而且是三维立体字符。正是因为无色差立体字符的这个显著特点,使得它的识别成为难点。随着现代工业制造水平以及生产效率的提高,对于无色差立体字符的自动化识别已经成为工业产品生产智能化的必然要求。无色差立体字符本身的特点导致它和普通光学字符识别(Optical Character Recognition,OCR)方式不同,且采集条件要求高,因此无法使用现有成熟的光学字符识别方法。本文针对无色差立体字符难以稳定识别这一问题,研究了以下相关内容。研究了针对EVA材质鞋底的图像采集硬件系统。首先简述了硬件采集系统的组成,分析了相关硬件组成的性能参数和选型方法,并根据本文的研究对象以及视觉采集系统的要求选择了合适的硬件。分析了鞋底无色差立体字符的特点以及光源的特点,以及光照对无色差立体字符的影响,设计了识别系统的最佳照明方案为:条形白光光源侧面放置照明,为后续的算法奠定了良好的基础。研究了针对无色差立体字符的增强方法:基于卷积神经网络(Convolutional Neural Network,CNN)的无色差立体字符增强算法。首先介绍了常用的图像增强方法,然后针对无色差立体字符的特点,分析了传统增强方法在这种字符上处理效果的缺陷以及不足。然后结合深度学习相关知识,针对鞋底无色差立体字符,提出了新型的基于CNN的无色差立体字符增强方法。研究了针对鞋底这种特殊载体的无色差立体字符预处理方法:结合鞋底本身的特点,需要进行去除圆孔洞处理。在增强字符后,由于研究的鞋底有很多孔洞造成识别困难,因此提出基于CNN和图像像素结合并相与的方法去除孔洞,达到较为理想的鞋底无色差立体字符预处理效果,为后续识别打下基础。研究了基于Tesseract的无色差立体字符识别算法。在经过增强以及进一步预处理以后的无色差立体字符可以用经典的光学字符识别算法进行识别。基于Tesseract的字符识别方法,识别经处理后的无色差立体字符样本,能较为准确的检测并识别文字。本文结合了基于机器视觉的无色差立体字符预处理方法和OCR算法,解决了传统无色差立体字符识别时间长以及正确率不稳定问题,达到了比较好的识别率。