本课题来源于柳州五菱汽车联合发展公司车桥厂主减速器精确追溯项目的子项目。在传统的生产过程中，主齿轮特殊打标形式的字符主要通过人工抄录，极大地影响了工作效率。主齿轮特殊打标形式的字符识别难点是，主齿轮的图像噪声较多，齿轮表面还有油污与毛刺，且字符呈圆环形排列。一般的字符识别技术无法直接运用，所以研究主齿轮特殊打标形式的字符识别具有重要的意义。本文使用了边缘检测，数学形态学，霍夫变换及模式识别等技术对主减速器中主齿轮特殊打标形式的字符识别方法进行研究，实现了对主齿轮特殊打标形式的字符的识别。　　本文主要工作内容和研究成果如下：　　1.主齿轮的图像噪声较多，通过灰度化和高斯模糊算法，对采集到的主齿轮特殊打标形式的字符图像进行降噪处理，验证了该算法能够有效地去除图像中的噪声；　　2.针对主齿轮的图像中存在的毛刺较多的问题，选择用 Canny边缘检测算法和腐蚀膨胀算法，对图像进行边缘检测和去毛刺处理，验证了该算法能够有效地去除主齿轮本身的毛刺；　　3.针对主齿轮特殊打标形式的字符形状上复杂的特点，选择用霍夫变换对图像中的环形字符区域进行定位，由于现有算法只能对固定角度的圆环进行转换，本文提出了基于任意角度的环形字符分割算法，成功将任意角度的环形字符图像转换成矩形字符图像，然后把每一个字符都分割成单独的字符，验证了该算法的有效性；　　4.针对分割出来的单一字符，利用粒子群算法优化支持向量机算法的惩罚因子和核函数的参数，然后用其对主齿轮特殊打标形式的字符进行识别，通过与传统支持向量机算法的实验结果的比较，验证了本文基于粒子群优化的支持向量机算法的识别效果更好。　　本文主要创新点如下：　　1.本文提出了基于任意角度的环形字符分割算法，对任意角度的环形字符实现分割。　　2.本文利用粒子群优化的支持向量机算法对主齿轮的特殊打标形式的字符进行了识别，与传统支持向量机算法相比，提高了识别效率。　　实验表明，本文实现了对主减速器中的主齿轮特殊打标形式的字符的识别，并且基于任意角度的环形字符分割算法能够取得较好的效果，达到了企业的生产要求，能够配合主减速器精确追溯项目完成对主齿轮信息的追溯。