金属板带产品标签文字信息的检测与识别应金属制造工业运输作业的需求产生,用智能化方法代替人工方式不仅能够提高标签中信息记录的准确性,而且能够助力智慧物流的构建,具有重要的研究意义。本文就金属板带产品标签文字信息的检测与识别任务,深入研究了经典的直线检测、透视矫正、基于深度学习的语义分割、文本检测与识别等技术,提出了集矫正处理、文本检测、识别和纠错于一体的端到端金属板带产品标签文字识别解决方案,同时进行了核心算法的集成和演示系统的开发。针对部分算法的缺陷进行了改进,利用现有开源数据集以及金属板带产品标签数据集进行实验分析,论证了算法的可行性与有效性。本文研究的核心内容概括如下:（1）针对工业现场拍摄的金属板带产品标签图像中标签区域存在的透视、仿射变换以及扭曲等问题,实现了基于直线检测定位矫正的方法,同时利用线性判别分析灰度化方法为直线检测提供支撑,提升了直线检测的效果。在传统图像处理方法无法取得较好泛化性的情况下,开创性地提出了基于深度学习语义分割定位矫正的方法,为实现精确的文本检测和识别奠定了坚实的基础。（2）深入研究了基于深度学习的文本检测方法,通过对EAST和Pixel Link检测算法的理论研究和实验分析,详细探讨了基于回归思想和分割思想在场景文本检测中的优劣性。根据工业现场图像的特点,实现了基于Pixel Link的改进方法,同时实验论证了改进后算法的高效性和精准性。（3）对联接式时间分类方法CRNN进行了深入的理论研究,针对工业场景所得文本图像具有的模糊、遮挡、光照以及扭曲等特点,利用注意力机制的方法对原始CRNN网络进行加深和加宽,实现了 CRNN算法的改进,拓展了特征提取的能力,提高了算法对于干扰信息的辨识能力,所得模型取得了良好的识别效果。（4）针对本识别场景的特殊性,提出了正则拆分匹配、相似度字典匹配以及混合匹配的方法,实现了关键字段的检索与纠错,最后基于QT框架对本文所提出的解决方案进行系统开发,实现了端到端金属板带产品标签文字的检测与识别。