板坯号是钢铁企业热轧生产过程中板坯的唯一标识,板坯在进入加热炉生产之前,当前主要是依靠人工方式对板坯号进行识别,劳动强度高且容易出现识别错误。所以,利用图像处理和深度学习等人工智能技术实现对板坯号的自动识别,对于降低劳动强度、提高钢铁企业热轧厂的信息化和智能化水平具有重要意义。本文针对热轧厂加热炉工序的板坯号自动识别问题,基于深度学习和图像处理等方法,分别针对数据集自动构建方法、板坯号的单字符识别与整体识别方法等问题进行了研究。具体的研究内容包括:（1）针对人工标注板坯号位置工作量巨大、效率低的问题,提出了基于迁移学习思想的板坯号区域自动定位方法,该方法首先使用在ICDAR2015数据集上训练好的EAST文本检测模型来检测从视频中获取的带有板坯的图像,接着基于板坯号区域的长宽比为定值的特点,对识别出的板坯号区域进行后处理,使得定位准确率提升到89.95%;最后基于截取出来的板坯号图像,构建出板坯号图像样本集。（2）针对板坯号的单字符识别与整体识别构建数据集,首先对板坯号图像进行贴标签操作,完成整体识别数据集的构建;接着,基于板坯号图像的特点提出了一种自适应全局二值化方法对板坯号图像进行二值化,并基于聚类的思想对传统的垂直投影算法进行改进,使得板坯号图像分割的准确率由85%上升到98%,再将分割好的单字符贴上标签,完成单字符数据集的构建。（3）针对板坯号的单字符识别,提出了改进的LeNet-5网络,实验结果表明该方法的识别准确率可以达到88.4%;针对板坯号的整体识别,提出了基于CRNN的整体识别方法,整体识别的准确率可以达到95.03%。（4）基于集成建模思想,提出了基于CRNN的整体识别和基于LeNet-5的单字符分割识别的集成模型,使得集成模型的识别准确率由集成前的95.03%和88.4%提升至97.4%。