图像检测系统可以快速获取大量信息，易于自动处理，也易于同设计信息加工控制信息进行集成，因此，在现代自动化生产过程中，人们将图像检测系统广泛地用于工况监视、成品检验和质量控制等领域。图像检测方法可以大大提高生产效率和生产的自动化程度，是实现计算机集成制造的基础技术。目前国内外许多科技工作者为基于机器视觉的数字识别做了深入的研究，做出了不懈的努力，作者通过广泛查阅国内外论文，在把握数字字符识别趋势的基础上，将着重针对钢坯标号、自动导引车辆数字工位等工程系统中的字符类进行识别研究，构建了基于灰度图像处理的钢坯标号和基于彩色图像处理的用于自动导引车辆的数字工位的实时识别系统，并提出了相对应的实时识别算法。本文主要内容如下：(1)对课题的研究背景以及研究现状做了详细的阐述，对实时图像的滤波、分割以及字符识别作了较全面的综述。(2)构建了基于灰度图像处理的钢坯标号识别系统，包括总体设计方案及其算法。在阐述CCD摄像头及采集卡的选取、光源的选择、设备的布置形式及说明、系统的工作流程的基础上，针对钢坯标号的特点，提出了基于图像处理技术，利用先验信息粗定位，在Marr边缘提取算子的基础上结合自动阈值完成数字标号的提取后进行灰度面积滤波，垂直投影分割后利用模板匹配算法，从而实现了数字标号的自动识别。每个标号的识别总耗时少于1.5s，误识率低于5％，稳定性和速度都能满足钢坯自动化生产的需要。(3)以浙江大学自动化仪表研究所自主研制开发的新型视觉导航小车为平台，构建了基于彩色图像处理的用于自动导引车辆的数字工位识别系统，包括总体设计方案及其算法。在阐述CCD摄像头的选取及安装、数字标号样式和颜色的选择、光源与照明方式的设计、系统的工作流程的基础上，针对自动导引车辆的性能要求和数字工位的特点，提出了基于图像处理技术，根据路面区域、导航线区域和数字工位区域的不同颜色特征，以彩色图像中的R分量(红色分量)为处理对象，利用红色分量在每一副采集图片的象素分布寻找字符可能出现的区域；根据HIS颜色空间特征参数饱和度S，提取数字；快速校正后，利用字符的整体结构特征进行数字的初分类，优化字符特征区域的确定及统计办法，在改进的特征统计基础上进行数字的再辩识。实验结果表明，数字工位提取耗时16ms，校正、识别总耗时47ms，识别速度能满足自动导引小车运行时间的要求。当车辆处于静止状态时，当没有较强的光线干扰时，可以识别出所有的数字工位；当车辆以一定的速度运行时，发现该系统的识别准确率就会受到影响，但仍然高于90％。造成识别错误的原因主要在于视野内光线的急剧变化所导致的校正不力和车辆运行速度过快。优化系统的校正算法及合理地进行光源补偿，从而提高校正效果是下一步研究的重点。(4)对全文的工作进行总结，并且提出了进一步研究的方向。