机器人物体识别问题是服务机器人关键技术发展中的重点。在复杂环境中,机器人能否对场景中的目标物体进行精确的感知和识别,是目前机器人技术的一个挑战。场景文本阅读可以加深机器人对环境的智能感知、更好地规划路线、进行实时视觉翻译,也可以有效地帮助视觉障碍群体。随着人工智能和机器人技术的快速发展以及老龄化社会的到来,家庭服务机器人的需求会明显增长。取物是常见的任务之一,即机器人根据人类的指令取送日常用品。家居环境的物体种类繁多,而且对物体识别的精准度要求较高,如药品的外形大多相似,取物错误会导致严重的后果,所以机器人要具有很强的物体识别能力。目前基于深度学习的物体识别方法主要是通过物体的形状,用大量不同类别的物体图片进行训练,然后进行分类识别。但家庭取物操作往往要求识别同一类物品中不同物体,或者识别不同类别但形状类似的物体,因此识别的难度很大。为了解决复杂场景中机器人的物体感知问题,本文提出了一种基于场景文本识别的智能感知方法。提出的方法模拟人的行为,通过仔细阅读物体上的文本准确识别。机器人检测并识别图像中的文本,然后将识别结果存储在文本文件中。当用户向机器人发出指令时,机器人从文本文件中搜索指令的关键字,获得场景图像中物体的置信度。具有最大置信度的物体即为目标物体。结果表明,本文提出的方法能够准确区分任意形状和任意类别的物体,有效解决了复杂环境下机器人的物体识别问题。本文的主要贡献包括以下三个方面:（1）提出了一种基于场景文本阅读的物体识别方法。创新性地将文本的检测与识别和机器人物体识别相结合,采用这种方法,机器人可以识别任意形状和任意类别的物体。此外,该方法加快了机器人模仿人类识别行为的速度。（2）为了提高模型的识别精度,本文生成了一个新的数据集及其反转数据集。生成的数据集包含102000个带标签文档的图像,反转数据集在不更改标签的情况下反转生成图像的像素值。通过这些数据集的训练,模型的识别精度提高了1.26%。（3）对文本框的置信阈值与识别效果的关系进行了实验研究。置信阈值越高,识别结果越准确。然而这可能会丢失一些有用的信息。通过对测试样本的统计,本文将置信阈值设为0.97。这是一个很好的平衡点,在保留了关键信息的同时减少了错别字、提高了识别的准确率。