板坯是钢铁生产过程中的重要中间产品,对其进行物流跟踪有助于提高企业的信息自动化水平。然而,板坯由转炉厂配送至热轧厂时,由于在转炉厂可能会作下线处理,目前还缺乏有效的自动跟踪手段。本文在深入分析板坯配送流程和已有的信息自动化设备的基础上,提出采用字符图像识别的方法实现板坯信息跟踪。通过在转炉厂和热轧厂安装摄像机实时采集板坯图像,运用图像处理的方法对板坯配送字符进行识别,实现了板坯配送信息的自动跟踪。首先,基于差影法确定运动板坯已进入拍摄视野；然后,对板坯侧面的二值化图像进行垂直和水平投影实现板坯字符串的定位和单个字符的分割；最后采用Shape-Context (形状上下文)方法进行字符图像的特征提取,采用Kuhn-Munkras (KM)方法进行样本与模板的匹配,从而得到识别结果。在图像处理过程中,结合板坯字符图像的特点,提出了基于平均灰度的自适应二值化方法；为了消除氧化斑的影响,设计了基于连通域标记的干扰斑消除算法。这些措施有效降低了干扰,改善了字符图像质量。另外,为了充分利用多帧图像的识别结果和数据库中的板坯编码信息,设计了投票机制和数据库校验策略,改善了跟踪性能。实验仿真验证了预处理、目标检测、特征提取和识别等算法的有效性。同时针对国内某大型钢铁厂,安装摄像机、工控机和必要的传输设备,设计开发了板坯信息跟踪系统软件,将跟踪系统有机嵌入到已有的信息自动化网络中。实际运行结果表明,该系统克服了工业现场场景和光线多变、字符喷涂质量不稳定等不利因素影响,对板坯字符的识别率保持在较高水平,从而实现了板坯信息的自动跟踪,提高了企业的信息自动化水平,同时为热装热送提供保障。