全球机器视觉市场总量在60-70亿美元之间,并且以每年8.8％的速度迅速增长,而在我国,视觉产业还处于起步阶段,在工业测量和控制领域中,各式仪表被广泛应用,它们已成为测量外部电量或非电量信号的重要的指示工具,采用机器视觉的方法采集识别这些仪表的管理信息并进行管理具有现实意义。目前对仪表示值的研究比较多,而对于面板信息中的厂名,准确度,单位等仪表面板信息的识别研究涉及的比较少。而这些信息对仪表管理信息识别系统来说是至关重要的组成部分,同时从仪表的分类管理角度上来看,也有必要对仪表管理信息进行采集。本文主要针对电工类仪表面板上的厂名,单位、准确度等级、手写编号等字符识别进行了研究。主要内容和创新点包括：　　 ⑴通过数学形态学的方法对仪表面板二值图进行处理,结合仪表面板的特征,去除表框等干扰信息,定位分割出厂名,单位、准确度等级、手写编号等字符串。　　 ⑵对电工类仪表厂名符号进行归类总结,提出了一种空心字符转换为实心字符的算法,实现所有字符基于实心状态下实现了对于仪表厂名的识别。　　 ⑶提出了一个了基于模式匹配算法的校对OCR输出的中文文本的方法。　　 ⑷对仪表面板上的手写编号识别进行了初步的研究,对于比较规范的手写编号,通过查找连通域分割出单个数字字符,同时结合投影法以及笔段组合法切割粘连字符。最后通过本文采用比较成熟的BP神经网络对手写字体进行识别,识别出编号。　　 ⑸建立数据库管理系统,实现仪表管理信息的数据库管理,便于仪表检定。本系统用VC编程,实现仪表管理信息自动采集技术,具有一定实用价值。