芯片字符是芯片的唯一标识,字符实时识别系统是各种芯片设备不可或缺的组成部分,如芯片重排等设备。目前,工业现场仍采用传统的方法,重点关注特征设计,精度、效率和鲁棒性低。而基于深度学习的方法尽管能够自动提取文字特征,但流程复杂,难以优化且速度慢。本文研究一种基于深度学习的字符实时识别系统,整张图像直接输入系统输出识别结果,无需繁复的预处理和后处理操作,算法流程简单,精度、效率和鲁棒性高。研究小字符端到端识别算法。芯片字符尺寸小,严重影响字符识别性能。本文提出基于多尺度特征的小字符识别算法,加权融合高层和低层特征,设计合适参考框、特征金字塔和损失函数等。提出芯片字符图像标准数据集,整理和制定字符识别算法评价系统。研究芯片图像去模糊算法。芯片图像存在运动模糊,严重影响字符识别精度。提出基于条件对抗网络的盲图像去模糊算法,学习模糊-清晰图像间映射,设计合适的损失函数和网络结构等。提出随机轨道生成法生成构建标准数据集,并且整理和制定芯片图像去模糊算法评价系统。研究芯片字符识别数据增强算法。芯片字符图像数据集存在数据量不足、多样性差的特点,不利于“少数字符”的学习。提出基于条件对抗网络的数据增强算法,以字符类别标签作为约束条件,实现字符识别数据集扩充。综合整个芯片字符识别系统,由数据增强器、去模糊器和字符识别器组成。实验结果显示本系统可实现误识别率和漏识别率最低分别为0.33%和0.09%,可实现识别时间最低为19.9ms/幅,满足工业现场要求。