随着光学字符识别(Optical Character Recognition,OCR)技术的发展,很多字符识别算法如SVM、CNN也渐渐应用到字符检测和识别之中。光滑金属表面字符的作用是用来标识生产厂商、产品序列号等重要信息。目前,光滑金属表面的字符检测采用的是传统的人工目检法。这种方法不仅检测效率低下,而且很容易发生漏检,造成错误率很高。因此,开展光滑金属表面字符的自动化检测技术研究,具有十分重要的科研价值和现实意义。首先,针对光滑金属表面易反光,设计出低角度环形光源照明、CCD面阵相机、视清物方远心镜头组成的光学系统。在光学系统设计阶段,首先使用COMSOL多物理场仿真软件进行了光滑金属表面的光线反射分析。接着根据检测指标要求进行了光学系统硬件部件的分析选型。最后设计出光滑金属表面字符检测的光学系统。其次,针对光滑金属表面字符的分布特点,提出了一种光滑金属表面图像的字符检测算法。在字符检测算法设计阶段,首先根据光滑金属表面图像特点进行光滑金属工件图像的预处理分析。接着针对字符的粘连、缺失或断裂等情况的分割,提出了一种水平投影法和改进的连通域算法相结合的分割算法。最后,提出了光滑金属表面字符检测算法,并进行了算法流程设计和字符检测结果分析。最后,针对光滑金属表面字符识别当中识别率高和识别速度快这两个特点,提出了一种基于改进的CNN算法模型,通过降低网络的复杂程度、增加输出层中神经元的数目,有效提高了算法模型的识别正确率和识别速度。接着对改进的网络进行训练、测试和字符识别结果分析。