随着科学技术的发展,中国制造业的智能化升级改造成为了必然趋势。如何将先进的技术理论应用于实际生产线成为了研究的重点与热点。在汽车刹车片的生产过程中,传统的人工喷码检测存在劳动强度大、用人成本高、检测精度低等缺点。而机器视觉、机器学习等先进技术则可以很好地避免这些缺点。因此,本文基于机器视觉和机器学习对汽车刹车片喷码检测识别技术展开研究,主要工作如下:（1）研究了基于连通分量的喷码字符定位方法。通过分析汽车刹车片喷码字符的特征,得到了喷码字符长宽比较为固定、通常沿直线分布的特点,提出了基于改进MSER算法的喷码字符定位算法,通过字符区域特有的几何特征与位置特征对最大稳定极值区域进行筛选,实现喷码字符的定位。（2）研究了基于深度学习的喷码字符定位方法。分析了用于自然场景文本定位的EAST算法的优缺点,提出了基于改进EAST算法的汽车刹车片喷码字符定位算法,通过网络结构、标签生成、损失函数构建和候选区域后处理等四个方面对EAST算法进行改进,提高其对长文本区域的检测能力,完成喷码字符的定位。（3）研究了基于字符分割的喷码字符识别方法。通过分析喷码字符的图像特征,针对其字符内部不连续、字符之间距离近的特点,提出了基于边缘剔除的图像二值化算法和改进投影算法完成对一行喷码的字符分割,得到单个喷码字符。针对分割出的单个字符,搭建了卷积神经网络完成字符的最终识别。（4）研究了基于深度学习的端到端喷码字符识别方法。针对基于分割的字符识别方法存在识别结果依赖于分割质量的问题,提出了端到端的喷码字符识别方法,通过卷积神经网络和循环神经网络提取并学习字符序列的特征,无需分割即可实现一行字符的识别。（5）在某汽车刹车片生产企业,对提出的算法进行了实验验证。通过采集汽车刹车片的喷码图像,制作了对应的字符定位数据集和字符识别数据集。在数据集实验中,对比了不同算法的检测识别效果,分析了各个算法的优势与不足。通过实验,验证了提出的算法在汽车刹车片喷码检测识别应用中的可行性与可靠性。