为了提升轧钢区域的物流效率,需要自动识别某钢厂的热轧钢卷号,但由于钢卷号弯曲弧度较大,且有位置偏转,传统的机器视觉方法无法有效识别。为此,提出了机器视觉算法与卷积循环神经网络（convolutional recurrent neural network,简称CRNN）相结合的方法构建识别模型。根据字符区域亮度较高的特点,通过组合使用高斯滤波、sobel边缘化算子、最大类间方差法OTSU等机器视觉算法分割出字符区域并旋转至水平角度；然后应用CRNN深度学习网络对分割后的字符图片进行特征提取和字符识别。通过在928张现场图片上测试,正确识别803张,总体准确率达到86.53%,这说明算法对解决此类工程字符识别（optical character recognition,简称OCR）问题是有效的。
