轮胎模具是轮胎生产线上的硫化成型装备,模具上的字符携带产品的信息,对轮胎生产厂家而言非常重要。在模具生产过程中,如果存在字符漏印、多印和错印等错误情况,影响模具质量,将带来严重的经济损失。目前,行业内对轮胎模具字符检测主要依靠人眼。但是,人工检测法判断标准因人而异,不同个体检测结果可能不一样。而且,长时间工作容易会造成人员视觉疲劳,检测效率和可靠性将大大下降。近年来,随着人工智能的发展,机器视觉越来越多地应用于工业检测,并取得了良好的效果。为了实现轮胎模具表面字符自动化检测,本文提出一种基于机器视觉的轮胎模具表面字符检测方法。根据轮胎模具特点,设计了一种基于机器视觉的自动化检测装置。设计了相应的图像处理方法,包括图像预处理、图像拼接、图像定位及字符检测等步骤。图像预处理主要包括将所采集的轮胎模具图像的CAD的外轮廓拟合为两个圆的弧,并根据拟合得到的参数对采集的轮胎模具图像和CAD进行极坐标变换。然后,本文提出一个新的框架,以将采集的图像定位到CAD的相应位置。最后,通过基于神经网络的字符识别方法和字符串匹配方法来提出字符缺陷检测方案。在图像定位和字符检测的阶段,同时进行对采集的轮胎模具图像进行梯度直方图(HOG)特征的图像拼接,最终拼接结果用于标记轮胎模具的缺陷。实验结果表明,设计的系统可在短时间内完成模具表面字符检测,并具有高准确率,能够有效克服人工对轮胎模具字符缺陷检测的不足。通过进一步调整摄像机的高度和系统内已设置好的参数,有望应用于其他类型轮胎模具的检测。