0 引言
       光缆表面印字是光缆本身重要的组成部分,它是每根光缆的身份信息，便于光缆施工识别、管理维护和后期追溯 [1]。目前，光缆生产企业检测光缆喷码的方式多为人工检测，这种检测方式存在着误判、速度慢和人易疲劳等弊端。因此，为了满足工厂智能化和生产自动化，迫切需要设计一种能够高速、准确识别光缆喷码字符系统，而字符识别算法是该系统中最重要的研究部分之一。常用的字符识别算法有模板匹配算法[2]、人工神经网络（ANN）算法[3]和支持向量机（SVM）算法[4]。这些算法在智能化交通[5]、纸币分类[6]等领域都有众多学者研究，且识别正确率都能满足相应的需求，但在线缆喷码字符识别领域却少有研究。加拿大Taymer公司[7]曾推出过PV1400型号的表观字符检测设备，可对线缆、管材表面不同大小的喷印、热印的字符进行识别。但是，该产品检测字符类型为普通连续字符且不能对线缆环面进行检测，价格也十分昂贵。针对光缆喷码点阵字符特点，本文提出一种光缆喷码字符识别的系统，并基于OpenCV视觉库平台分别对上述3种常用的字符识别算法进行仿真并优化参数，探究算法优劣。

4 结束语
       本文提出了一种在线识别喷码字符识别系统，并利用模板匹配、ANN和SVM等算法进行了识别仿真研究，仿真结果表明：在大数量样本训练后，ANN算法识别率优于其它2种算法，且识别时间最快；SVM算法的训练时间较短，在训练样本较少时识别准确率也高于人工神经网络；模板匹配算法实现最为简单，而且不需要进行样本训练，但是识别准确率低于ANN算法和SVM算法，且识别速度较慢。