运煤列车是我国煤炭运输的主要工具,随着煤炭运输量不断增加以及工业4.0的到来,煤炭装运智能化需求日益增加。车号是运煤列车每节车厢的身份信息,实现车号的自动识别是煤炭装运智能化的关键步骤。目前,煤矿装车站仍采取人工抄写方式进行车号统计,不仅人员和设备作业时间长,且易出现漏检和误检。因此研究一种基于计算机视觉的运煤列车车号自动识别方法,对于提高煤炭周转速度,实现煤炭装运与管理智能化具有十分重要的意义。本文以运煤列车车号字符图像为研究对象,主要研究工作从以下三个方面展开:（1）针对运煤列车车号标识数据集的缺失,通过人工标注的方式制备了运煤列车车号定位与识别数据集,为深度网络的训练与测试提供数据保障。（2）车号字符定位是识别的前提,本文在EAST（Efficient and Accuracy Scene Text）模型基础上,重新设计了特征提取网络和分类损失函数,同时引入RefineNet多尺度融合策略,解决运煤列车车号字符尺度变化的问题,并针对真实数据集量不足的问题,进行了深度迁移学习。（3）在车号区域精确定位基础上,对运煤列车车号识别算法进行了研究,针对运煤列车车号字符存在粘连、模糊而导致字符难以分割的情况,采用了一种端到端的CRNN识别算法,选择性能更强的DenseNet作为特征提取部分;针对部分车号字符倾斜的问题,引入空间变换网络对车号特征进行矫正,并通过在基准数据集中加入具有典型干扰特征的数据,实现识别数据集的扩充。结合上述运煤列车车号定位与识别算法,根据前后端交互框架完成了装车站车号识别系统的开发,同时对系统进行了整体测试,测试结果表明本文方法能够有效对运煤列车车号字符进行准确快速的识别。