工件表面的压印字符存在凹凸不平、锈蚀、风化等问题，导致传统的字符识别算法难以取得满意的效果。针对这一问题，将工件表面压印字符的识别视为一类特殊的目标检测问题，并针对其特性设计了一种两阶段识别网络：定位-分类网络。定位网络使用无锚框的方法提取字符感兴趣区域，有效解决了字符区域提取困难的问题。分类网络采用特征解耦的卷积模块和结构重参数化技术，能够在不增加额外参数的情况下提升分类的准确率。此外，分类网络采用跨域迁移学习的训练策略，能够有效解决实际应用中的小样本和类别不平衡问题。在自建螺栓数据集和SynthText数据集上的实验结果表明，该算法的整体精度能够达到98%和92%，优于对比算法。