为了提高水表字轮字符图像识别的准确率，提出一种基于深度卷积神经网络的字符识别方法。传统识别方法需要构建大量模板，工作量大且容易受到外界的光线和杂物的干扰，识别准确率较低。基于深度卷积神经网络的字符识别方法，改进了经典的CNN网络结构，构造一个同时能识别字符和表盘的卷积神经网络模型。在自建的训练集和测试集上训练测试，结果表明，该方法有效地提高了水表字轮图像识别率。