图像文字识别与理解是计算机技术应用中备受关注的研究问题,在重/轻工业、交通、金融、保险、教育等行业中扮演着基础功能角色。近十年来,深度学习技术有力推动了图像文字与理解技术的快速发展。然而,现有的研究是非系统性的,在算法效能和应用赋能上均是不充分的。算法上,子领域技术联动性不足（例如图像文字感知与理解技术的研究割裂）,造成算法上的次优问题;图像文字中的多模态信息发掘不充分,造成算法的抗干扰性不足;除此之外,已有工作对算法的可落地性重视不足,例如在提升性能时却带来了额外的标注成本或计算代价,对应用不友好。应用上,一方面对跨领域协同技术框架需求迫切,期望支持形成复杂解决方案,为行业赋能提供技术基础;另一方面,构建高效的图像文字业务赋能平台也尤为必要,能够促进产业智能化。考虑到以上问题,本文尝试从模型落地友好性、信息多模态化、技术端到端化的角度对图像文字识别与理解技术进行多方位探究;并构建子领域技术组件协同框架与业务生产平台,支持社区研究与产业赋能。具体地,在落地友好性上,以文字识别及其矫正预处理为基础进行研究,在不引入更大参数规模或标注代价的情况下进行算法创新,促使模型易落地;在端到端化上,对不同数据形态下的文字检测与识别进行端到端研究,实现了算法的全局最优,提升了模型的可维护性;在多模态建模上,对图像文档中蕴含的视觉信息、语义信息甚至版式信息进行多模态抽取与分析,提升了方法的抗干扰性。在所研究算法基础上,本文秉持技术创新、资源共享、产业带动的理念,构建图像文字识别与理解组件协同框架与业务生产平台,一方面作为研发套件支持单领域、跨领域研发推动社区研究,另一方面作为技术赋能平台支持多行业应用。本文所研究内容已被应用在智能交通、港口治理、产线治理、财务稽核及人工智能开放平台等业务场景,促进了产业智能化升级,实现了良好的社会经济价值。论文所涉及的数据、技术与平台资源均已开放共享。