气象档案为气象监测与科学研究等各个领域提供着重要的数据支持,具有很高的保存与研究价值。现存许多的历史气象档案多为手写纸质档案,为了更妥善的保存与保护,利用科技手段数字化储存十分有必要。档案数字化的常规方法是人工比对数据并录入,最终以电子档案的形式进行保存。人工整理流程繁杂,录入精度较低且耗时太长,通常需要投入大批量的人力物力,效率也得不到保障。近些年来,人工智能技术取得长足进步,为工业生产带来了诸多便利,以人工智能代替人工是时代的潮流。本文的工作就是采用深度学习的方法定位档案文本区域,对要录入的内容进行自动识别,减少人工工作量,提升工作效率。气象档案数据数字化主要分为两个任务:文本定位与字符识别。在文本定位任务中,相对于传统文本定位方法,深度学习方法精度更高。不同于常规的目标检测任务,文本目标的长度并不固定,因此定位网络选用对序列信息敏感的连接文本建议网络(CTPN,Connectionist Text Proposal Network)。文本目标在扫描图像中排列密集且目标较小,CTPN模型对于微小目标定位的能力较弱,同时加大了模型的训练难度,最终影响之后字符的识别效果。针对微小目标难以定位的问题,本文提出从局部到整体的策略,按照档案数据特点对扫描图像自动划分区域,在子区域中进行定位。我们将气象档案的扫描数据做了图像去噪,二值化等预处理步骤,并使用霍夫变换方法对图像进行了倾斜校正,最后提取表格的局部区域。分别对扫描图像做整体训练和局部训练,相同的训练轮次,局部训练的模型收敛的更快,定位准确。而整体训练的模型出现大量误提漏提情况,无法实际应用。字符识别任务中也存在诸多难题,例如,不同记录员的字迹多有不同,相同字符也会因记录员字迹不同而存在较大差异,且手写字符间会有粘连,无法进行字符分割单独识别每一个字符。为提高网络的泛化能力,本文准备了大量的训练数据,保证数据的多样性,确保可以识别不同字迹的文本。而对于传统方法无法识别粘连字符的问题,本文选择了结合卷积神经网络(CNN,Convolutional Neural Network)与长短时记忆网络(LSTM,Long Short-Term Memory)的卷积循环网络(CRNN,Convolutional Recurrent Neural Network)。CRNN可对连续文本进行识别。手写档案中还存在涂改的字符,对于涂改划掉的字符,CRNN会将其判定为与其结构最为相似的错误字符,这成为识别任务的一大难题。对此,本文根据无涂改数据与涂改数据之间的差异,构建了两个特征不同的数据集,分别训练模型,学习涂改字符的特征。在确保无涂改文本被正确识别的前提下甄别出涂改文本。最后在测试集中进行测试,将两个模型识别结果不同的图片剔除,用于后期人工筛查,剩余图片与标签比对确定精度。识别精度达到99.7%以上,并与腾讯识图算法的识别结果进行了对比:本文算法在粘连字符识别问题上有明显的优势,且能准确的甄别出涂改字符。本文的工作能够显著减少工作量提高工作效率。