随着信息化时代的到来,纸质档案已经被时代淘汰。这些纸质档案不仅浪费了空间资源人力物力财力,并且查找起来也非常的麻烦。所以很多的企业都有将档案电子化的需求,但是通过人力进行电子化过程效率极其低下,而且录入过程需要非常仔细,否则就会出现录入错误信息的情况,这时就需要引入人工智能机器视觉来代替人工完成电子化过程。所以本文将自然资源档案文字识别作为研究主题,对其电子化过程需要用到的一系列算法进行研究,并且开发了一套自动化操作系统。本文将自然资源档案的电子化过程分为以下几个部分进行研究:对档案封面上的各部分区域进行检测,只获取本文需要的档案基本信息以及档案的清单列表部分;对上述获取到的部分进行文字检测以及文字识别过程;对档案内部的文件进行文字检测以及文字识别过程;整个系统的研发过程。本文使用基于深度学习的模型完成上述四部分。利用语义分割算法检测出档案封面上的基本信息部分以及清单列表部分。利用一般的语义分割算法u-net为基本网络,然后基于本文研究的档案封面的特点进行优化,主要优化了以下部分:通过注意力机制给档案封面上的基本信息位置以及清单列表位置设置更高的权重占比,增强区域检测的精确程度;一般的语义分割网络并没有规范检测到的区域的形状,所以本文引入了一个生成对抗网络对检测的区域进行规范。通过实验表明,本文的优化网络对比一般的语义分割在区域检测上存在明显的优势。通过序列标注算法对清单列表中的字符串进行文字检测。一般的图像分割方式,比如投影法是根据整个区域横向以及纵向的间隔分离出文字区域。这些方法都必须利用非常多的先验知识,并且很不容易得到统一的阈值。序列标注算法并不存在上述情况,在文字检测过程中存在明显的优势。然后本文采取图像特征提取和双向长短时记忆神经网路字符识别算法完成文字识别过程。由于档案内部的文件结构大不相同,很难找到一个通用的模板进行文字检测与文字识别过程。而且内部的文件有时需要保存其完整的结构特征,所以在本文的电子化过程中通过扫描图像的方式进行保存。但是本文提供了文字识别功能,在管理人员查看文件时,如果想要获取其中的文字信息可以通过文字识别功能获取其中信息,本文通过CTPN算法实现对文件中文字检测过程,然后利用CRNN模型进行文字识别。开发了一个完整的档案自动化存储工具对上面一系列功能进行集成,实现了自然资源档案文字识别系统的研发。并且在实际应用当中可以看出整个系统有着很高的应用价值。