计算机技术近几年取得的成就和对相关领域带来的影响有目共睹。其中教育是不能避开的话题,随着对优质教育均衡发展的重视,教育应用软件的作用也日益突出,手写体数学文本识别便是其中的核心部分之一。但是由于数学公式中存在分式、指数和根式等二维结构给混合文本的检测和识别带来了挑战,导致该领域在很长一段时间内进展缓慢。为此,本文以真实场景下的数学混合文本为研究基础,致力于解决混合文本的检测和识别任务。论文主要工作如下:针对手写体数学文档的复杂版面布局,本文设计了基于特征瀑布的多尺度融合模块。深层神经网络提取到的低分辨率特征图具有帮助模型提高目标检测能力的高语义信息,而浅层神经网络提取到的特征图通常含有的是较多的几何信息。多尺度特征瀑布是通过将不同尺度上的图像进行相互融合,使得特征图都具有较为丰富的语义信息,以此提升模型对混合文本行的精准定位能力。针对手写体文字公式混合数据的识别,本文设计了阶段空间注意力模块。混合文本与普通的中文文档和场景文字不一样,混合文本中存在二维空间结构。该模块在训练的时候能有效地注意到文本行中二维结构的上下区域,提升神经网络对二维特征的表达能力。针对混合数据集缺乏的问题,本文通过收集整理真实场景下的学生手写文本,分别构建了用于数学手写体文字公式混合检测和识别的数据集,以此检验模型在真实环境下的测试效果。最后,基于上述工作将改进后的方法与其余模型做了实验对比分析,本文设计的模型在手写体文字公式混合检测数据集中,综合指标F1分数达到91.1%;在手写体文字公式混合识别数据集中,准确率达到83.33%。实验结果表明本文改进后的方法能够为自动判卷中的混合文本识别提供进一步的技术支持。