运用深度学习理论,由机器自动完成图像库中图像的特征提取,实现档案图像印章检测功能,以满足数字档案利用系统中的实际需求。该方法可降低大量重复性工作,减轻管理者工作负担,提高数字档案管理水平。针对档案印章检测问题,选取基于SSD-Mobile Net技术的目标检测模型,并将此模型应用于B/S计算模式的公文档案利用系统中。研究工作的主要贡献包括如下三个方面。首先,根据真实场景中所存在的情况盖印了仿真实验所需的2000份印文,并按照实际使用过程中电子档案的生成方式将其扫描为逐张档案印章图像。接着针对部分由材质原因导致印章不清晰的情况,将其图像通过闭运算处理后对空洞进行填充以改善档案的质量。再将所有搜集到的图像进行统一命名,使其符合VOC数据集格式,方便模型的训练。然后,将SSD-VGG模型中的VGG16替换为Mobile Net,建立SSD-Mobile Net模型。由于Mobile Net为轻量级网络,所建立的模型具有速度快、参数少的优点。仿真实验表明,SSD-Mobile Net模型的印章检测方法是有效的,达到93.2%的m AP。其中,高校需要的公章其准确率达到99.9%。综合了准确率与速度两个指标,将其模型应用到系统能够满足高校的实际要求。最后,为了集成于现有的档案利用系统,选择与其一致的B/S架构模式搭建了数字档案印章检测系统。系统基于Flask框架,采用Python语言开发,以SSDMobile Net算法实现印章检测。通过实验测试证明了该系统能准确检测出目标印章,实时性强,准确率高,为投入实际应用奠定了基础。