近年来,我国快递服务业持续高速发展,大量的基于条形码和二维码识别的包裹自动分拣系统已应用到实际的快递分拣流程。然而,环境复杂的快递分拣现场导致条码污损的情况时有发生,快递公司通常采用费时费力的人工分拣处理条码无法读取的包裹。深度学习中的物体检测技术和汉字识别技术具有速度快,成本低,自动化程度高等优势,在快递邮包分拣系统中拥有广阔的应用前景。本文基于深度学习的技术,设计出一种快递表单图像价值信息提取系统,以解决实际中的问题。首先,为了从快递表单图像中更加准确快速地定位出价值信息,本文设计一种基于改进更快R-CNN的快递价值信息定位方法。该方法通过深度特征提取、级联检测模型、级联模型加速策略以及改进的正样本补充方法,能够以较快的速度,较高的准确率定位出快递图像上的价值信息。其次,本文提出一种基于CRNN模型改进的快递价值信息识别方法,用来识别快递图像中的姓名、电话和地址等价值信息。该方法使用基于改进Efficient Net的文字特征提取网络,组合双向长短时记忆网络进行文本图像的特征序列提取,然后使用联合时间步长损失的加权CTC方法将特征序列转译为文字序列。最后,本文设计了快递表单图像的价值信息提取系统,该系统涵括了图像处理模块、价值信息定位模块、价值信息识别模块和识别矫正模块,对输入快递单图像进行准确提取价值信息,可以有效地增加快速递员或分拣中心的工作效率。并且该系统能够广泛应用于如发票识别、身份证识别等领域。