近年来,受光学字符识别技术发展的影响,文档识别的应用和需求与日俱增,自动地识别文档并从中挖掘关键信息具有实用价值。表格以直观简洁的方式表示数据,是文档页面的重要对象,在生产生活中有广泛应用。但是,由于复杂的文字布局和表格结构,表格识别难度高,面向用户和开发者的表格识别系统少,无法满足一般需求。因此表格识别系统的设计与实现有现实意义。本论文的主要研究内容如下:首先,本文创建了一个大规模表格识别数据集,提出HTML标记语言生成数据的方法。数据集收集科学文档中的表格图像,使用真实的文本语料和单元格结构,为基于深度学习的表格识别模型提供大规模的训练和测试数据,方便公平比较,同时介绍了生成数据集的方法和表格识别常用评价标准。其次,本文提出了三阶段的表格识别算法,算法分为表格文字检测、表格文字识别和表格结构识别,表格文字检测基于角点检测与区域分割网络,表格文字识别基于不定长序列识别算法,表格结构识别基于图网络模型,分别针对实际问题进行工程化改进,在数据集和实际图片上设置多种对比实验,验证算法的性能和速度,分析错误结果和算法缺陷。对输入图像数据,检测、识别和表格结构重建结合识别完整表格,为系统设计提供重要算法支撑。最后,本文设计并实现了在线表格识别系统。系统使用Flask框架,提供网页应用程序服务,包括前端页面、数据库和后台程序,功能上采用模块化设计,实现图片的实时上传识别显示和识别结果修正,详细说明模块的功能分析、功能实现和性能评估,设计模块关联数据表,分析系统优越性和局限性。