殷昌山，杨林楠，胡海洋

(1. 云南农业大学大数据学院，昆明市，650201； 2. 云南省农业大数据工程技术研究中心，昆明市，650201；3. 绿色农产品大数据智能信息处理工程研究中心，昆明市，650201)

0 引言

农资标签是印刷于农资包装上的文字，主要包括有效成分含量、产品名称、登记证号、生产许可证号、产品标准号等用于描述该产品相关信息的内容。农民根据该信息查询并判断该产品是否符合自身需求，农资监督机构根据该信息进行农资安全相关的检测和分析，国外购买者依据该信息对出口农资进行识别。作为农资标签识别的必要步骤，农资标签的文本检测对于农资安全监督和识别出口农资非常重要。

目前，基于深度学习的文本检测方法主要分为基于区域建议和基于分割这两类。基于区域建议的算法根据文本独有的特点,在目标检测通用算法模型的框架下对其进行改进。Tian等[1]借助了Faster RCNN中anchor回归机制，提出了CTPN网络框架来获得图像中的文本行，对水平方向文本检测效果良好。Shi等[2]借助一阶段检测框架SSD，提出了Seglink算法,该算法让模型学习文本框的旋转角度，对水平方向和多方向的文本检测有较好的鲁棒性，但对任意形状的文本不能准确定位。而基于分割的方法则是受到经典语义分割算法的启发，在像素级上对每个点进行分类，经后处理输出文本区域。Li等[3]提出了PSENet，该网络使用渐进式扩张算法,有助于紧密文本区域的分离，能够精确地定位任意形状的文本实例。……