让AI“读”懂印章，浪潮软件破解政务印章识别难题

为解决这一难题，浪潮软件灵犀有言团队（以下简称“团队”）推出专用印章识别解决方案，通过“化繁为简、分步突破”的策略，实现高精度、轻量化、可落地的智能识别。

面对复杂多变的印章场景，团队放弃“一步到位”的通用模型思路，转而采用三步走策略：

印章AI识别“三步走”

第一步，印章检测：基于YOLO的高鲁棒性定位。首先将文档统一转换为标准图像格式，利用改进的YOLO目标检测模型精确定位印章区域。该模型在训练中引入旋转增强与低对比度模拟，显著提升对倾斜、褪色、边缘模糊印章的检出率。同时，结合几何先验（如圆形/椭圆约束），自动裁剪并输出标准化的印章子图，为后续处理提供高质量输入。

印章检测实例

第二步，印章分类：轻量级CLS模型判别颜色与类型。在获取印章图像后，部署基于YOLO-CLS架构的图像分类模块，快速判别印章颜色（红、蓝、黑白）及基本类型（公章、财务章、法人章等）。该步骤不仅辅助判断文件真伪（如彩色复印件与原件差异），也为下游识别路径提供决策依据，实现“按需调用”。

印章种类示意图

第三步，采用三大技术路线，各显其能，实现印章文字识别。

①极坐标展开 + 传统OCR：高效稳定，适用于标准章。针对清晰、规整的圆形公章，采用极坐标变换技术将环形文字映射为矩形带状区域，消除曲率畸变。

极坐标展开公式

随后调用轻量级OCR引擎（如PP-OCR）进行直线文本识别。该方案计算开销小、部署灵活，避免深度模型“幻觉”风险，适用于高吞吐量场景。

极坐标展开示意图

②TROCR（Transformer-based OCR）：端到端识别，应对残缺与噪声。对于老旧文档、扫描模糊或部分遮挡的印章，采用基于Vision Transformer的TROCR模型。该模型将图像编码为序列特征，直接生成文本输出，无需显式文字检测与分割。经8000+真实与合成样本微调后，在低信噪比场景下准确率达95%以上，具备强鲁棒性。TROCR由图像编码器与文本解码器构成，通过对模型进行微调，可以适用弯曲印章的识别，并且由于其解码器连续上下文的特性，对于复杂图片有很强的辨别能力。

TROCR示意图

③DB++ + 极坐标 + SVTR：两阶段精细识别，专攻高密度复杂章。针对文字环排紧密、字号小、字体复杂的印章（如外资企业章、专用章），采用两阶段方案：首先使用改进的DB++（Differentiable Binarization++）检测弧形文字区域，生成高精度概率图与阈值图，有效拟合不规则弯曲文本。DB++算法核心通过概率图与阈值图拟合成的二值图，外扩找到对应的范围；在训练过程团队手动生成了大量数据弥补了数据不足导致的误差。随后结合极坐标校正拉直文字流；最终由SVTR（Sequence Visual Transformer）模型完成细粒度字符识别。团队自主研发了合成数据生成算法，通过字体模拟、形变注入与红章渲染，大幅提升模型泛化能力。

DB++算法示意图

团队设计了智能路由机制，根据印章的清晰度、形状、遮挡情况，动态选择最优识别路径。三种方法互补协同，无论是模糊章、重叠章还是标准章，都能应对自如，整体识别准确率显著提升。

为保障方案在政务、金融等异构环境中的适用性，所有模型均通过ONNX（Open Neural Network Exchange）协议进行格式统一，并依托ONNX Runtime实现跨平台、跨框架（PyTorch/TensorFlow）高效推理，支持边缘设备与云端部署。

ONNX示意图

指标评测

• 准确率(ACC)：成功识别印章文件数除以总文件数，该指标越接近1越好

• 字符错误率(CER)：识别错误的字符数除以总字符数，该指标越低越好

本次挑选了100张证照与文件进行评测，分别评测了传统OCR方案，与印章识别方案进行了比较。

各方法指标对比表

传统OCR方法对于印章有遮挡模糊的情况识别效果并不是很好。浪潮软件的方案则能识别全部印章，排除文件干扰、仅基于印章识别，因此 CER 指数低。

文件识别效果展示：

• 挑战：文件像素较低，印章模糊且遮挡严重，人眼无法识别

• 效果：成功识别出并找到全部印章完美完成任务，示意图如下：

识别实例

浪潮软件灵犀有言团队始终致力于基于行业场景需求，持续深入AI领域技术和应用的研发，更好地解决实际场景中的痛难点。面对印章识别这一“小而难”的挑战，团队选择回归本质：拆解问题、分步求解、因地制宜，最终实现了相比传统方案识别效能显著提升。这套轻量化、可部署的方案，将助力政务领域“人工智能+”应用更加稳健、高效地前行。