复杂政府文档的分层印章检测与识别框架

《Cognitive Robotics》：Hierarchical Seal Detection and Recognition Framework for Complex Government Documents

　　

复杂政府文档中的印章往往呈现尺寸小、遮挡、模糊和文字重叠等特征，导致传统OCR方法鲁棒性不足。现有方法多采用版面检测结合OCR的方式，如政务服务场景中主流的PP-DocLayout，存在漏检率高、检测精度低、抗干扰能力弱等典型问题，缺乏专门针对印章区域设计的分层视觉解析机制。为解决上述挑战，本文提出一种面向复杂政府文档的分层印章检测与识别框架。利用省级科技计划项目评审事务中的附件审查文档特定数据集，训练专用印章检测模型YOLOv11_Seal，将检测框作为结构化分割提示引导分割，经SAM精细分割后，将完整印章区域输入PP-OCRv4进行印章文字检测与识别，由此构成"粗检测-细分割-精识别"级联协作机制。此外，利用由真实样本组成的独立测试集开展消融实验，验证了框架的有效性，其泛化能力的综合评价将在后续研究中开展。与版面检测模型相比，样本图像印章检测成功率由54.76%提升至86.31%，单印章检测召回率由58.26%提升至93.46%。训练得到的YOLOv11_Seal模型mAP@0.5达97.2%，F1-Score达97.0%。实验结果表明，该框架显著提升了复杂背景下印章区域的检测能力，能够有效适配复杂政府文档的实际视觉解析需求。然而，随着印章目标检测覆盖范围的扩大，消融实验定义标准下的印章文字识别精度受到一定程度影响，该问题将在未来研究中予以解决。

面向复杂政府文档的分层印章检测与识别框架研究解读

一、研究背景与问题

在政务服务数字化转型的背景下，印章检测与识别已成为政府文档自动化核验的核心视觉任务之一。以省级科技计划项目评审为例，项目申报附件材料的合规性核验是保障审批流程规范化的关键环节，印章作为附件材料合法性的核心凭证，其自动检测与识别质量直接影响政务服务的效率与准确性。

实际附件材料呈现出的复杂多样性，如PDF附件转换后的模糊褪色、印章尺寸差异大且小印章占比高、版面结构复杂导致印章常与文字、表格和水印重叠造成文字覆盖等，直接影响了自动核验的质量。随着项目申报批次激增，过度依赖人工核验的方式效率低下且存在明显主观误差，已无法满足高精度、高效率的自动化印章处理需求。

现有方法多采用版面检测结合OCR的技术路线，如政务服务场景中主流的PP-DocLayout，但在面对复杂政府文档时暴露出明显不足：对小型模糊印章漏检率高、背景干扰严重、识别精度低。传统OCR方法在处理小尺寸、遮挡、模糊和文字重叠的印章时鲁棒性不足，缺乏专门针对印章区域设计的分层视觉解析机制。因此，亟需构建一种能够有效应对复杂背景下印章检测与识别的分层框架。

二、研究内容与主要结论

针对上述问题，研究人员提出了一种面向复杂政府文档的分层印章检测与识别框架，发表于《Cognitive Robotics》。该框架采用"粗检测-细分割-精识别"三级级联协作机制，利用省级科技计划项目评审真实场景数据构建专用数据集，训练YOLOv11_Seal专用印章检测模型实现印章定位，通过SAM模型实现像素级印章分割以分离背景干扰，最终由PP-OCRv4完成印章文字检测与识别，形成完整的自动化印章处理流程。

实验结果表明，该框架在真实样本独立测试集上取得了显著成效：样本图像印章检测成功率由54.76%提升至86.31%，单印章检测召回率由58.26%提升至93.46%，YOLOv11_Seal模型mAP@0.5达97.2%，F1-Score达97.0%。该框架能够提升复杂场景下印章检测精度，以端到端方式完成智能化印章处理，满足复杂政府文档场景的解析应用需求。

三、关键技术方法

研究人员构建了包含1115幅高质量印章样本的专用数据集，样本来源于贵州省"科技大脑"政务信息系统2025年省级科技计划5大类57个申报批次共49280份PDF附件，经pdf2image统一转换为300 DPI、1024像素格式图像，使用LabelImg精确标注共2116个印章目标，按7.5:1:1.5比例划分训练集836、验证集111、测试集168。主要采用三项关键技术：其一，基于YOLOv11x预训练模型训练专用YOLOv11_Seal印章检测模型，采用C3K2模块骨干网络、PAN-FPN多尺度特征融合颈部网络及"检测头+分类头"双分支头部设计，结合CIoU损失与Focal Loss联合损失函数；其二，采用SAM-ViT-B语义分割模型，将YOLOv11_Seal输出的检测框转换为提示向量引导像素级印章分割；其三，采用PP-OCRv4的server_seal_det检测模型与server_rec识别模型完成印章文字检测与识别。

四、研究结果

4.1 粗检测

研究人员在配备NVIDIA GeForce RTX 5090 Laptop GPU的环境下，采用AdamW优化器（学习率0.0005）、余弦退火衰减加预热策略、固定分辨率1280像素进行全精度训练，总迭代150轮、提前停止20轮，实际训练67轮收敛，耗时约2.03小时。训练过程中损失值持续下降，验证集mAP@0.5在60轮达到最高值99.4%，mAP@0.5:0.95在66轮达到最高值81.1%。在测试集上独立评估，YOLOv11_Seal模型mAP@0.5达95.3%，F1-Score达97.0%，正确检测308个、漏检13个、误检5个，召回率达96%。与YOLOv8_seal对比，YOLOv11_seal的mAP@0.5:0.95显著更高（0.8284 vs 0.7386），且检测框与印章贴合更紧密，因此被选为粗检测模型。

4.2 细分割与精识别

研究人员将YOLOv11_Seal在测试集上预测的边界框统一作为框提示输入SAM、MobileSAM和FastSAM生成印章掩膜，对比平均推理时间和峰值显存占用。原始SAM-ViT-B平均推理时间111.86ms、峰值显存2.71GB，MobileSAM和FastSAM-s分别降至23.77ms和23.07ms、0.29GB和0.26GB。结合下游OCR识别任务评估分割质量，SAM-ViT-B检测率达74.8%最高，非空区域数418最少，检测效率0.56最优，生成的掩膜与印章目标贴合度更好、背景过分割更少，因此被选为最终分割模型。识别模型选用PP-OCRv4专用印章版本，因其配备针对公章环形排列文字专门优化的检测模型，能更好适应红色印章覆盖文字和环形文字排序等识别场景。

4.3 消融实验

研究人员依次开展三组消融实验："PP-DocLayout+PP-OCRv4"、"YOLOv11_Seal+PP-OCRv4"和"YOLOv11_Seal+SAM+PP-OCRv4"。实验环境与训练环境一致，数据集为专用测试集（168幅样本图像、321个标注印章）。使用YOLOv11_Seal模型替代PP-DocLayout-L版面检测模型后，样本图像印章检测成功率由54.76%提升至86.31%，单印章检测召回率由58.26%提升至93.46%。PP-DocLayout-L在168幅样本图像上共漏检134个印章，包括80个红色印章、51个非红色印章、86个圆形/方形印章、52个小方形印章等，对多色、多形状、多背景、多清晰度特征的检测能力有限。检测印章数由190增至308，OCR识别项由348增至636，由于检测数和识别项的大幅增加带来的非等比增长，印章文字识别精度受到一定影响。在"3个单位联合申报1个科研项目、承诺事项中联合加盖单位公章和骑缝章"的典型一页多章案例中，PP-DocLayout-L漏检1个印章，YOLOv11_Seal实现6个印章全检出，经SAM分割后骑缝章中"达"字被准确识别（版面检测模型下误识别为"任"，YOLOv11_Seal目标检测下误识别为"水"）。

五、结论与展望

研究人员指出，随着印章检测覆盖范围的扩大，印章文字识别精度由69.0%下降至55.7%，主要原因是检测数和识别项大幅增加带来的非等比增长。未来研究将聚焦以下方向：优化印章文字识别模型，针对弧形、倾斜、模糊等特殊形态改进SVTR编码器结构；探索检测与识别的联合优化策略，平衡检测覆盖率与识别精度之间的权衡；扩展印章类型与服务场景，建立涵盖公章、法人章、财务专用章、业务专用章等多类型印章的标准化数据集；构建智能核验决策系统，集成印章真伪鉴别、印章文字内容合规性核验、印章与业务关联性核验等多维智能判断能力；推动框架在省级政务云国产ARM环境中的适配、改造与部署。