曲面目标的表面文本的表现形式与水平文本、多方向文本、弯曲文本不同,其存在一定的几何特征。检测阶段,曲面目标的表面文本的文本框标签需要更多的顶点坐标来表达其空间信息,给大规模的样本标注带来了困难。识别阶段,相比于平面上的规则文本,识别曲面目标的表面文本更为困难。针对曲面目标的表面文本检测与识别任务,本文提出了检测算法Text Mask Network(TMN)和基于柱面-平面投影变换(Cylinder-Plane Projection)的识别算法CPP-CRNN。TMN是一种基于对抗学习的文本检测算法。TMN的损失函数主要分为两部分,一部分是加权回归损失,另一部分是稀疏性约束损失,两部分损失函数的梯度优化方向相反。TMN是一种弱监督学习算法,其训练不需要文本图片的文本框标签或者文本像素标签,只需要与文本图片相对应的背景图片作为监督信息,解决了大规模样本标注的问题。对比实验表明,TMN的文本检测精度提高了4.5%。CPP-CRNN是一种基于投影变换的文本识别算法。CPP-CRNN算法主要可以分为两个阶段:投影变换阶段和文本识别阶段。在投影变换阶段,CPP-CRNN应用了一个可学习的柱面-平面投影变换子网络(CPP)来处理文本候选区域,将柱面文本投影成平面文本。在文本识别阶段,CPP-CRNN先采用卷积神经网络提取文本图像的基本特征,再利用双向循环神经网络进行特征融合以提取字符序列的上下文特征,最后得到字符序列的识别结果。对比实验表明,CPP-CRNN的字符识别准确率和单词识别准确率分别提高了3%和8%。根据实际医疗应用场景的特点,本文结合所提出的文本检测算法TMN、文本识别算法CPP-CRNN以及识别校正算法和图像超分辨率重建算法初步搭建了一套医疗标签智能识别系统。该系统主要包括输入模块、检测模块、识别模块、辅助识别模块以及显示模块。检测模块和识别模块分别采用本文所提出的TMN文本检测算法和CPP-CRNN文本识别算法。辅助识别模块采用超分辨率重建算法来对文本区域进行三倍超分放大显示,辅助麻醉医生进行视觉判别。系统旨在辅助麻醉医生进行术前准备工作并降低麻醉医生的用药错误率。目前,医疗标签智能识别系统能够完成18种常用麻醉药剂的识别任务,但此系统仍需要进行一定的改进和完善才能应用于实际医疗环境。