当前对快递单关键字段的快速、准确识别是一项具有挑战的任务,目前市面上还没有一款能同时兼顾速度和准确性的快递单光学字符识别（Optical Character Recognition,OCR）算法系统。一套快速准确的快递单OCR算法系统能够显著提高快递相关从业者的工作效率,加速物资和资金的流动,促进国内“内循环”,对国民经济的发展起到催化作用。此外,非接触式信息录入在疫情期间也更为安全。为了加快物资、资金的流动,研发一款快速准确的快递单OCR算法系统刻不容缓。当前快递单OCR算法系统的开发主要面临以下五个问题:1)快递单在拍摄图片中占比较小;2)快递单相关数据较少;3)快递单数据人工标注时间太长;4)图片方向难以确定;5)快递单OCR算法系统的识别速度太慢。本文通过研究基于深度学习的OCR技术开发了一套“快递单关键字段的智能提取”OCR算法系统。整个系统除了常规的文本检测模块和文本识别模块外,针对快递单在拍摄图片中占比较小创新的开发了快递单主体快速检测模块;针对快递单相关数据少的问题创新的开发了数据模拟合成模块;针对快递单数据人工标注时间太长创新的开发了快速数据标注流程模块;针对图片方向难以确定创新的开发了图像的快速旋转矫正模块;针对快递单OCR系统的识别速度过慢除了选用当前最快的文本检测模型之外,还创新的开发了文本框挑选算法、条形码检测模块、特定信息快速提取算法并使用并行计算在整个系统内部做了加速。最后通过多个实验对比充分说明了本文快递单OCR系统的可靠性和先进性。目前“快递单关键字段的智能提取”OCR算法系统的延展项目已成功部署在阿里云上,并已在某高校上线,它能供客户公司各地网点的快递员使用,其每天的调用量级为10~5。速度方面,在手机场景下,实现并发量8个/s;在工业相机场景下,实现500ms/张的速度。准确率方面,收件人手机号码准确率96%,收件人地址准确率90%,条形码准确率97%,三段码准确率97%,快递公司准确率98%。快递单OCR算法系统的落地具有较好的实际意义和应用价值,本文所提出的快递单OCR系统被证明是当前准确率较好且速度最快的系统。