近年来,我国发票的使用量剧增,其中增值税专用发票和增值税普通发票使用量极大,占各类发票总量的90%。发票的报销流程十分繁琐,需要手动录入发票中关键信息,浪费大量人力和时间,所以设计一种用于发票信息智能识别的算法尤为重要。目前,传统算法可以对扫描的发票图像进行信息的识别,但对手机拍摄的缩放比、模糊程度、亮度、倾斜角度、尺寸以及背景干扰各不相同的发票图像中的信息进行识别还存在挑战。本文提出的基于深度学习的发票图像信息识别算法,结合计算机视觉技术和文本检测识别算法对手机拍摄的发票图像信息进行识别,信息准确率高达99.10%。首先,提出一种基于霍夫变换的HTA算法,对自然场景下倾斜的发票图像进行智能倾斜矫正。接着,创新性地结合YOLOv3深度学习算法和Open CV裁减技术对已倾斜矫正的发票图像进行区域定位、分割及提取,有效去除发票图像上的冗余信息,并对信息进行归类。然后,通过CDNets算法对提取到的发票区域图像上的信息进行文本检测和识别。最后,提出一种基于OCR的格式化文本处理方法对识别后的结果进行本文格式化输出。接着,针对发票图像中价税合计区域中大写中文金额字符进行识别。本文提出基于深度学习的发票图像文字识别算法模型,该模型连续使用卷积核为5×5组成的卷积层,连续卷积层后连接批归一化层一种新的卷积神经网络架构,实验表明该模型优于对比模型,识别准确率高达99.79%。最后,对基于深度学习的发票图像文字识别算法模型进行压缩,提出剪枝网络用于发票图像文字识别算法,对模型进行逐层通道剪枝,压缩后轻量级模型权重大小为2537KB,识别准确率为99.38%。