随着神经网络的发展,图像文字检测识别在医疗等领域都发挥了重要的作用。目前对英文识别的研究已经有很多,但针对维吾尔文的图像文字识别、检测的相关研究和应用比较少。针对目前没有公开用于识别的维吾尔文图像数据集的问题,本文构建了一套关于维吾尔文扫描体识别的数据集,其中训练集包含10万张合成图像和7395张真实图像,验证集和测试集分别包含991张真实图像数据,该数据集对于之后相关的实验研究将有积极的推进作用。针对维吾尔文识别研究较少的问题,本文提出了TRBGA模型进行维吾尔文的扫描体识别,并与CRNN、RBA和CLOVA-AI v2网络进行实验对比,TRBGA模型有更好的表现,测试集上的识别准确率达到了99.395%。针对提高自然场景下英文识别准确率的问题,本文提出了改进的Res Net-CLO VA-AI v2模型,并在ICDAR2003、ICDAR2013、ICDAR2015数据集上与原模型分别进行对比实验。结果显示,本文提出的Res Net-CLOVA-AI v2模型准确率更高,说明该模型特征提取层采用的33层Res Net提取到了更多的有益特征。针对市面上维吾尔文图像文字检测的相关应用系统有限的问题,本文构建了一套维吾尔文的图像文字检测系统,该系统采用目前流行的django框架,可以很好的检测出图像中有维吾尔文的区域,对于维吾尔文使用较多的新疆具有实际应用价值。本文对维吾尔文和英文的研究对各民族文化交流、加快多语言之间文字信息化发展具有积极的作用。