1.一种轮胎模具字符的检测与识别方法，其特征在于，包括：对采集到的轮胎模具图片数据集样本输入至改进的SSD检测网络进行训练，建立字符检测模型；所述轮胎模具图片包含大字符和小字符串；大字符呈方形，小字符串呈长条形；

改进的SSD检测网络的特征提取层融合有深度可分离卷积结构；所述深度可分离卷积结构分为深度卷积结构与逐点卷积结构；在改进的SSD检测网络训练的过程中，根据每一个特征图尺寸与输入的轮胎模具图片尺寸的比值，在所述特征图上设定生成的默认框的尺度和纵横比，使所述默认框匹配所述轮胎模具图片上大字符与小字符串的真实标签框；特征图上对应的默认框纵横比的设定策略如下：其中，AspectRatiok表示第k个特征图的默认框纵横比，SizeRatiok,input为第k个特征图尺寸与原输入图像尺寸的比值，当SizeRatiok,input大于等于阈值T时，选择纵横比{2,3,5,

7}，用来预测小字符串；否则选择纵横比 用来预测大字符；

采用卷积神经网络提取所述字符检测模型检测到的字符区域图片的特征向量并输入至长短时记忆网络进行训练，建立字符识别模型；

通过所述字符检测模型对待测轮胎模具图片上字符区域进行目标检测，得到所述字符区域中大字符或小字符串的位置信息；

通过所述字符识别模型输出所述字符区域中大字符或小字符串的识别结果。

2.根据权利要求1所述的轮胎模具字符的检测与识别方法，其特征在于，对采集到的轮胎模具图片数据集样本输入至改进的SSD检测网络进行训练，建立字符检测模型，具体包括：

对采集到的轮胎模具图片数据集样本进行字符区域图片位置的标注，获取所述字符区域图片中大字符或小字符串的位置信息，作为训练数据；

采取数据增广策略对所述样本进行物理变换，扩充所述训练数据；

将扩充后的所述训练数据进行标签后输入至改进的SSD检测网络进行训练，建立字符检测模型。

3.根据权利要求1所述的轮胎模具字符的检测与识别方法，其特征在于，采用卷积神经网络提取所述字符检测模型检测到的字符区域图片的特征向量并输入至长短时记忆网络进行训练，建立字符识别模型，具体包括：将所述字符检测模型检测到的字符区域图片建立成字符区域图片数据集；

对所述字符区域图片数据集进行标签；

采用卷积神经网络提取标签过的所述字符区域图片数据集的特征向量；

将提取的所述特征向量输入至长短时记忆网络进行训练，建立字符识别模型。

4.根据权利要求3所述的轮胎模具字符的检测与识别方法，其特征在于，在将提取的所述特征向量输入至长短时记忆网络进行训练之后，还包括：通过所述卷积神经网络和所述长短时记忆网络对外形相近的字符进行区分。

5.根据权利要求3所述的轮胎模具字符的检测与识别方法，其特征在于，所述长短时记忆网络为双向长短时记忆网络；

在所述长短时记忆网络训练的过程中，将提取的所述特征向量输入至长短时记忆网络进行训练，以及对所述特征向量进行反序，再输入至长短时记忆网络训练。

6.一种轮胎模具字符的检测与识别装置，其特征在于，包括：检测模型建立模块，用于对采集到的轮胎模具图片数据集样本输入至改进的SSD检测网络进行训练，建立字符检测模型；所述轮胎模具图片包含大字符和小字符串；大字符呈方形，小字符串呈长条形；改进的SSD检测网络的特征提取层融合有深度可分离卷积结构；所述深度可分离卷积结构分为深度卷积结构与逐点卷积结构；在改进的SSD检测网络训练的过程中，根据每一个特征图尺寸与输入的轮胎模具图片尺寸的比值，在所述特征图上设定生成的默认框的尺度和纵横比，使所述默认框匹配所述轮胎模具图片上大字符与小字符串的真实标签框；特征图上对应的默认框纵横比的设定策略如下：其中，AspectRatiok表示第k个特征图的默认框纵横比，SizeRatiok,input为第k个特征图尺寸与原输入图像尺寸的比值，当SizeRatiok,input大于等于阈值T时，选择纵横比{2,3,5,

7}，用来预测小字符串；否则选择纵横比 用来预测大字符；

识别模型建立模块，用于采用卷积神经网络提取所述字符检测模型检测到的字符区域图片的特征向量并输入至长短时记忆网络进行训练，建立字符识别模型；

字符区域检测模块，用于通过所述字符检测模型对待测轮胎模具图片上字符区域进行目标检测，得到所述字符区域中大字符或小字符串的位置信息；

字符区域识别模块，用于通过所述字符识别模型输出所述字符区域中大字符或小字符串的识别结果。

7.一种轮胎模具字符的检测与识别设备，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至5任一项所述的轮胎模具字符的检测与识别方法。

8.一种计算机可读存储介质，其特征在于，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的轮胎模具字符的检测与识别方法。