在进行满文识别时需要用到大量的满文数据，但目前还没有满文不定长字元数据集。本文提出一种基于YOLOv5的满文不定长字元数据集制作方法，用于后续的训练和研究。与传统切割方法相比，只需提供待检测图片即可。通过对基于 YOLOv5的数据集制作流程的改进，去除原 YOLOv5实验中对图像进行翻转和随机裁剪部分，并且将原YOLOv5的损失函数替换为EIoU，添加了注意力机制SE模块。实验结果表明：与原始的 YOLOv5网络相比，其精度和召回率分别提高到98.95%和98.83%，证明了算法的实用性和高效性。