深度学习手写数字+字母识别系统
一、系统概述
基于PyTorch深度学习框架的手写数字与字母识别系统，采用CNN经典网络架构（LeNet/ResNet），结合OpenCV图像预处理技术，实现对MNIST数字和EMNIST字母的高效识别。系统配备PyQt5可视化图形界面，支持单张图片中多个数字/字母的同时识别，为计算机视觉入门学习、课程设计及小型应用开发提供完整解决方案。
二、核心亮点
• 双数据集支持：同时支持MNIST手写数字（0-9）和EMNIST手写字母（A-Z，a-z）识别
• 经典CNN模型：内置LeNet和ResNet两种网络结构，可根据需求切换
• 多目标识别：支持一张图片中包含多个数字/字母的同时检测与识别
• GUI可视化界面：基于PyQt5的友好操作界面，一键加载图片并显示识别结果
• 完整项目交付：包含详细注释的源码、7000字课程设计报告、预训练模型和测试图片
• 开箱即用：训练好的模型可直接加载使用，无需重新训练
三、技术栈
• 深度学习框架：PyTorch
• 网络模型：LeNet / ResNet（CNN）
• 图像处理：OpenCV
• GUI框架：PyQt5
• 数据集：MNIST（手写数字）、EMNIST（手写字母）
• 开发语言：Python 3.8+
四、功能模块
4.1 图像预处理
• 灰度化：将彩色图片转为灰度图
• 二值化：自适应阈值二值化处理
• 轮廓检测：查找图片中的字符轮廓
• 字符分割：将多个字符分割为单个图像
• 尺寸归一化：统一调整为模型输入尺寸（28×28）
4.2 模型训练
• LeNet-5：经典卷积神经网络，结构简单，训练快速
• ResNet-18：残差网络，更深层，识别精度更高
• 训练参数：支持自定义学习率、批次大小、训练轮数
• 模型保存：自动保存最佳模型权重
4.3 识别推理
• 单字符识别：对分割后的单个字符进行识别
• 多字符识别：自动分割并识别图片中的所有字符
• 结果排序：按从左到右的顺序输出识别结果
• 置信度显示：显示每个字符的识别置信度
4.4 GUI界面
• 主窗口：简洁的PyQt5界面，包含图片显示区和结果区
• 加载图片：支持通过按钮或拖拽加载图片
• 一键识别：点击“识别”按钮，自动完成预处理、分割、识别
• 结果展示：在图片上用矩形框标注字符位置，并在下方显示识别文本
• 清空重置：一键清空当前结果
五、交付内容
完整Python源码：包含模型定义、训练脚本、推理脚本、GUI界面，代码有详细中文注释
7000字课程设计报告：涵盖项目背景、技术原理、实现过程、实验结果、心得体会
训练好的模型：LeNet和ResNet的预训练权重文件（.pth）
测试图片：多张手写数字/字母测试图片，保证演示效果
README文档：环境配置、运行说明、常见问题解答
六、运行环境
• 操作系统：Windows 10/11, Ubuntu 18.04+, macOS 10.15+
• Python版本：Python 3.8 - 3.10
• 依赖库：PyTorch >= 1.8, torchvision, opencv-python, PyQt5, numpy, matplotlib
• 硬件要求：CPU即可运行（GPU可选加速）
七、快速开始
# 1. 安装依赖
pip install torch torchvision opencv-python pyqt5 numpy matplotlib
2. 运行GUI界面
python gui.py
3. 点击“加载图片”选择测试图片
4. 点击“识别”查看结果
九、注意事项
• 本系统主要用于学习、课程设计和演示目的，不保证超高精度识别或超强泛化能力
• 对于复杂背景、倾斜角度大的手写图片，识别效果可能下降
• 建议使用清晰、背景简单的图片以获得最佳效果
十、适用场景
• 课程设计：计算机视觉、深度学习相关课程的实践项目
• 毕业设计：本科毕业设计的完整案例
• 入门学习：PyTorch、CNN、图像处理入门的绝佳练习
• 技术演示：展示深度学习识别能力的Demo应用
本系统将深度学习理论与工程实践紧密结合，是学习手写字符识别的优秀参考项目。
