高精度OCR数字识别模块：CNN模型测试准确率高，可集成至表单识别、票据处理系统

项目背景源于光学字符识别（OCR）与智能表单处理等实际应用场景，手写数字识别是计算机视觉领域的经典入门问题，具有数据规范、任务明确、评估标准统一的特点。项目目标是掌握卷积神经网络（CNN）的设计原理与训练技巧，理解深度学习在图像分类任务中的优势，建立从数据加载、模型搭建、训练调试到性能评估的完整深度学习工程能力。
系统包含四大核心功能模块：（1）数据加载模块，支持本地MNIST文件读取或TensorFlow自动下载，输出60000张训练图像与10000张测试图像的归一化张量；（2）CNN模型构建模块，采用Conv2D卷积层+ReLU激活+MaxPooling2D池化层+Dropout正则化的经典LeNet改进架构，末端接全连接层与Softmax十分类输出；（3）训练优化模块，支持Adam自适应学习率优化、SparseCategoricalCrossentropy损失计算、EarlyStopping早停机制与训练历史记录；（4）评估可视化模块，输出测试集准确率、Top-K错误样本分析、训练/验证损失曲线与准确率曲线。核心功能路径为：数据加载（28×28灰度图）→归一化至[0,1]→CNN前向传播→反向传播优化→验证集监控→早停或轮次结束→测试集最终评估。
用户启动脚本后，系统自动检测本地MNIST数据，若缺失则调用TensorFlow内置接口从网络下载。数据预处理阶段将uint8像素值归一化为float32的0-1范围，标签保持0-9整数。模型训练阶段按配置批次（默认128张/批）迭代，每轮结束后计算验证集损失与准确率，若连续3轮无改善则触发EarlyStopping。训练完成后自动评估测试集，输出混淆矩阵与错误样例可视化，最终保存模型权重文件。

项目采用TensorFlow/Keras深度学习框架，技术栈包括TensorFlow 2.x（模型构建与自动微分）、Keras API（Sequential/Functional模型定义）、NumPy（数据预处理）、Matplotlib（训练曲线与错误样本可视化）。模型架构为改进LeNet-5：Input(28,28,1)→Conv2D(32,3×3)→MaxPool(2×2)→Conv2D(64,3×3)→MaxPool(2×2)→Flatten→Dense(128,ReLU)→Dropout(0.5)→Dense(10,Softmax)。优化器采用Adam（lr=0.001），损失函数为稀疏分类交叉熵，评估指标为准确率。
（1）数据预处理：将28×28灰度图像归一化至[0,1]，标签无需One-Hot（使用SparseCategoricalCrossentropy）；（2）模型搭建：设计2层卷积+2层池化+1层全连接+Dropout的轻量CNN，参数量约60万，在CPU环境下单轮训练约30秒；（3）训练策略：设置epochs=10，batch_size=128，验证集比例0.1，启用EarlyStopping(patience=3)防止过拟合；（4）量化结果：训练损失从初始0.45稳定下降至0.02，验证损失同步下降无发散；最终测试集准确率达99.01%，错误样本仅99张（10000张中），其中易混淆数字对为4-9、3-8、5-6。训练/验证准确率曲线高度重合，无明显过拟合迹象。