随着互联网的不断发展,各行各业相继迈进了数字信息化时代,为了提高各行业信息化水平,利用现代信息技术开展高效快捷便民服务工作,图片的识别成为迫切的需要。本文主要研究的是卷积神经网络识别字符型图片,使用的样本图片共有23974张,随机抽取其中的22000张图片作为训练集样本,剩余的1974张图片是作为验证集验证识别的模型。首先,本文利用卷积神经网络算法进行实验对这些图片进行预处理,包含图片的灰度化、二值化、去噪以及分割;然后对处理之后的训练集中的样本图片利用卷积神经网络进行训练,也就是损失函数最小化,寻找最优参数的过程,再利用验证集内的1974张图片进行验证;最后,本文从识别结果的损失值和准确率两个方面进行分析,并将此结果和网上识别效果较好的某款OCR软件的识别结果对比分析,发现从识别的准确率角度来说,本文研究的卷积神经网络算法的识别效果要优于该款OCR软件的识别效果。另外,本文将卷积神经网络识别的正确率同OCR软件识别的正确率进行了假设检验,从统计学的角度验证了,当显著性水平为0.05时,卷积神经网络识别的正确率要显著高于OCR软件识别的正确率。识别字符型图片为图片识别系统的优化提供了技术支撑。图片识别可用于信息存储的办公领域、车牌识别以及验证码识别等多个方向,这意味着,研究图片识别会变得更加有意义。