随着移动互联网的日渐普及,基于按键的点戳行为在很多时候替代了人们的书写行为,导致手写汉字的机会越来越少。生活中对于手写汉字的关注程度和练习程度被大大弱化,致使当今社会很多人不仅写不出漂亮的汉字,甚至是挂在嘴边的字,也经常出现提笔就忘的尴尬场景,几乎患上了“书写遗忘症”。针对该现象,社会各界强烈呼吁加强对汉字的书写训练,与此同时国家也颁布了一系列的政策纲要,强调了汉字书写的重视性,并进一步促进书法训练重回中小学课堂。然而伴随而来的是汉字书写质量评判问题,一般而言,此项任务都是通过专业的书法或语文老师来进行人工点评。但是面对庞大的学生群体,低效率的人工点评方式必定无法很好的满足教学需求。随着大数据和人工智能技术的快速发展,深度学习在汉字教学领域的应用也得到了极大的发展。基于此,本文以手写汉字图像为研究对象,通过深度学习技术构建一系列的识别与评判模型,发挥计算机辅助汉字书写教学的作用,从而减少大量人力物力劳力的浪费,降低书法练习的学习成本,同时扩大书法练习的用户群体,并可以在一定程度上促进汉字的流传与推广。本文的主要工作包括:（1）选取了473个常用汉字,每个汉字大约150个样本,总计共71000张字符图像作为本文的数据集。然后根据图像数据的特性进行了相应的预处理,主要包括图像去噪、灰度化以及反二值化三个过程,并对数据集进行了划分。（2）使用卷积神经网络构建手写汉字识别模型,主要是通过模型重构的方式对Alex Net、Goog Le Net、Res Net以及Dense Net这四个模型的全连接层进行改造,使其能够进行473类的识别任务。最后将表现较好的模型进行集成,以实现对手写汉字稳定且高效的识别。（3）在实现对手写汉字准确识别后,本文还将基于识别结果进行书写质量的评判。评判主要从两个方面来探究,分别是笔画特征和结构特征。对于笔画特征,首先是利用识别模型来进行特征的提取,然后使用方法计算笔画相似度;而对于结构相似度,则是通过轮廓检测法来提取特征,然后使用方法计算结构相似度。接下来基于此相似度进行书写质量的评判,并定义了误判率()指标来对评判结果进行量化分析,以实现对手写汉字书写质量的准确评判。本文的研究成果主要体现在“识别,评判”两个方面。首先,本文通过Soft-Voting集成得到的识别模型,无论是识别效果还是识别稳定性,都要优于单一的基准模型。其次,在得到识别结果之后,本文通过综合考虑汉字的笔画特征和结构特征来对书写质量进行评判,得到的误判率明显好于单一特征的评判结果,实现了对手写汉字书写质量的准确评判,从而可以发挥辅助汉字书写教学的作用。