随着教育信息化的不断发展,许多学校和教育企业为了更好地管理学生和教师信息,开始使用数字化的教育信息管理系统。然而针对小学生的学生手册,仍以纸质表格的存储形式为主,若将其人工录入至系统中,则需要耗费大量的时间和人力。为了减少时间成本和人力成本,本文设计并实现了一个基于深度学习的学生手册识别系统,实现了学生手册信息的自动录入。本文的学生手册识别系统设计与实现以特定的学生手册为目标。常见的表格定位算法和字符识别算法对于图像质量和书写规范的要求较高。然而本文学生手册不同页面的表格制式不同,并且由于使用和拍摄等过程的影响,学生手册页面的表格存在弯曲和倾斜等不利于表格定位的情况。此外,学生和教师的书写方式不同,存在书写不清晰和字符粘连等不利于字符识别的情况。本文针对上述情况,设计并实现了学生手册识别系统,该系统由三个部分组成,分别为图像预处理、单元格定位和字符识别。本文的贡献主要有以下三个方面。（1）研究学生手册的图像预处理和表格定位算法。由于学生手册图像的页面结构复杂,表格制式多样,填写方式各异,单一的图像处理方法不能同时解决多个图像问题。本文研究了图像预处理和表格定位相关算法的功能和原理,设计了有针对性的图像处理流程,使后续单元格定位任务的交并比提高了2.66%。（2）提出一种基于深度学习的单元格定位算法。为了解决传统单元格定位算法面对学生手册图像干扰时存在的交并比低、鲁棒性差和扩展性差等问题,本文提出了一种基于深度学习的单元格定位算法,该算法的交并比为96.32%,相对于传统方法提升了5.20%。（3）提出改进的字符切割算法。面对从大尺寸学生手册图像中切割小尺寸页码的问题,本文提出了二次提取算法,先根据页码区域的分布情况进行粗提取,再利用滑动窗口的思想对页码区域进行细提取,实现了页码字符的切割。面对单元格字符切割时存在的表格线干扰和字符粘连干扰的问题,本文提出了自适应阈值的投影切割算法,基于单元格图像的投影结果对表格线和字符粘连区域进行消除,实现了单元格字符的切割。最终页码识别、等第识别和评价识别的准确率分别为96.12%、95.42%和96.75%。本文共有图39幅,表3个,参考文献41篇。