用 Go 和 TensorFlow Lite 实现验证码识别

在本项目中，我们将使用 Python 训练好的模型，并通过 TensorFlow Lite 导出为 .tflite 格式，最终用 Go 加载该模型并进行验证码识别。

一、项目概览
验证码样式：RGB 图片，4 个字符，尺寸 160×60

模型结构：CNN + Dense，导出为 .tflite

语言结构：
更多内容访问ttocr.com或联系1436423940
Python：用于训练模型 + 导出 TFLite 模型

Go：负责加载模型、图像预处理、推理识别

二、模型训练与导出（Python）

model_train_export.py

import tensorflow as tf
from tensorflow.keras import layers, models
import numpy as np

模拟输入和标签（简略演示）

X = np.random.rand(1000, 60, 160, 3).astype(np.float32)
y = np.random.randint(0, 36, size=(1000, 4)) # 假设每个字符是0-35之间的索引

模型

inputs = tf.keras.Input(shape=(60, 160, 3))
x = layers.Conv2D(32, 3, activation='relu')(inputs)
x = layers.MaxPooling2D()(x)
x = layers.Conv2D(64, 3, activation='relu')(x)
x = layers.Flatten()(x)
x = layers.Dense(128, activation='relu')(x)

输出4个字符的分类

outputs = [layers.Dense(36, activation='softmax', name=f"char_{i}")(x) for i in range(4)]
model = tf.keras.Model(inputs=inputs, outputs=outputs)

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy')
model.fit(X, [y[:, i] for i in range(4)], epochs=3)

导出为 TFLite

converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
with open("captcha_model.tflite", "wb") as f:
f.write(tflite_model)
三、Go：加载 TFLite 模型并识别验证码图片
需要使用 TensorFlow Lite Go binding（需预编译好 TensorFlow Lite C 库）。

package main

import (
"fmt"
"image"
"image/png"
"os"

"github.com/mattn/go-tflite"
"github.com/nfnt/resize"

)

func loadImage(file string) ([]float32, error) {
imgFile, err := os.Open(file)
if err != nil {
return nil, err
}
defer imgFile.Close()
img, err := png.Decode(imgFile)
if err != nil {
return nil, err
}
// 统一尺寸
resized := resize.Resize(160, 60, img, resize.Lanczos3)
rgba := image.NewRGBA(resized.Bounds())
draw.Draw(rgba, rgba.Bounds(), resized, image.Point{}, draw.Src)

data := make([]float32, 60*160*3)
index := 0
for y := 0; y < 60; y++ {
	for x := 0; x < 160; x++ {
		r, g, b, _ := rgba.At(x, y).RGBA()
		data[index] = float32(r) / 65535
		data[index+1] = float32(g) / 65535
		data[index+2] = float32(b) / 65535
		index += 3
	}
}
return data, nil

}

func main() {
model := tflite.NewModelFromFile("captcha_model.tflite")
defer model.Delete()

options := tflite.NewInterpreterOptions()
options.SetNumThread(1)
interpreter := tflite.NewInterpreter(model, options)
defer interpreter.Delete()

interpreter.AllocateTensors()

input := interpreter.GetInputTensor(0)
imageData, err := loadImage("test.png")
if err != nil {
	panic(err)
}
input.CopyFromBuffer(imageData)

if interpreter.Invoke() != nil {
	panic("invoke failed")
}

// 输出解析
charset := "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ"
for i := 0; i < 4; i++ {
	output := interpreter.GetOutputTensor(i)
	out := make([]float32, 36)
	output.CopyToBuffer(&out[0])
	maxIdx := 0
	for j, v := range out {
		if v > out[maxIdx] {
			maxIdx = j
		}
	}
	fmt.Print(string(charset[maxIdx]))
}
fmt.Println()

}
四、结果演示
假设 test.png 是你要识别的验证码图片，运行输出：

识别结果: A7K2