本文利用百度开源的PaddleOCR工具集的PP-OCR中英文超轻量OCR预测推理模型、预训练模型，对其内置的与常用的已公开的数据集进行文字检测与识别测评，认为这款开源的OCR工具集中内置的已训练完成的PP-OCR中英文超轻量OCR推理模型具备较好的泛化能力，适合一般用户用于非特殊情况下的场景文字识别；对于具有特定需求的用户，可以使用大量图片数据并调整参数对预训练模型进行训练，进而使得该OCR系统对这一类的数据集获得更高的检出率与识别准确率；对于OCR系统开发者，PaddleOCR提供了比较方便快捷的C++部署方式，相比于Python脚本能够极大地提升检测与识别速度。基于深度学习的原理，本文通过改变模型训练的相关参数如batch size和学习率等，使用新的训练集对预训练模型中的文字识别模块进行训练，并尝试寻找最佳参数以提升模型的训练效率与识别性能；最后，本文将Python编写的独立OCR工具库接入C++程序，通过一个MFC窗口应用程序来调用OCR工具库进行交互式文字识别，作为帮助拓宽其应用场景的一个实例。