🚀 前言：为什么要自己造轮子？
在爬虫与反爬虫的博弈中，图形验证码是最基础也最有效的第一道防线。
传统的解决方案通常有两个：
- OCR 识别（如 Tesseract）：对付规整的数字还行，遇到扭曲、粘连、噪点多的现代验证码，准确率基本归零。
- 第三方打码平台：准确率高，但要花钱，有网络延迟，且把数据交给第三方存在隐私风险。
为什么是 CNN + ONNX？
- CNN (卷积神经网络)：图像识别领域的王者，它能像人眼一样提取图片中的线条、纹理特征，是对抗扭曲图形验证码的最佳武器。
- ONNX (Open Neural Network Exchange)：它是一个AI模型的“通用翻译器”。你可以在 PyTorch/TensorFlow 中训练模型，然后导出为 ONNX 格式。部署时，你无需安装庞大的 PyTorch，只需要一个轻量级的 ONNX Runtime 库即可运行，推理速度极快，且方便跨语言（如 C++/Java）部署。
今天，我们将实现一个端到端的解决方案：从数据生成，到模型训练，再到 ONNX 部署。
🏗️ 一、 技术架构路线图
我们的目标是构建一个能够识别定长（例如 4 位）字母数字组合验证码的模型。这本质上是一个多标签分类问题。
核心流程 (Mermaid):
🧪 二、 核心步骤实战
1. 数据是王道：生成海量训练集
想要模型达到 99.9% 的准确率，几百张图片是不够的，我们需要几万甚至几十万张数据。对于通用型验证码，最好的办法是自己生成数据。
我们将使用 Python 的captcha库来模拟各种复杂的验证码环境。
# pip install captcha opencv-pythonfromcaptcha.imageimportImageCaptchaimportrandomimportstringimportcv2importnumpyasnp# 定义字符集：数字 + 小写字母CHAR_SET=string.digits+string.ascii_lowercase CAPTCHA_LEN=4WIDTH,HEIGHT=160,60defgenerate_captcha(batch_size=1):generator=ImageCaptcha(width=WIDTH,height=HEIGHT)images=[]labels=[]for_inrange(batch_size):# 随机生成4位文本text=''.join(random.choices(CHAR_SET,k=CAPTCHA_LEN))# 生成图片image=generator.generate_image(text)# 转为灰度图并归一化 (重要!)image=cv2.cvtColor(np.array(image),cv2.COLOR_RGB2GRAY)image=image/255.0images.append(image)labels.append(text)returnnp.array(images),labels# 测试生成一张看看# img, label = generate_captcha(1)# print(f"Generated: {label[0]}")# cv2.imshow('captcha', img[0])# cv2.waitKey(0)注：在实际训练中，你需要编写 Dataset 类来实时生成这些数据喂给 GPU。
2. 设计 CNN 网络 (基于 PyTorch)
对于这种简单的图像任务，我们不需要 ResNet50 这样的大杀器。一个简单的 3-4 层卷积网络足够了。
网络的输出层是关键：我们需要输出CAPTCHA_LEN * len(CHAR_SET)个节点。例如 4 位验证码，字符集 36 个，则输出层有 个节点。
importtorchimporttorch.nnasnnclassCaptchaCNN(nn.Module):def__init__(self,num_chars,num_classes):super(CaptchaCNN,self).__init__()# 输入是 [Batch, 1, 60, 160] (灰度图)self.layer1=nn.Sequential(nn.Conv2d(1,32,kernel_size=3,padding=1),nn.BatchNorm2d(32),nn.ReLU(),nn.MaxPool2d(2))# -> [32, 30, 80]self.layer2=nn.Sequential(nn.Conv2d(32,64,kernel_size=3,padding=1),nn.BatchNorm2d(64),nn.ReLU(),nn.MaxPool2d(2))# -> [64, 15, 40]self.layer3=nn.Sequential(nn.Conv2d(64,128,kernel_size=3,padding=1),nn.BatchNorm2d(128),nn.ReLU(),nn.MaxPool2d(2))# -> [128, 7, 20]# 全连接层self.fc=nn.Sequential(# 展平: 128 * 7 * 20nn.Linear(128*7*20,1024),nn.Dropout(0.5),nn.ReLU(),# 输出层: 4个字符，每个字符36种可能nn.Linear(1024,num_chars*num_classes))defforward(self,x):x=self.layer1(x)x=self.layer2(x)x=self.layer3(x)x=x.view(x.size(0),-1)# Flattenx=self.fc(x)# 关键：将输出 reshape 成 [Batch, 4, 36] 以便计算每个字符的损失returnx.view(x.size(0),4,-1)(训练过程略，使用 CrossEntropyLoss，对 4 个位置分别计算损失并求和。经过几万次迭代，你的 PyTorch 模型captcha_cnn.pth准确率应该能达到 95%+)
3. 关键一步：导出为 ONNX 模型
这是本文的精髓。假设你已经训练好了 PyTorch 模型，现在我们要把它“固化”成通用的 ONNX 格式。
# 假设 model 是你训练好并加载了权重的模型实例model.eval()# 1. 定义一个样例输入 (Dummy Input)，形状必须和训练时一致# [BatchSize, Channels, Height, Width]dummy_input=torch.randn(1,1,HEIGHT,WIDTH).to(device)# 2. 指定导出路径onnx_path="captcha_cnn_v1.onnx"# 3. 执行导出torch.onnx.export(model,# 运行的模型dummy_input,# 模型输入样例onnx_path,# 保存路径export_params=True,# 是否存储权重文件opset_version=11,# ONNX算子版本，推荐11或以上do_constant_folding=True,# 是否执行常量折叠优化input_names=['input_image'],# 输入节点的名称（方便推理时调用）output_names=['output_code'],# 输出节点的名称# 动态轴：允许推理时 Batch Size 可变dynamic_axes={'input_image':{0:'batch_size'},'output_code':{0:'batch_size'}})print(f"Model successfully exported to{onnx_path}")4. 终极实战：使用 ONNX Runtime 进行推理
在生产环境或爬虫代码中，我们不再需要 PyTorch，只需要安装轻量级的onnxruntime。
pipinstallonnxruntime-gpu# 如果有显卡# 或者 pip install onnxruntime推理代码 (极其简洁):
importonnxruntimeasortimportnumpyasnpimportcv2# 1. 加载 ONNX 模型 (自动选择 GPU 或 CPU)ort_session=ort.InferenceSession("captcha_cnn_v1.onnx",providers=['CUDAExecutionProvider','CPUExecutionProvider'])# 2. 准备输入数据 (假设你从网络下载了一张验证码 target.jpg)# 预处理必须与训练时完全一致！(灰度、大小、归一化)img=cv2.imread("target.jpg",cv2.IMREAD_GRAYSCALE)img=cv2.resize(img,(160,60))img=img.astype(np.float32)/255.0# 增加 Batch 和 Channel 维度: [60, 160] -> [1, 1, 60, 160]input_tensor=np.expand_dims(img,axis=(0,1))# 3. 执行推理# input_image 是我们导出时设置的输入名称ort_inputs={'input_image':input_tensor}# output_code 是我们设置的输出名称ort_outs=ort_session.run(['output_code'],ort_inputs)[0]# 4. 解析结果# ort_outs 形状是 [1, 4, 36]result_indices=np.argmax(ort_outs,axis=2)[0]# 取出概率最大的索引 -> [idx1, idx2, idx3, idx4]CHAR_SET=string.digits+string.ascii_lowercase pred_text="".join([CHAR_SET[i]foriinresult_indices])print(f"AI 识别结果:{pred_text}")🚀 三、 如何达成 99.9% 的“变态”准确率？
模型结构只是基础，真正的功夫在数据上。如果你想让模型达到商用级别，必须做到：
- 数据量级：准备 20万+ 的训练数据。
- 针对性训练：所谓“通用”是指架构通用。如果你要攻克某个特定网站，必须采集该网站的真实样本进行微调（Fine-tune）。
- 数据增强 (Data Augmentation)：在训练时实时对图片进行随机旋转、添加噪点、随机遮挡、弹性形变。这能极大提高模型的泛化能力，防止过拟合。
- 难例挖掘 (Hard Example Mining)：把模型识别错的样本挑出来，重点训练。
⚖️ 免责声明
本文介绍的技术仅供深度学习与计算机视觉研究学习使用。请勿将技术用于任何非法用途（如侵入计算机信息系统、非法采集数据等）。技术的价值在于创造，而非破坏。