Escribir es un importante portador de la herencia cultural, y la digitalización de textos escritos a mano es un medio efectivo para proteger la cultura nacional. Comparado con el reconocimiento de escritura a mano en chino e inglés, la investigación sobre el reconocimiento de escritura a mano en mongol comenzó relativamente tarde y ha logrado pocos resultados debido a las características del propio guion y la falta de un corpus. En primer lugar, de acuerdo con las características de los caracteres escritos a mano en mongol, se modificó el algoritmo de aumento de datos de borrado aleatorio, y se propuso un algoritmo de aumento de datos dual (DDA) combinando el algoritmo mejorado con la transformación de onda horizontal (HWT) para aumentar el conjunto de datos para entrenar el reconocimiento de escritura a mano en mongol. En segundo lugar, se mejoró el modelo clásico de reconocimiento de escritura CRNN. La estructura del codificador y decodificador se ajustó según las características del guion mongol, y se introdujo el mecanismo de atención en las etapas de extracción de características y decodificación del modelo. Se sugirió un modelo de reconocimiento de escritura mejorado, llamado modelo EGA, adecuado para las características de la escritura a mano en mongol. Finalmente, la efectividad del modelo EGA se verificó mediante una gran cantidad de pruebas de datos. Los resultados experimentales demostraron que el modelo EGA propuesto mejora la precisión de reconocimiento de la escritura a mano en mongol, y la modificación estructural del codificador y decodificador equilibra efectivamente la precisión de reconocimiento y la complejidad del modelo.