التمييز بين الكتابة اليدوية لا يزال يشكل تحديًا لبعض اللغات الأكثر استخدامًا، مثل اللغة البنغالية، بسبب تعقيد تقسيم السطور والكلمات الناجم عن الطبيعة المنحنية للكتابة ونقص المجموعات البيانات ذات الجودة العالية. يقدم هذا البحث حلاً لمشكلة التقسيم من خلال تقديم طريقة متطورة (BN-DRISHTI) تجمع بين إطار كشف الأشياء القائم على التعلم العميق (YOLO) مع تحويل هوف وأفيني لتصحيح الانحراف. ومع ذلك، يتطلب تدريب نماذج التعلم العميق كمية ضخمة من البيانات. لذلك، نقدم أيضًا إصدارًا موسّعًا من مجموعة بيانات BN-HTRd التي تتكون من 786 صورة وثيقة بنغالية مكتوبة باليد بالكامل، وتقسيم السطور والكلمات على مستوى السطر والكلمة، والحقائق الأرضية المقابلة لتمييز الكلمات. أدت التقييمات على الجزء الاختباري من مجموعتنا إلى الحصول على درجة F بلغت 99.97٪ للسطور و98٪ لتقسيم الكلمات. لأجل التحليل المقارن، استخدمنا ثلاث مجموعات بيانات خارجية للكتابة اليدوية البنغالية وهي BanglaWriting وWBSUBNdb_text وICDAR 2013، حيث أظهر نظامنا تفوقًا كبيرًا، مما يؤكد أداء نهجنا على عينات غير معروفة تمامًا.