在卷积神经网络（CNN）中，Dropout层的主要作用是防止过拟合。因此，正确答案是B: 防止过拟合。

专业分析：

1. **防止过拟合**：Dropout是一种正则化技术，通过在训练过程中随机丢弃一定比例的神经元（即将它们的输出设为零），来减少神经网络对训练数据的过度依赖。这种随机性迫使网络在不同的神经元子集上训练，从而降低模型对特定神经元的依赖，增强模型的泛化能力。

2. **工作原理**：在训练过程中，每个神经元都有一定的概率被“丢弃”。在预测阶段，Dropout层会被关闭，或者说所有神经元都会被激活，但其输出会根据训练时丢弃的比例进行缩放，以保持训练和预测阶段的输出一致。

3. **与其他选项的关系**：
- A: 加快收敛速度：Dropout通常不会直接加快收敛速度，反而可能因为减少了网络的容量而需要更多的训练迭代。
- C: 丰富训练样本：Dropout通过改变网络结构来增强模型的鲁棒性，但并不直接影响训练样本的数量或多样性。
- D: 增强正样本：Dropout与样本类别（正样本或负样本）无关，它的作用是增强模型的泛化能力而不是特定类别的样本。

综上所述，Dropout主要用于防止过拟合，提高模型在未见数据上的表现。