CN107909066A - 一种移动终端系统的自动阅卡评分方法 - Google Patents
一种移动终端系统的自动阅卡评分方法 Download PDFInfo
- Publication number
- CN107909066A CN107909066A CN201711078531.2A CN201711078531A CN107909066A CN 107909066 A CN107909066 A CN 107909066A CN 201711078531 A CN201711078531 A CN 201711078531A CN 107909066 A CN107909066 A CN 107909066A
- Authority
- CN
- China
- Prior art keywords
- card
- mobile terminal
- scoring
- automatic
- item
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005516 engineering process Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 8
- 210000005036 nerve Anatomy 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 241000220225 Malus Species 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 235000021016 apples Nutrition 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries
- G06V30/244—Division of the character sequences into groups prior to recognition; Selection of dictionaries using graphical properties, e.g. alphabet type or font
- G06V30/2455—Discrimination between machine-print, hand-print and cursive writing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Educational Technology (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
- Character Discrimination (AREA)
Abstract
本发明公开的一种移动终端系统的自动阅卡评分方法，阅卷评分方法包括以下具体步骤：答题卡数据获取，答题卡客观题的自动阅卡评分，答题卡主观题的自动阅卡评分以及得到阅卡评分结果。本发明将机器人的人工智能技术应用到考试系统中，使考试过程中使用的答题卡在扫描统分过程中，不仅不需要专用设备，普通的移动终端就可以实现对客观题、主观题的自动扫描，而且能够智能化地自动识别、生成、计算和统计，完全实现智能化、自动化地阅卷评分处理，提高阅卷效率以及考试结果的计算、统计的准确性。
Description
技术领域
本发明涉及的是智能考试信息管理领域，更具体地说是一种移动终端系统的自动阅卷评分方法。
背景技术
在传统的考试系统中，一般都是使用专用的答题卡进行作答，而在评分过程时，该答题卡上的客观题都需要使用专用的仪器设备进行答案的读取，然后再与标准答案进行比对，获得该部分的成绩；而答题卡上的主观题则由评分老师进行数字评分，然后再进行人工统计成绩，最终得到考试的成绩。
传统的答题卡应试过程存在着非常大的局限和缺点，首先，答题卡客观题的读取设备和读取方式都比较原始，不仅局限在专用的设备，而且读取方式的效率及准确性比较差，第三，答题卡主观题的读取与统计还处在人工操作的水平，无法智能化、自动化地完成分数识别、计算和统计。
当今机器人智能技术领域中，AlphaGo即“阿尔法狗”是通过蒙特卡洛树搜索算法和两个深度神经网络合作来完成下棋，在与李世石对阵之前，谷歌公司首先用人类对弈的近3000万种走法来训练“阿尔法狗”的神经网络，让它学会预测人类专业棋手怎么落子，然后更进一步，让AlphaGo自己跟自己下棋，从而又产生规模庞大的全新的棋谱。
蒙特卡洛算法和深度神经网络的解释：假如篮子里有1000个苹果，让你每次闭着眼睛找一个最大的，可以不限制挑选次数。于是，你可以闭着眼随机拿了一个，然后再随机拿一个与第一个比，留下大的，再随机拿一个，与前次留下的比较，又可以留下大的。循环往复这样，拿的次数越多，挑出最大苹果的可能性也就越大，但除非你把1000个苹果都挑一遍，否则你无法肯定最终挑出来的就是最大的一个。蒙特卡洛算法和深度神经网络是样本越多，越能找到最佳的解决办法。
所以，将机器人的人工智能技术应用到考试系统中，使考试过程中使用的答题卡在扫描统分过程中，不仅不需要专用设备，普通的移动终端就可以实现对客观题、主观题的自动扫描，而且能够智能化地自动识别、生成、计算和统计，完全实现智能化、自动化地阅卷评分处理，提高阅卷效率以及考试结果的计算、统计的准确性。
发明内容
本发明公开的是一种移动终端系统的自动阅卷评分方法，其主要目的在于克服现有技术存在的上述不足和缺点。
本发明采用的技术方案如下：
一种移动终端系统的自动阅卡评分方法，所述阅卷评分方法包括以下具体步骤：
步骤一：答题卡数据获取：移动终端通过摄像头对已完成客观题作答及主观题评分的答题卡进行拍照或扫描，获取答题卡信息；
步骤二：答题卡客观题的自动阅卡评分：移动终端通过图像、图形识别技术以及云计算方法，自动将步骤一获取的答题卡信息中的客观题答题信息进行自动识别、评分、计算和统计，得到答题卡客观题的评分统计结果；
步骤三：答题卡主观题的自动阅卡评分：移动终端通过人工智能算法和深度学习构筑的神经网络系统，自动将步骤一获取的答题卡信息中的主观题评分结果进行识别、计算和统计，得到答题卡主观题的评分统计结果；
步骤四：得到阅卡评分结果：移动终端自动计算和统计步骤二和步骤三的结果，得出最终的阅卷评分结果，完成答题卡的自动阅卡和评分统计。
更进一步，所述步骤二中对答题卡中已作答的客观题进行自动阅卡评分的过程包括：通过移动终端的摄像头自动地捕捉到答题卡客观题区域，应用直线检测、图像识别、条码识别、图形矫正以及OCR识别技术，在移动终端的系统上进行识别，获取有效的答题卡客观题数据，最后通过云计算进行统计。
更进一步，所述步骤三中对答题卡中已评分的主观题进行自动阅卡评分的过程包括：移动终端的摄像头自动地捕捉到答题卡主观题区域，通过搭建符号、公式、手写数字识别神经网络系统、再运用颜色判断、直线检测、图像识别、图像处理、OCR技术等、自动捕捉答题卡区域中评分人员已经过评分的主观题的评分，进行手写数字识别，最后进行计算统计，得到主观题的统计结果。
更进一步，所述移动终端包括手机移动终端设备或带摄像头的移动智能设备。
更进一步，所述步骤三中的人工智能算法包括蒙特卡洛算法。
通过上述对本发明的描述可知，和现有技术相比，本发明的优点在于：
本发明通过手机移动终端就可以实现对答题卡客观题、主观题的自动扫描，对客观题进行自动识别、评分、计算和统计，同时，在主观题上能够智能化地自动识别、计算和统计，利用手写文字、文字检测、以及建立的机器神经网络，使之可以自动准确地识别主观题手写的评分数字，自动进行计算统计，完全实现试卷评阅的智能化、自动化处理，提高阅卷计算和统计的准确性。
具体实施方式
一种移动终端系统的自动阅卡评分方法，所述阅卷评分方法包括以下具体步骤：
步骤一：答题卡数据获取：移动终端通过摄像头对已完成客观题作答及主观题评分的答题卡进行拍照或扫描，获取答题卡信息；
步骤二：答题卡客观题的自动阅卡评分：移动终端通过图像、图形识别技术以及云计算方法，自动将步骤一获取的答题卡信息中的客观题答题信息进行自动识别、评分、计算和统计，得到答题卡客观题的评分统计结果；
步骤三：答题卡主观题的自动阅卡评分：移动终端通过人工智能算法和深度学习构筑的神经网络系统，自动将步骤一获取的答题卡信息中的主观题评分结果进行识别、计算和统计，得到答题卡主观题的评分统计结果；
步骤四：得到阅卡评分结果：移动终端自动计算和统计步骤二和步骤三的结果，得出最终的阅卷评分结果，完成答题卡的自动阅卡和评分统计。
更进一步，所述步骤二中对答题卡中已作答的客观题进行自动阅卡评分的过程包括：通过移动终端的摄像头自动地捕捉到答题卡客观题区域，应用直线检测、图像识别、条码识别、图形矫正以及OCR识别技术，在移动终端的系统上进行识别，获取有效的答题卡客观题数据，最后通过云计算进行统计。
更进一步，所述步骤三中对答题卡中已评分的主观题进行自动阅卡评分的过程包括：移动终端的摄像头自动地捕捉到答题卡主观题区域，通过搭建符号、公式、手写数字识别神经网络系统、再运用颜色判断、直线检测、图像识别、图像处理、OCR技术等、自动捕捉答题卡区域中评分人员已经过评分的主观题的评分，进行手写数字识别，最后进行计算统计，得到主观题的统计结果。
更进一步，所述移动终端包括手机移动终端设备或带摄像头的移动智能设备。
更进一步，所述步骤三中的人工智能算法包括蒙特卡洛算法。
本发明通过手机移动终端就可以实现对答题卡客观题、主观题的自动扫描，对客观题进行自动识别、评分、计算和统计，同时，在主观题上能够智能化地自动识别、计算和统计，利用手写文字、文字检测、以及建立的机器神经网络，使之可以自动准确地识别主观题手写的评分数字，自动进行计算统计，完全实现试卷评阅的智能化、自动化处理，提高阅卷计算和统计的准确性。
本发明将机器人的人工智能技术应用到考试系统中，使考试过程中使用的答题卡在扫描统分过程中，不仅不需要专用设备，普通的移动终端就可以实现对客观题、主观题的自动扫描，而且能够智能化地自动识别、生成、计算和统计，完全实现智能化、自动化地阅卷评分处理，提高阅卷效率以及考试结果的计算、统计的准确性。
上述仅为本发明的具体实施方式，但本发明的设计构思并不仅局限于此，凡是利用此构思对本发明进行非实质性地改进，均应该属于侵犯本发明保护范围的行为。
Claims (5)
1.一种移动终端系统的自动阅卡评分方法，其特征在于：所述阅卷评分方法包括以下具体步骤：
步骤一：答题卡数据获取：移动终端通过摄像头对已完成客观题作答及主观题评分的答题卡进行拍照或扫描，获取答题卡信息；
步骤二：答题卡客观题的自动阅卡评分：移动终端通过图像、图形识别技术以及云计算方法，自动将步骤一获取的答题卡信息中的客观题答题信息进行自动识别、评分、计算和统计，得到答题卡客观题的评分统计结果；
步骤三：答题卡主观题的自动阅卡评分：移动终端通过人工智能算法和深度学习构筑的神经网络系统，自动将步骤一获取的答题卡信息中的主观题评分结果进行识别、计算和统计，得到答题卡主观题的评分统计结果；
步骤四：得到阅卡评分结果：移动终端自动计算和统计步骤二和步骤三的结果，得出最终的阅卷评分结果，完成答题卡的自动阅卡和评分统计。
2.根据权利要求1所述的一种移动终端系统的自动阅卷评分方法，其特征在于：所述步骤二中对答题卡中已作答的客观题进行自动阅卡评分的过程包括：通过移动终端的摄像头自动地捕捉到答题卡客观题区域，应用直线检测、图像识别、条码识别、图形矫正以及OCR识别技术，在移动终端的系统上进行识别，获取有效的答题卡客观题数据，最后通过云计算进行统计。
3.根据权利要求1所述的一种移动终端系统的自动阅卷评分方法，其特征在于：所述步骤三中对答题卡中已评分的主观题进行自动阅卡评分的过程包括：移动终端的摄像头自动地捕捉到答题卡主观题区域，通过搭建符号、公式、手写数字识别神经网络系统、再运用颜色判断、直线检测、图像识别、图像处理、OCR技术等、自动捕捉答题卡区域中评分人员已经过评分的主观题的评分，进行手写数字识别，最后进行计算统计，得到主观题的统计结果。
4.根据权利要求1所述的一种移动终端系统的自动阅卷评分方法，其特征在于：所述移动终端包括手机移动终端设备或带摄像头的移动智能设备。
5.根据权利要求1所述的一种移动终端系统的自动阅卷评分方法，其特征在于：所述步骤三中的人工智能算法包括蒙特卡洛算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711078531.2A CN107909066A (zh) | 2017-11-06 | 2017-11-06 | 一种移动终端系统的自动阅卡评分方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711078531.2A CN107909066A (zh) | 2017-11-06 | 2017-11-06 | 一种移动终端系统的自动阅卡评分方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107909066A true CN107909066A (zh) | 2018-04-13 |
Family
ID=61842555
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711078531.2A Pending CN107909066A (zh) | 2017-11-06 | 2017-11-06 | 一种移动终端系统的自动阅卡评分方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107909066A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108764074A (zh) * | 2018-05-14 | 2018-11-06 | 山东师范大学 | 基于深度学习的主观题智能阅卷方法、系统及存储介质 |
| CN109993153A (zh) * | 2019-04-18 | 2019-07-09 | 江苏曲速教育科技有限公司 | 一种基于边缘计算的人工智能阅卷系统 |
| CN111191578A (zh) * | 2019-12-27 | 2020-05-22 | 北京新唐思创教育科技有限公司 | 一种自动评分方法、装置、设备及存储介质 |
| CN112185200A (zh) * | 2020-10-12 | 2021-01-05 | 广东天智实业有限公司 | 一种连接云平台的实验考试系统 |
| CN112651856A (zh) * | 2019-10-12 | 2021-04-13 | 广州慧学君教育科技有限公司 | 智能化考评系统 |
| CN116798036A (zh) * | 2023-06-27 | 2023-09-22 | 广州市南方人力资源评价中心有限公司 | 用于识别和校验答题卡客观题识别结果的方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334814A (zh) * | 2008-04-28 | 2008-12-31 | 华北电力大学 | 一种自动化的扫描阅卷系统及阅卷方法 |
| CN103310082A (zh) * | 2012-03-07 | 2013-09-18 | 爱意福瑞（北京）科技有限公司 | 阅卷方法和装置 |
| CN105184232A (zh) * | 2015-08-12 | 2015-12-23 | 祁亨年 | 一种o2o互联网作业本、系统及实现方法 |
| CN105912993A (zh) * | 2016-03-31 | 2016-08-31 | 深圳感官密码科技有限公司 | 自动阅卷图像识别方法和系统 |
| CN106446882A (zh) * | 2016-08-31 | 2017-02-22 | 武汉颂大教育科技股份有限公司 | 一种基于8字码的智能留痕阅卷方法 |
| CN107025456A (zh) * | 2017-03-20 | 2017-08-08 | 安徽七天教育科技有限公司 | 一种教师批改痕迹自动识别的方法 |
-
2017
- 2017-11-06 CN CN201711078531.2A patent/CN107909066A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334814A (zh) * | 2008-04-28 | 2008-12-31 | 华北电力大学 | 一种自动化的扫描阅卷系统及阅卷方法 |
| CN103310082A (zh) * | 2012-03-07 | 2013-09-18 | 爱意福瑞（北京）科技有限公司 | 阅卷方法和装置 |
| CN105184232A (zh) * | 2015-08-12 | 2015-12-23 | 祁亨年 | 一种o2o互联网作业本、系统及实现方法 |
| CN105912993A (zh) * | 2016-03-31 | 2016-08-31 | 深圳感官密码科技有限公司 | 自动阅卷图像识别方法和系统 |
| CN106446882A (zh) * | 2016-08-31 | 2017-02-22 | 武汉颂大教育科技股份有限公司 | 一种基于8字码的智能留痕阅卷方法 |
| CN107025456A (zh) * | 2017-03-20 | 2017-08-08 | 安徽七天教育科技有限公司 | 一种教师批改痕迹自动识别的方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108764074A (zh) * | 2018-05-14 | 2018-11-06 | 山东师范大学 | 基于深度学习的主观题智能阅卷方法、系统及存储介质 |
| CN109993153A (zh) * | 2019-04-18 | 2019-07-09 | 江苏曲速教育科技有限公司 | 一种基于边缘计算的人工智能阅卷系统 |
| CN112651856A (zh) * | 2019-10-12 | 2021-04-13 | 广州慧学君教育科技有限公司 | 智能化考评系统 |
| CN111191578A (zh) * | 2019-12-27 | 2020-05-22 | 北京新唐思创教育科技有限公司 | 一种自动评分方法、装置、设备及存储介质 |
| CN112185200A (zh) * | 2020-10-12 | 2021-01-05 | 广东天智实业有限公司 | 一种连接云平台的实验考试系统 |
| CN116798036A (zh) * | 2023-06-27 | 2023-09-22 | 广州市南方人力资源评价中心有限公司 | 用于识别和校验答题卡客观题识别结果的方法及装置 |
| CN116798036B (zh) * | 2023-06-27 | 2024-04-02 | 网才科技(广州)集团股份有限公司 | 用于识别和校验答题卡客观题识别结果的方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107909066A (zh) | 一种移动终端系统的自动阅卡评分方法 | |
| CN107909067A (zh) | 智能生成答题卡以及移动终端自动阅卷评分的考试系统 | |
| CN107832758A (zh) | 智能生成答题卡以及服务器终端自动阅卷评分的考试系统 | |
| WO2020151489A1 (zh) | 基于面部识别的活体检测的方法、电子设备和存储介质 | |
| CN107019901B (zh) | 基于图像识别及自动化控制的棋牌类游戏自动博弈机器人的建立方法 | |
| CN110222792A (zh) | 一种基于孪生网络的标签缺陷检测算法 | |
| CN104915667B (zh) | 一种基于移动终端的答题卡识别分析方法及系统 | |
| CN106650786A (zh) | 基于多列卷积神经网络模糊评判的图像识别方法 | |
| CN106326874A (zh) | 一种人眼图像中的虹膜识别方法及其装置 | |
| CN106446882A (zh) | 一种基于8字码的智能留痕阅卷方法 | |
| CN107025456A (zh) | 一种教师批改痕迹自动识别的方法 | |
| CN111291613B (zh) | 一种课堂表现评价方法及系统 | |
| CN104992148A (zh) | 基于随机森林的atm终端部分遮挡人脸关键点检测方法 | |
| CN113159014B (zh) | 基于手写题号的客观题批阅方法、装置、设备及存储介质 | |
| CN107785061A (zh) | 孤独症谱系障碍儿童情绪能力干预系统 | |
| CN104680545B (zh) | 光学图像中存在显著目标的检测方法 | |
| CN108345833A (zh) | 数学公式的识别方法及系统和计算机设备 | |
| Visaniy et al. | Icdar 2013 music scores competition: Staff removal | |
| CN109242856A (zh) | 一种纸质作业电子化批阅方法及装置 | |
| CN110223202A (zh) | 一种教学道具识别与评分的方法及系统 | |
| CN106599887A (zh) | 试卷答题区域识别及试题评阅方法、系统 | |
| CN106650696A (zh) | 一种基于奇异值分解的手写电气元件符号识别方法 | |
| CN108428073A (zh) | 一种用于教师教学质量的智能评价系统 | |
| CN115761356A (zh) | 图像识别方法、装置、电子设备和存储介质 | |
| Das et al. | ICFHR 2020 competition on short answer assessment and Thai student signature and name components recognition and verification (SASIGCOM 2020) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180413 |
|
| WD01 | Invention patent application deemed withdrawn after publication |