CN109326161A - 一种试卷批改一体机 - Google Patents

一种试卷批改一体机 Download PDF

Info

Publication number
CN109326161A
CN109326161A CN201811482655.1A CN201811482655A CN109326161A CN 109326161 A CN109326161 A CN 109326161A CN 201811482655 A CN201811482655 A CN 201811482655A CN 109326161 A CN109326161 A CN 109326161A
Authority
CN
China
Prior art keywords
paper
topic
module
student
file
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
Application number
CN201811482655.1A
Other languages
English (en)
Inventor
何涛
毛礼辉
罗欢
陈明权
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dana Technology Inc
Original Assignee
Hangzhou Dana Technology Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Dana Technology Inc filed Critical Hangzhou Dana Technology Inc
Priority to CN201811482655.1A priority Critical patent/CN109326161A/zh
Publication of CN109326161A publication Critical patent/CN109326161A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K15/00—Arrangements for producing a permanent visual presentation of the output data, e.g. computer output printers
    • G06K15/02—Arrangements for producing a permanent visual presentation of the output data, e.g. computer output printers using printers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • 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
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/416—Extracting the logical structure, e.g. chapters, sections or page numbers; Identifying elements of the document, e.g. authors
    • 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
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/418—Document matching, e.g. of document images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Technology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)

Abstract

本发明提供了一种试卷批改一体机，扫描模块用于扫描标准试卷获得标准试卷扫描文件，以及扫描学生试卷获得学生试卷扫描文件；识别模块用于识别所述标准试卷扫描文件中每道题目的题干和答案，以及识别所述学生试卷扫描文件中的每道题目的题干和答案；存储模块用于存储所述识别模块识别出的所述标准试卷扫描文件中每道题目的题干和答案；批改模块用于根据所述存储模块存储的所述标准试卷扫描文件中每道题目的题干和答案以及所述识别模块识别出的所述学生试卷扫描文件中每道题目的题干和答案，对所述学生试卷扫描文件中每道题目进行批改。本发明可以解决现有技术中试卷批改效率低、容易出错的问题。

Description

一种试卷批改一体机
技术领域
本发明属于作业批改技术领域，涉及一种试卷批改一体机。
背景技术
目前，老师大多以试卷的形式给学生布置作业，以及测验学生的学习效果，这也就导致了老师们需要批改大量的学生试卷。然而现有技术中，老师批改试卷的方式也都比较传统，通常是基于手写的方式批改，这种方式效率普遍低下而且也容易出错，例如，如果一个老师每天要批改60个同学的试卷，每个同学批改5分钟，每天需要工作5个小时。
因此，如何提高老师批改试卷的效率，减少出错是一个亟待解决的问题。
发明内容
本发明的目的在于提供一种试卷批改一体机，以解决现有技术中试卷批改效率低、容易出错的问题。
为解决上述技术问题，本发明提供了一种试卷批改一体机，包括：扫描模块、与所述扫描模块连接的识别模块、与所述识别模块连接的存储模块和批改模块，所述存储模块与所述批改模块连接；
所述扫描模块，用于扫描标准试卷获得标准试卷扫描文件，以及扫描学生试卷获得学生试卷扫描文件；
所述识别模块，用于识别所述标准试卷扫描文件中每道题目的题干和答案，以及识别所述学生试卷扫描文件中的每道题目的题干和答案；
所述存储模块，用于存储所述识别模块识别出的所述标准试卷扫描文件中每道题目的题干和答案；
所述批改模块，用于根据所述存储模块存储的所述标准试卷扫描文件中每道题目的题干和答案以及所述识别模块识别出的所述学生试卷扫描文件中每道题目的题干和答案，对所述学生试卷扫描文件中每道题目进行批改。
可选的，所述试卷批改一体机还包括：打印模块，所述打印模块与所述批改模块连接，用于将所述批改模块批改后的所述学生试卷扫描文件打印出来。
可选的，所述试卷批改一体机还包括：组卷模块，所述组卷模块与所述存储模块连接，用于从所述存储模块所存储的题目中选择题目组成试卷，或直接从所述存储模块所存储的试卷模板中选择试卷；
所述试卷批改一体机还包括：打印模块，所述打印模块分别与所述批改模块和所述组卷模块连接，用于将所述批改模块批改后的所述学生试卷扫描文件打印出来，以及，将所述组卷模块所组成的试卷或选择的试卷打印出来。
可选的，所述批改模块，还用于根据所述学生试卷扫描文件的批改结果，统计所述学生试卷的分数。
可选的，所述识别模块，还用于识别所述学生试卷扫描文件上的学号和/或名字，输出所述学号和/或名字以及对应的分数。
可选的，所述标准试卷为单张时，所述批改单元，具体用于按照题目位置或序号，将识别出的所述标准试卷扫描文件和所述学生试卷扫描文件中的答案进行比对，对所述学生试卷扫描文件中每道题目进行批改。
可选的，所述标准试卷为多张不同的试卷时，所述批改模块包括：搜索子模块和批改子模块；
所述搜索子模块，用于根据所述识别模块识别出的所述学生试卷扫描文件中每道题目的题干，在所述存储模块存储的题目中进行搜索，确定与所述学生试卷匹配的标准试卷；
所述批改子模块，用于针对所述学生试卷扫描文件中的每道题目，根据所确定的标准试卷上与该题目相匹配的题目的答案，对该题目的答案进行批改。
可选的，所述搜索子模块，包括：
第一获得单元，用于将所述学生试卷扫描文件中每一题目的题干的文字内容输入预先训练的题干向量化模型中，得到每一题目的题干的特征向量，作为每一题目的特征向量，其中，所述题干向量化模型是基于神经网络的模型；
查找单元，用于针对每一题目，在所述存储模块存储的题目中进行搜索，查找与该题目的特征向量相匹配的特征向量，将所述存储模块存储的题目中相匹配的特征向量对应的题目确定为与该题目最接近的题目；
确定单元，用于汇总查找到的所有题目的最接近题目所在的试卷，将满足预设条件的试卷确定为与所述学生试卷匹配的标准试卷。
可选的，在所述学生试卷中的题目包含图片的情况下，所述搜索子模块还包括：
第二获得单元，用于将包含图片的题目中的图片输入预先训练的图片向量化模型中，得到包含图片的题目的图片的特征向量，其中，所述图片向量化模型是基于神经网络的模型；
第三获得单元，用于对于不包含图片的题目，直接将该题目的题干的特征向量作为该题目的特征向量，对于包含图片的题目，将该题目的图片的特征向量与题干的特征向量进行拼接，作为该题目的特征向量。
可选的，所述搜索子模块还包括：
预处理单元，用于预先对所述存储模块存储的各个题目的特征向量建立索引信息表；
所述查找单元，具体用于针对每一题目，在所述索引信息表中查找与该题目的特征向量相匹配的特征向量；将相匹配的特征向量在所述索引信息表中对应的题目确定为与该题目最接近的题目。
可选的，所述预处理单元，还用于在建立所述索引信息表之前，将不同长度的特征向量按照长度进行分组；
所述查找单元，具体用于针对每一待搜索题目，在所述索引信息表中与该待搜索题目的特征向量长度相同或相近的分组内，查找与该待搜索题目的特征向量相匹配的特征向量。
可选的，所述确定单元，具体用于将出现频率最大且大于第一预设阈值的试卷确定为与所述学生试卷匹配的标准试卷。
可选的，所述识别模块包括：检测子模块和识别子模块；
所述检测子模块，用于利用预先训练好的检测模型对所述标准试卷扫描文件进行检测，检测出所述标准试卷扫描文件中的每道题目的区域，以及利用预先训练好的检测模型对所述学生试卷扫描文件进行检测，检测出所述学生试卷扫描文件中每道题目的区域，其中，所述检测模型是基于神经网络的模型；
所述识别子模块，用于利用预先训练好的识别模型识别所述标准试卷扫描文件中的每道题目的区域中题干和答案的文字内容，以及利用预先训练好的识别模型识别所述学生试卷扫描文件中每道题目的区域中题干和答案的文字内容，其中，所述识别模型是基于神经网络的模型。
与现有技术相比，本发明提供了一种试卷批改一体机，试卷批改一体机包括扫描模块、与所述扫描模块连接的识别模块、与所述识别模块连接的存储模块和批改模块，所述存储模块与所述批改模块连接，只需要将标准试卷由扫描模块进行扫描得到标准试卷扫描文件，再由识别模块识别出标准试卷扫描文件中每道题目的题干和答案，并由存储模块存储标准试卷扫描文件中每道题目的题干和答案，当要批改某一学生试卷时，将学生试卷由扫描模块进行扫描得到标准试卷扫描文件，再由识别模块识别出学生试卷扫描文件中每道题目的题干和答案，最后由批改模块根据存储模块存储的标准试卷扫描文件中每道题目的题干和答案，对学生试卷扫描文件中每道题目进行批改。可见，利用试卷批改一体机进行试卷批改，不需要老师花费大量的时间和精力对每张学生试卷进行手动批改，可大量节省老师的时间，提高批改试卷的效率，减少出错。
附图说明
图1是本发明一实施例提供的一种试卷批改一体机的结构示意图。
具体实施方式
以下结合附图和具体实施例对本发明提出的一种试卷批改一体机作进一步详细说明。根据权利要求书和下面说明，本发明的优点和特征将更清楚。
图1是本发明一实施例提供的一种试卷批改一体机示意图。请参考图1，一种试卷批改一体机可以包括：扫描模块1、与所述扫描模块1连接的识别模块2，与所述识别模块2连接的存储模块3和批改模块4，所述存储模块3与所述批改模块4连接。
所述扫描模块1，用于扫描标准试卷获得标准试卷扫描文件，以及扫描学生试卷获得学生试卷扫描文件。其中，标准试卷可以为在每道题目中填写有标准答案的试卷，学生试卷可以为学生作答的试卷。所获得的标准试卷扫描文件和学生试卷扫描文件可以为图像或PDF等格式的文件。
所述识别模块2，用于识别所述标准试卷扫描文件中每道题目的题干和答案，以及识别所述学生试卷扫描文件中的每道题目的题干和答案。
所述存储模块3，用于存储所述识别模块2识别出的所述标准试卷扫描文件中每道题目的题干和答案。所述存储模块3还可以存储所述标准试卷扫描文件和所述学生试卷扫描文件。
所述批改模块4，用于根据所述存储模块3存储的所述标准试卷扫描文件中每道题目的题干和答案以及所述识别模块2识别出的所述学生试卷扫描文件中每道题目的题干和答案，对所述学生试卷扫描文件中每道题目进行批改。批改的方式可以为在每道题目的答案处标记√或×。
利用本发明提供的试卷批改一体机进行作业批改，只需要将标准试卷由扫描模块1进行扫描得到标准试卷扫描文件，再由识别模块2识别出标准试卷扫描文件中每道题目的题干和答案，并由存储模块3存储标准试卷扫描文件中每道题目的题干和答案，当要批改某一学生试卷时，将学生试卷由扫描模块1进行扫描得到标准试卷扫描文件，再由识别模块2识别出学生试卷扫描文件中每道题目的题干和答案，最后由批改模块4根据存储模块3存储的标准试卷扫描文件中每道题目的题干和答案，对学生试卷扫描文件中每道题目进行批改。可见，利用试卷批改一体机进行试卷批改，不需要老师花费大量的时间和精力对每张学生试卷进行手动批改，可大量节省老师的时间，提高批改试卷的效率，减少出错。
具体的，所述识别模块2可以包括检测子模块和识别子模块；
所述检测子模块，用于利用预先训练好的检测模型对所述标准试卷扫描文件进行检测，检测出所述标准试卷扫描文件中的每道题目的区域，以及利用预先训练好的检测模型对所述学生试卷扫描文件进行检测，检测出所述学生试卷扫描文件中每道题目的区域，其中，所述检测模型是基于神经网络的模型；
所述识别子模块，用于利用预先训练好的识别模型识别所述标准试卷扫描文件中的每道题目的区域中题干和答案的文字内容，以及利用预先训练好的识别模型识别所述学生试卷扫描文件中每道题目的区域中题干和答案的文字内容，其中，所述识别模型是基于神经网络的模型。
其中，检测模型例如可以是基于深度卷积神经网络(Convolutional NeuralNetworks，CNN)对试卷样本训练集中的样本进行训练得到的。利用训练好的检测模型从扫描文件中提取二维特征向量，在二维特征向量的每个网格生成不同形状的锚点，使用标注框(Groundtruth Boxes)将检测出的各个题目的区域进行标注，还可以将标注框与生成的锚点作回归(regression)处理，以使标注框更贴近题目的实际位置。检测完题目区域后会将每道题目进行切割为单个区域，或者不实际切割，而在处理时将每个题目区域区分开，作为单个区域进行处理，并根据题目位置信息进行排序。
检测出各个题目的区域后，所述识别子模块可以利用预先训练的识别模型识别出各个题目的区域中题干和答案，所述识别模型是基于神经网络的模型。首先标注出题目中的各个组成部分，组成部分可以包括题干、答案和/或图片，进而通过识别模型识别出题目中题干的文字内容和答案的文字内容。其中，识别模型可以是基于空洞卷积和注意力模型建立的，具体的，采用空洞卷积对题干、答题和/或图片对应的标注框进行特征提取，再通过注意力模型将提取到的特征解码成字符。进一步的，识别模型可以包括针对题干的识别模型和针对答案的识别模型，其中所述题干由打印字体组成，所述答题由手写字体组成，所述针对题干的识别模型和所述针对答题的识别模型分别经过各自独立的训练而成。
在一种情况下，所述标准试卷为单张，即所述扫描模块1扫描单张标准试卷得到一份标准试卷扫描文件。此时所述批改模块4，具体用于按照题目位置或序号，将识别出的所述标准试卷扫描文件和所述学生试卷扫描文件中的答案进行比对，对所述学生试卷扫描文件中每道题目进行批改。具体而言，由于标准试卷和学生试卷中各个题目的位置或序号是相同的，因此，可以将标准试卷扫描文件和学生试卷扫描文件中题目位置或序号相同的题目的答案进行比对，从而实现对学生试卷扫描文件中每道题目进行批改的目的。例如标准试卷识别出来的题目1或者第一位置题目的答案为A，学生试卷识别出来的是题目1或者第一位置题目的答案为B，将答案A和答案B进行比较批改。
在另一种情况下，所述标准试卷为多张不同的试卷，即所述扫描模块1扫描多张不同的标准试卷得到多份不同的标准试卷扫描文件。此时所述批改模块4可以包括：搜索子模块和批改子模块，其中，所述搜索子模块，用于根据所述识别模块2识别出的所述学生试卷扫描文件中每道题目的题干，在所述存储模块3存储的题目中进行搜索，确定与所述学生试卷匹配的标准试卷；所述批改子模块，用于针对所述学生试卷扫描文件中的每道题目，根据所确定的标准试卷上与该题目相匹配的题目的答案，对该题目的答案进行批改。
实际应用中，所述搜索子模块，可以包括：第一获得单元，用于将所述学生试卷扫描文件中每一题目的题干的文字内容输入预先训练的题干向量化模型中，得到每一题目的题干的特征向量，作为每一题目的特征向量，其中，所述题干向量化模型是基于神经网络的模型；查找单元，用于针对每一题目，在所述存储模块3存储的题目中进行搜索，查找与该题目的特征向量相匹配的特征向量，将所述存储模块3存储的题目中相匹配的特征向量对应的题目确定为与该题目最接近的题目；确定单元，用于汇总查找到的所有题目的最接近题目所在的试卷，将满足预设条件的试卷确定为与所述学生试卷匹配的标准试卷。
所述题干向量化模型可以是基于神经网络的模型，如CNN模型，所述题干向量化模型可以通过以下步骤训练得到：对第一题目样本训练集中每个题目样本进行标注处理，标注出每个题目样本中题干的文字内容；利用神经网络模型对每个题目样本中题干的文字内容进行二维特征向量提取，从而训练得到所述题干向量化模型。其中，具体的训练过程属于现有技术，在此不做赘述。
优选的，为便于特征向量的查找，还可以预先对所述存储模块3存储的各个题目的特征向量建立索引信息表。索引信息表中可以存储题库中各个题目的特征向量、题目的具体内容以及题目所在试卷的ID等。具体的，所述搜索子模块还可以包括：预处理单元，用于预先对所述存储模块3存储的各个题目的特征向量建立索引信息表；所述查找单元，具体用于针对每一题目，在所述索引信息表中查找与该题目的特征向量相匹配的特征向量；将相匹配的特征向量在所述索引信息表中对应的题目确定为与该题目最接近的题目。
并且，还可以将不同长度的特征向量按照长度进行分组以便于查找，提高搜索速度，所述预处理单元，还用于在建立所述索引信息表之前，将不同长度的特征向量按照长度进行分组；所述查找单元，具体用于针对每一待搜索题目，在所述索引信息表中与该待搜索题目的特征向量长度相同或相近的分组内，查找与该待搜索题目的特征向量相匹配的特征向量。
具体的，所述确定单元，具体用于将出现频率最大且大于第一预设阈值的试卷确定为与所述学生试卷匹配的标准试卷。
进一步的，在所述学生试卷中的题目包含图片的情况下，进行题目搜索时结合题目中的题干和图片进行搜索，可以进一步提高题目搜索的准确度。因此所述搜索子模块还可以包括：第二获得单元，用于将包含图片的题目中的图片输入预先训练的图片向量化模型中，得到包含图片的题目的图片的特征向量，其中，所述图片向量化模型是基于神经网络的模型；第三获得单元，用于对于不包含图片的题目，直接将该题目的题干的特征向量作为该题目的特征向量，对于包含图片的题目，将该题目的图片的特征向量与题干的特征向量进行拼接，作为该题目的特征向量。
所述图片向量化模型可以是基于神经网络的模型，如CNN模型，所述图片向量化模型可以通过以下步骤训练得到：对第二题目样本训练集中每个题目样本进行标注处理，标注出每个题目样本中的图片；利用神经网络模型对每个题目样本中的图片进行二维特征向量提取，从而训练得到所述图片向量化模型。具体的训练过程属于现有技术，在此不做赘述。
在所述搜索子模块确定出与所述学生试卷相匹配的标准试卷后，批改子模块可以针对所述学生试卷扫描文件中的每道题目，根据所确定的标准试卷上与该题目相匹配的题目的答案，对该题目的答案进行批改。举例而言，对于学生试卷扫描文件中的题目A，若题目A的题干与所确定的标准试卷上的题目A’的题干相同，则题目A’与题目A相匹配，则根据题目A’的答案对题目A的答案进行批改。需要说明的是，对于题目类型为口算题、选择题、填空题、判断题和简单计算题(简单计算题如四则混合运算、脱式计算、竖式计算、单位换算、分数计算、带余数除法、估算等)，可以由所述试卷批改一体机进行自动批改，而主观题可以由老师手动批改。
需要说明的是，在实际应用中，所述标准试卷也可以为未填写答案的空白试卷，老师将空白试卷放入所述试卷批改一体机，所述扫描模块1扫描空白试卷后，由识别模块2识别空白试卷中的题干，并根据题干在题库中搜索相应的题目和试卷，在空白试卷中填入相应题目的标准答案，填写好答案的试卷即为标准试卷，从而可以将标准试卷存储在存储模块3中作为批改学生试卷时的对照试卷，以便于批改模块4对学生试卷进行批改。若在题库中搜索不到相应的题目时，识别模块可提示老师在可编辑的试卷扫描文件上手动填入未搜索到的题目的标准答案。或者也可以在扫描模块1扫描得到空白试卷扫描文件后，由处理模块将扫描文件转换为可编辑的文件格式，然后由老师手动在相应题目的答题位置直接填入标准答案，以便后期作为对照试卷。填入标准答案的试卷可以通过传输的方式(如通过有线网络、无线网络或者数据接口(如USB等)传输方式)存储到存储模块3中。另外，也可以将填写好答案的空白试卷打印出来作为老师的标准试卷。
进一步的，所述试卷批改一体机还可以包括打印模块5，所述打印模块5与所述批改模块4连接，用于将所述批改模块4批改后的所述学生试卷扫描文件打印出来，以便于老师和学生查看试卷的批改结果。
实际应用中，所述试卷批改一体机还可以包括组卷模块6，所述组卷模块6与所述存储模块3连接，用于从所述存储模块3所存储的题目中选择题目组成试卷，或直接从所述存储模块3所存储的试卷模板中选择试卷。
可以理解的是，存储模块3可以作为题库存储试卷模板以及大量题目，则老师可以根据需求从题库中选择题目组成试卷布置给学生作答。此时，打印模块5分别与所述批改模块4和所述组卷模块6连接，用于将所述批改模块4批改后的所述学生试卷扫描文件打印出来，以及，将所述组卷模块6所组成的试卷或选择的试卷打印出来。这种情况下，由于组卷模块6所组成的试卷或选择的试卷的题目(包括题干和答案)已经存储在存储模块3中了，则老师不需要填写标准答案得到标准试卷以及扫描标准试卷，而是可以直接将学生作答的试卷进行扫描，由识别模块2识别学生试卷扫描文件中的每道题目的题干和答案后，并由批改模块4根据存储模块3已存储的题库中的题目的题干和答案，对学生试卷扫描文件中的每道题目进行批改，这样可以进一步减轻老师的工作负担。
可选的，所述批改模块4还可以用于根据所述学生试卷扫描文件的批改结果，统计所述学生试卷的分数。具体而言，将批改结果中正确的题目及其对应的分值进行相加，统计得到所述学生试卷的分数。
进一步的，所述识别模块4还可以用于识别所述学生试卷扫描文件上的学号和/或名字，输出所述学号和/或名字以及对应的分数。例如，识别出学生试卷扫描文件上的学号和/或名字，可以将学号和/或名字及其对应的分数输出到与所述试卷批改一体机连接的计算机上，方便老师查看。
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。

Claims (13)

1.一种试卷批改一体机，其特征在于，包括：扫描模块、与所述扫描模块连接的识别模块、与所述识别模块连接的存储模块和批改模块，所述存储模块与所述批改模块连接；
所述扫描模块，用于扫描标准试卷获得标准试卷扫描文件，以及扫描学生试卷获得学生试卷扫描文件；
所述识别模块，用于识别所述标准试卷扫描文件中每道题目的题干和答案，以及识别所述学生试卷扫描文件中的每道题目的题干和答案；
所述存储模块，用于存储所述识别模块识别出的所述标准试卷扫描文件中每道题目的题干和答案；
所述批改模块，用于根据所述存储模块存储的所述标准试卷扫描文件中每道题目的题干和答案以及所述识别模块识别出的所述学生试卷扫描文件中每道题目的题干和答案，对所述学生试卷扫描文件中每道题目进行批改。
2.如权利要求1所述的试卷批改一体机，其特征在于，还包括：打印模块，所述打印模块与所述批改模块连接，用于将所述批改模块批改后的所述学生试卷扫描文件打印出来。
3.如权利要求1所述的试卷批改一体机，其特征在于，还包括：组卷模块，所述组卷模块与所述存储模块连接，用于从所述存储模块所存储的题目中选择题目组成试卷，或直接从所述存储模块所存储的试卷模板中选择试卷；
还包括：打印模块，所述打印模块分别与所述批改模块和所述组卷模块连接，用于将所述批改模块批改后的所述学生试卷扫描文件打印出来，以及，将所述组卷模块所组成的试卷或选择的试卷打印出来。
4.如权利要求1所述的试卷批改一体机，其特征在于，所述批改模块，还用于根据所述学生试卷扫描文件的批改结果，统计所述学生试卷的分数。
5.如权利要求4所述的试卷批改一体机，其特征在于，所述识别模块，还用于识别所述学生试卷扫描文件上的学号和/或名字，输出所述学号和/或名字以及对应的分数。
6.如权利要求1所述的试卷批改一体机，其特征在于，所述标准试卷为单张时，所述批改单元，具体用于按照题目位置或序号，将识别出的所述标准试卷扫描文件和所述学生试卷扫描文件中的答案进行比对，对所述学生试卷扫描文件中每道题目进行批改。
7.如权利要求1所述的试卷批改一体机，其特征在于，所述标准试卷为多张不同的试卷时，所述批改模块包括：搜索子模块和批改子模块；
所述搜索子模块，用于根据所述识别模块识别出的所述学生试卷扫描文件中每道题目的题干，在所述存储模块存储的题目中进行搜索，确定与所述学生试卷匹配的标准试卷；
所述批改子模块，用于针对所述学生试卷扫描文件中的每道题目，根据所确定的标准试卷上与该题目相匹配的题目的答案，对该题目的答案进行批改。
8.如权利要求7所述的试卷批改一体机，其特征在于，所述搜索子模块，包括：
第一获得单元，用于将所述学生试卷扫描文件中每一题目的题干的文字内容输入预先训练的题干向量化模型中，得到每一题目的题干的特征向量，作为每一题目的特征向量，其中，所述题干向量化模型是基于神经网络的模型；
查找单元，用于针对每一题目，在所述存储模块存储的题目中进行搜索，查找与该题目的特征向量相匹配的特征向量，将所述存储模块存储的题目中相匹配的特征向量对应的题目确定为与该题目最接近的题目；
确定单元，用于汇总查找到的所有题目的最接近题目所在的试卷，将满足预设条件的试卷确定为与所述学生试卷匹配的标准试卷。
9.如权利要求8所述的试卷批改一体机，其特征在于，在所述学生试卷中的题目包含图片的情况下，所述搜索子模块还包括：
第二获得单元，用于将包含图片的题目中的图片输入预先训练的图片向量化模型中，得到包含图片的题目的图片的特征向量，其中，所述图片向量化模型是基于神经网络的模型；
第三获得单元，用于对于不包含图片的题目，直接将该题目的题干的特征向量作为该题目的特征向量，对于包含图片的题目，将该题目的图片的特征向量与题干的特征向量进行拼接，作为该题目的特征向量。
10.如权利要求8所述的试卷批改一体机，其特征在于，所述搜索子模块还包括：
预处理单元，用于预先对所述存储模块存储的各个题目的特征向量建立索引信息表；
所述查找单元，具体用于针对每一题目，在所述索引信息表中查找与该题目的特征向量相匹配的特征向量；将相匹配的特征向量在所述索引信息表中对应的题目确定为与该题目最接近的题目。
11.如权利要求10所述的试卷批改一体机，其特征在于，所述预处理单元，还用于在建立所述索引信息表之前，将不同长度的特征向量按照长度进行分组；
所述查找单元，具体用于针对每一待搜索题目，在所述索引信息表中与该待搜索题目的特征向量长度相同或相近的分组内，查找与该待搜索题目的特征向量相匹配的特征向量。
12.如权利要求8所述的试卷批改一体机，其特征在于，所述确定单元，具体用于将出现频率最大且大于第一预设阈值的试卷确定为与所述学生试卷匹配的标准试卷。
13.如权利要求1所述的试卷批改一体机，其特征在于，所述识别模块包括：检测子模块和识别子模块；
所述检测子模块，用于利用预先训练好的检测模型对所述标准试卷扫描文件进行检测，检测出所述标准试卷扫描文件中的每道题目的区域，以及利用预先训练好的检测模型对所述学生试卷扫描文件进行检测，检测出所述学生试卷扫描文件中每道题目的区域，其中，所述检测模型是基于神经网络的模型；
所述识别子模块，用于利用预先训练好的识别模型识别所述标准试卷扫描文件中的每道题目的区域中题干和答案的文字内容，以及利用预先训练好的识别模型识别所述学生试卷扫描文件中每道题目的区域中题干和答案的文字内容，其中，所述识别模型是基于神经网络的模型。
CN201811482655.1A 2018-12-05 2018-12-05 一种试卷批改一体机 Pending CN109326161A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811482655.1A CN109326161A (zh) 2018-12-05 2018-12-05 一种试卷批改一体机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811482655.1A CN109326161A (zh) 2018-12-05 2018-12-05 一种试卷批改一体机

Publications (1)

Publication Number Publication Date
CN109326161A true CN109326161A (zh) 2019-02-12

Family

ID=65256401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811482655.1A Pending CN109326161A (zh) 2018-12-05 2018-12-05 一种试卷批改一体机

Country Status (1)

Country Link
CN (1) CN109326161A (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109948572A (zh) * 2019-03-27 2019-06-28 联想(北京)有限公司 一种自动阅卷方法及系统
CN110110581A (zh) * 2019-03-14 2019-08-09 杭州笔声智能科技有限公司 一种基于人工智能的试卷批改方法和系统
CN110349060A (zh) * 2019-07-12 2019-10-18 濮阳职业技术学院 多功能语文测验系统
CN111081103A (zh) * 2019-05-17 2020-04-28 广东小天才科技有限公司 一种听写答案获取方法、家教设备及存储介质
CN111242045A (zh) * 2020-01-15 2020-06-05 西安汇永软件科技有限公司 自动化作业习题对错指示方法及系统
CN111666799A (zh) * 2019-03-08 2020-09-15 小船出海教育科技（北京）有限公司 一种口算题的校验方法及终端
CN111858844A (zh) * 2019-04-18 2020-10-30 美佳私人有限公司 确定主题文本段落相对于参考文本段落匹配准确度的系统及其方法
CN111860444A (zh) * 2020-07-31 2020-10-30 上海掌学教育科技有限公司 一种语文试卷版面分析方法及系统
CN111931730A (zh) * 2020-09-24 2020-11-13 北京易真学思教育科技有限公司 判题方法、装置、电子设备及存储介质
CN112069349A (zh) * 2020-09-15 2020-12-11 杭州大拿科技股份有限公司 自动填写答案的方法、电子设备和可读存储介质
CN112163579A (zh) * 2020-09-30 2021-01-01 江苏安全技术职业学院 基于文本语义特征分析的学生思想报告分析系统与方法
CN112183253A (zh) * 2020-09-15 2021-01-05 北京大米科技有限公司 数据处理方法、装置、电子设备及计算机可读存储介质
CN112307158A (zh) * 2019-08-30 2021-02-02 北京字节跳动网络技术有限公司 一种信息检索方法、装置、设备及介质
CN112560849A (zh) * 2021-01-24 2021-03-26 中天恒星(上海)科技有限公司 基于神经网络算法的文理分割方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436547A (zh) * 2011-10-24 2012-05-02 北京商纳科技有限公司 一种教学用错题统计方法及系统
CN203149887U (zh) * 2013-04-09 2013-08-21 洪小莹 一种无纸化阅卷辅助系统
CN103886302A (zh) * 2014-03-28 2014-06-25 上海携培信息科技有限公司 试卷识别分析实现方法及装置
CN104794948A (zh) * 2015-04-20 2015-07-22 西安青柠电子信息技术有限公司 自动阅卷系统及其使用方法
CN105955962A (zh) * 2016-05-10 2016-09-21 北京新唐思创教育科技有限公司 题目相似度的计算方法及装置
CN106780205A (zh) * 2016-11-22 2017-05-31 江苏黄金屋教育发展股份有限公司 一种应用于考试批阅的大数据采集和分析方法
TWM546586U (zh) * 2017-03-16 2017-08-01 Kang Hsuan Educational Publish Corp 試卷的命題及閱卷系統
CN107622463A (zh) * 2017-09-27 2018-01-23 张鹏 一种出卷及自动阅卷系统及方法
CN108932508A (zh) * 2018-08-13 2018-12-04 杭州大拿科技股份有限公司 一种题目智能识别、批改的方法和系统
CN210348859U (zh) * 2018-12-05 2020-04-17 杭州大拿科技股份有限公司 一种试卷批改一体机

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436547A (zh) * 2011-10-24 2012-05-02 北京商纳科技有限公司 一种教学用错题统计方法及系统
CN203149887U (zh) * 2013-04-09 2013-08-21 洪小莹 一种无纸化阅卷辅助系统
CN103886302A (zh) * 2014-03-28 2014-06-25 上海携培信息科技有限公司 试卷识别分析实现方法及装置
CN104794948A (zh) * 2015-04-20 2015-07-22 西安青柠电子信息技术有限公司 自动阅卷系统及其使用方法
CN105955962A (zh) * 2016-05-10 2016-09-21 北京新唐思创教育科技有限公司 题目相似度的计算方法及装置
CN106780205A (zh) * 2016-11-22 2017-05-31 江苏黄金屋教育发展股份有限公司 一种应用于考试批阅的大数据采集和分析方法
TWM546586U (zh) * 2017-03-16 2017-08-01 Kang Hsuan Educational Publish Corp 試卷的命題及閱卷系統
CN107622463A (zh) * 2017-09-27 2018-01-23 张鹏 一种出卷及自动阅卷系统及方法
CN108932508A (zh) * 2018-08-13 2018-12-04 杭州大拿科技股份有限公司 一种题目智能识别、批改的方法和系统
CN210348859U (zh) * 2018-12-05 2020-04-17 杭州大拿科技股份有限公司 一种试卷批改一体机

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111666799A (zh) * 2019-03-08 2020-09-15 小船出海教育科技（北京）有限公司 一种口算题的校验方法及终端
CN110110581A (zh) * 2019-03-14 2019-08-09 杭州笔声智能科技有限公司 一种基于人工智能的试卷批改方法和系统
CN110110581B (zh) * 2019-03-14 2021-06-04 杭州笔声智能科技有限公司 一种基于人工智能的试卷批改方法和系统
CN109948572A (zh) * 2019-03-27 2019-06-28 联想(北京)有限公司 一种自动阅卷方法及系统
CN111858844A (zh) * 2019-04-18 2020-10-30 美佳私人有限公司 确定主题文本段落相对于参考文本段落匹配准确度的系统及其方法
CN111858844B (zh) * 2019-04-18 2023-10-31 美佳私人有限公司 确定主题文本段落相对于参考文本段落匹配准确度的系统及其方法
CN111081103A (zh) * 2019-05-17 2020-04-28 广东小天才科技有限公司 一种听写答案获取方法、家教设备及存储介质
CN110349060A (zh) * 2019-07-12 2019-10-18 濮阳职业技术学院 多功能语文测验系统
CN112307158A (zh) * 2019-08-30 2021-02-02 北京字节跳动网络技术有限公司 一种信息检索方法、装置、设备及介质
CN111242045A (zh) * 2020-01-15 2020-06-05 西安汇永软件科技有限公司 自动化作业习题对错指示方法及系统
CN111860444B (zh) * 2020-07-31 2022-06-17 上海掌学教育科技有限公司 一种语文试卷版面分析方法及系统
CN111860444A (zh) * 2020-07-31 2020-10-30 上海掌学教育科技有限公司 一种语文试卷版面分析方法及系统
CN112183253A (zh) * 2020-09-15 2021-01-05 北京大米科技有限公司 数据处理方法、装置、电子设备及计算机可读存储介质
CN112069349A (zh) * 2020-09-15 2020-12-11 杭州大拿科技股份有限公司 自动填写答案的方法、电子设备和可读存储介质
WO2022057708A1 (zh) * 2020-09-15 2022-03-24 杭州大拿科技股份有限公司 自动填写答案的方法、电子设备和可读存储介质
CN111931730A (zh) * 2020-09-24 2020-11-13 北京易真学思教育科技有限公司 判题方法、装置、电子设备及存储介质
CN112163579A (zh) * 2020-09-30 2021-01-01 江苏安全技术职业学院 基于文本语义特征分析的学生思想报告分析系统与方法
CN112560849A (zh) * 2021-01-24 2021-03-26 中天恒星(上海)科技有限公司 基于神经网络算法的文理分割方法及系统

Similar Documents

Publication Publication Date Title
CN109326161A (zh) 一种试卷批改一体机
US11508251B2 (en) Method and system for intelligent identification and correction of questions
CN108764074B (zh) 基于深度学习的主观题智能阅卷方法、系统及存储介质
CN110659584B (zh) 一种基于图像识别的智能留痕阅卷系统
WO2018006294A1 (zh) 一种基于图像模式识别技术的阅卷系统、装置和方法
CN110110581B (zh) 一种基于人工智能的试卷批改方法和系统
CN109670504A (zh) 一种手写答案识别批改方法及装置
CN109271401A (zh) 一种题目搜索、批改方法、装置、电子设备和存储介质
CN102184383B (zh) 一种印刷体字符图像样本的自动生成方法
CN109344381A (zh) 一种题卡合一试卷的生成和识别方法
CN113076872B (zh) 一种智能试卷批改方法
CN108334493A (zh) 一种基于神经网络的题目知识点自动提取方法
CN108876195A (zh) 一种智能化的教师教学质量评测系统
US6690913B2 (en) Correction support apparatus, correction support method, correction support program, and correction support system
CN103500216B (zh) 一种文件信息的提取方法
CN110399048A (zh) 作业批改方法、装置、设备和介质
CN106599887A (zh) 试卷答题区域识别及试题评阅方法、系统
CN105469040A (zh) 一种便于识别的答题卡及其制作方法
CN106056028A (zh) 一种快速扫描录单的方法及其装置
CN104408403B (zh) 一种二次录入不一致的仲裁方法及装置
CN108428073A (zh) 一种用于教师教学质量的智能评价系统
CN107220610A (zh) 一种应用于阅卷系统的主观题分数识别方法
CN114936265A (zh) 一种文科解答题自动批改方法
CN111008594A (zh) 改错题评阅方法、相关设备及可读存储介质
CN210348859U (zh) 一种试卷批改一体机

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