CN111753635B - 化学实验操作的智能评分方法、装置及存储介质 - Google Patents
化学实验操作的智能评分方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111753635B CN111753635B CN202010243474.4A CN202010243474A CN111753635B CN 111753635 B CN111753635 B CN 111753635B CN 202010243474 A CN202010243474 A CN 202010243474A CN 111753635 B CN111753635 B CN 111753635B
- Authority
- CN
- China
- Prior art keywords
- image
- frame
- detected
- result
- detection model
- 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.)
- Active
Links
- 239000000126 substance Substances 0.000 title claims abstract description 82
- 238000002474 experimental method Methods 0.000 title claims abstract description 69
- 238000013077 scoring method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000001514 detection method Methods 0.000 claims description 83
- 238000002372 labelling Methods 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 14
- 238000012797 qualification Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 6
- 239000007788 liquid Substances 0.000 description 87
- 238000012360 testing method Methods 0.000 description 55
- 210000003128 head Anatomy 0.000 description 20
- 238000010586 diagram Methods 0.000 description 10
- 210000001508 eye Anatomy 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 239000007787 solid Substances 0.000 description 7
- 238000010191 image analysis Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 3
- 241000973497 Siphonognathus argyrophanes Species 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明实施例提供一种化学实验操作的智能评分方法、装置及存储介质。通过获取至少一帧待检测图像，该至少一帧待检测图像用于呈现操作人员进行化学实验操作的操作信息，根据至少一帧待检测图像确定操作信息，判断该操作信息是否符合预设评判集合中的至少一项，得到判断结果，根据判断结果输出至少一帧待检测图像对应的评分结果。上述方法通过对图像进行智能化分析确定操作信息，判断该操作信息是否符合标准要求，若符合标准要求得到相应的得分，相比于人工监考，得出的评分更加客观真实。
Description
技术领域
本发明实施例涉及教育信息化技术领域，尤其涉及一种化学实验操作的智能评分方法、装置及存储介质。
背景技术
在化学实验考试中常规操作会贯穿学生的整个考试过程，部分常规操作会多次出现，例如使用胶头滴管滴加液体、将量筒内液体转移到试管中、将烧杯中液体转移到量筒中、量筒读数、量取液体体积量、使用纸槽对固体进行转移、试管中液体颜色变化等等。
针对上述化学实验的常规操作，目前的评判流程为监考老师对教室中同时进行实验的多个学生进行监管，学生在操作中需要遵循相关考点的操作规范，监考老师根据学生实际操作打出操作分。
然而，由于监考老师需要同时监管多个学生，将会遗漏部分学生的相关考点的操作，无法做到兼顾所有考生的实际操作情况。另外，不同监考老师对同一考点的评判标准存在一定差异，很难做到评判的完全统一。
发明内容
本发明实施例提供一种化学实验操作的智能评分方法、装置及存储介质，实现对化学实验常规操作的智能化评判。
第一方面，本发明实施例提供一种化学实验操作的智能评分方法，包括：
获取至少一帧待检测图像，所述待检测图像用于呈现操作人员进行化学实验操作的操作信息；
根据所述至少一帧待检测图像确定所述操作信息；
判断所述操作信息是否符合预设评判集合中的至少一项，得到判断结果，所述预设评判集合用于指示多种操作类型的评判标准；
根据所述判断结果输出所述至少一帧待检测图像对应的评分结果。
在一种可能的实现方式中，所述根据所述至少一帧待检测图像确定所述操作信息，包括：
对所述至少一帧待检测图像进行目标检测，得到每一帧待检测图像中的目标对象的目标框和分类结果；
对所述目标对象的目标框对应的图像块进行关键点检测，得到所述目标对象的轮廓信息；
根据所述目标对象的目标框、分类结果以及轮廓信息，确定所述操作信息。
在一种可能的实现方式中，所述对所述至少一帧待检测图像进行目标检测，得到每一帧待检测图像中的目标对象的目标框和分类结果，包括：
将每一帧待检测图像输入至预先训练好的目标检测模型中，得到每一帧待检测图像中的目标对象的目标框和分类结果。
在一种可能的实现方式中，所述目标检测模型的训练过程包括：
建立初始目标检测模型；
获取不同操作人员进行多种化学实验操作的图像样本，以及对所述图像样本的第一标注结果，所述第一标注结果包括所述图像样本中的所述目标对象的目标框和分类结果；
通过将所述图像样本作为所述目标检测模型的输入，将所述第一标注结果作为所述目标检测模型的输出，对所述初始目标检测模型进行训练，得到所述目标检测模型。
在一种可能的实现方式中，所述对所述目标对象的目标框对应的图像块进行关键点检测，得到所述目标对象的轮廓信息，包括：
将所述目标对象的目标框对应的图像块输入至预先训练好的关键点检测模型，得到所述目标对象的轮廓信息。
在一种可能的实现方式中，所述关键点检测模型的训练过程包括：
建立初始关键点检测模型；
获取不同操作人员进行多种化学实验操作的图像样本中各所述目标对象的图像块，以及对所述图像块的第二标注结果，所述第二标注结果包括各所述目标对象的轮廓关键点；
通过将所述图像块作为所述关键点检测模型的输入，将所述第二标注结果作为所述关键点检测模型的输出，对所述初始关键点检测模型进行训练，得到所述关键点检测模型。
可选的，所述目标对象包括所述操作人员的任意身体部位、化学器皿、所述化学器皿的液体部分中的至少一项。
可选的，所述操作信息包括操作类型、所述操作类型对应的至少一个目标对象的位置信息、轮廓信息以及分类结果。
可选的，所述操作类型包括以下的任意一种：
使用胶头滴管滴加液体；
将量筒内液体转移到试管；
将烧杯内液体转移到量筒；
量筒读数；
量取液体体积量；
使用纸槽转移固体。
可选的，所述预设评判集合包括：
胶头滴管滴加液体的倾斜角度小于第一角度，且所述胶头滴管伸入试管口或量筒口的距离小于第一距离；
量筒尖嘴与试管口之间的距离小于第二距离直至液体转移完毕；
烧杯尖嘴与量筒口之间的距离小于第二距离直至液体转移完毕；
操作人员双眼连线与量筒内液面的夹角小于第二角度；
液面高度与预设高度的差值小于预设值；
试管水平放置时，纸槽伸入试管的一端与试管底部的距离小于第三距离；
滴加液体后试管的颜色由无色变为有色，或者由有色变为无色。
可选的，所述判断结果包括至少一种操作类型的标识以及所述至少一种操作类型的标识对应的判断结果。
在一种可能的实现方式中，所述根据所述判断结果输出所述至少一帧待检测图像对应的评分结果，包括：
根据所述判断结果以及预设评分标准，输出所述至少一帧待检测图像对应的评分结果；所述预设评分标准用于指示不同操作类型的操作合格对应的得分。
第二方面，本发明实施例提供一种化学实验操作的智能评分装置，包括：
获取模块，用于获取至少一帧待检测图像，所述待检测图像用于呈现操作人员进行化学实验操作的操作信息；
处理模块，用于根据所述至少一帧待检测图像确定所述操作信息；
所述处理模块，还用于判断所述操作信息是否符合预设评判集合中的至少一项，得到判断结果，所述预设评判集合用于指示多种操作类型的评判标准；
展示模块，用于根据所述判断结果输出所述至少一帧待检测图像对应的评分结果。
第三方面，本发明实施例提供一种化学实验操作的智能评分装置，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面中任一项所述的方法。
可选的，所述装置还包括：显示器，所述显示器用于展示所述至少一个处理器输出的评分结果。
所述装置还包括：至少一个图像采集装置，所述图像采集装置用于采集操作人员进行化学实验操作的至少一帧待检测图像。
第四方面，本发明实施例提供一种计算机可读存储介质，包括：用于存储计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行第一方面中任一项所述的方法。
第五方面，本发明实施例提供一种化学实验操作的智能评分系统，包括：第三方面任一项所述的智能评分装置，以及与智能评分装置连接的终端设备，智能评分装置用于将评分结果发送至终端设备。
本发明实施例提供一种化学实验操作的智能评分方法、装置及存储介质。通过获取至少一帧待检测图像，该至少一帧待检测图像用于呈现操作人员进行化学实验操作的操作信息，根据至少一帧待检测图像确定操作信息，判断该操作信息是否符合预设评判集合中的至少一项，得到判断结果，根据判断结果输出至少一帧待检测图像对应的评分结果。上述方法通过对图像进行智能化分析确定操作信息，判断该操作信息是否符合标准要求，若符合标准要求得到相应的得分，相比于人工监考，得出的评分更加客观真实。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的化学实验操作的智能评分方法的系统架构图；
图2为本发明实施例提供的化学实验操作的智能评分方法的流程图；
图3为本发明实施例提供的化学实验操作的智能评分方法的流程图；
图4为本发明实施例提供的根据图像确定操作信息的流程图；
图5为本发明实施例提供的化学实验操作的智能评分装置的结构示意图；
图6为本发明实施例提供的化学实验操作的智能评分装置的硬件结构示意图；
图7为本发明实施例提供的化学实验操作的智能评分装置的硬件结构示意图；
图8为本发明实施例提供的化学实验操作的智能评分装置的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前，在化学实验考试过程中，监考老师需要对教室中同时进行实验的多个学生进行监管，学生的操作过程可能会涉及多项考点，例如胶头滴管滴加液体、将量筒内液体转移到试管中、将烧杯中液体转移到量筒中、量筒读数、量取液体体积量、使用纸槽对固体进行转移、试管中液体颜色变化等等。为了不遗漏每个学生操作过程中的考点，监考老师需要全程关注。然而，现实情况下不可能为每一个学生配备一个监考老师，或者每个学生依次进行考试。因此，监考老师会遗漏部分学生针对某些考点的操作情况，造成评分困难。
另外，考试过程中某些操作可能多次发生，学生在多次进行同一操作，每一次的操作情况是否都符合标准，监控老师很难掌握。比如整个考试过程中学生会多次使用胶头滴管，正确使用方法要求：垂直悬空滴加液体，且胶头滴管伸入试管口或量筒口的距离小于预设距离，如1cm。针对该考点的评判，如果仅对某一次操作进行评分，其评分结果不一定是真实客观的。
另外，不同监考老师对于同一考点的评判标准可能存在差异，会有一些主观因素在内，且由于监考角度的不同评判也可能存在差异，因此很难做到评分的完全统一。
针对现有的化学实验考试方案的问题，本发明实施例提出一种智能化的评分方法，利用智能评分装置替代人工评分，对每一位学生进行化学实验考试的操作视频进行全程分析，评估该学生对所有考点的操作情况，得出较为客观公平的得分。其中，智能评分装置需要从至少一个图像采集装置获取操作视频，图像采集装置位于学生操作平台的正前方，用于采集该学生在操作平台上的操作视频。智能评分装置对获取到的操作视频中的关键帧图像进行图像分析，确定学生的操作信息，通过与预存的标准操作信息的比较，判断该学生的操作是否合格，合格操作给出相应的得分，最终统计出各个考点的得分。由此可见，本发明实施例提供的智能评分方法能够对学生在整个考试过程中的操作进行智能化分析，相比于人工监考，得出的评分更加客观、真实、公平。
图1为本发明实施例提供的化学实验操作的智能评分方法的系统架构图。如图1所示，本发明实施例提供的智能评分系统包括：智能评分装置10以及至少一个图像采集装置(图1示出了两个图像采集装置，第一图像采集装置20和第二图像采集装置30)。智能评分装置分别与每一个图像采集装置通信连接。
第一图像采集装置20位于操作平台的正前方，用于正拍操作人员进行化学实验的操作过程。第二图像采集装置30位于操作平台的正上方，用于俯拍操作人员进行化学实验的操作过程。需要说明的是，第一图像采集装置为主要的图像采集装置，第二图像采集装置为辅助的图像采集装置。正面采集的图像仅能体现二维画面，即x、y方向，不能体现z方向。以操作人员使用胶头滴管向试管滴加液体为例，正面采集的图像无法获取胶头滴管是否在z方向有倾斜角度，通过设置在操作平台上方的第二图像采集装置即可获取胶头滴管在z方向是否有倾斜角度，从而正确判断操作人员是否正确使用胶头滴管(如是否垂直悬空滴加液体)。
图1所示的系统架构仅作为一种示例，还可以根据实际情况，在操作平台正前方设置多个图像采集装置，这多个图像采集装置位于不同高度，例如在操作台高度设置一个图像采集装置用于采集量筒或烧杯的液面高度，或者采集操作人员在读取该液面高度时双眼是否平视液面。可选的，在操作平台正上方的不同位置设置多个图像采集装置。本发明实施例对图像采集装置的个数不做任何限定。
图2为本发明实施例提供的化学实验操作的智能评分方法的一种流程图，如图2所示，该智能评分方法主要包括以下过程：对原始图像进行图像预处理，图像预处理过程为可选项，是将原始图像的尺寸进行缩小或放大，使其符合目标检测网络模型的输入要求。在完成图像预处理过程之后，将处理后的图像输入至目标检测网络模型，检测图像中的化学器皿(比如试管、量筒等)、操作人员的眼部或者手部的位置框(或称为目标框)，该位置框仅指示了化学器皿、操作人员的眼部或手部的大致位置，没有细节特征。在完成目标检测之后，再通过关键点检测模型，检测图像中化学器皿的轮廓信息，或者操作人员双眼眼球位置等细节特征，从而确定输入图像的操作信息。其中，操作信息包括操作类型、各化学器皿的位置、轮廓信息、操作人员的眼部或手部的位置、轮廓信息等。随后对操作信息进行判定，确定操作人员的某一项或多项操作是否符合操作要求，最终输出评分结果。上述处理过程能够对学生在整个考试过程中的操作进行智能化分析，相比于人工监考，得出的评分更加客观真实。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图3为本发明实施例提供的化学实验操作的智能评分方法的流程图，如图3所示，本发明实施例提供的智能评分方法包括如下步骤：
步骤101、获取至少一帧待检测图像，待检测图像用于呈现操作人员进行化学实验操作的操作信息。
在一种可能的实现方式中，智能评分装置可以获取来自一个图像采集装置的至少一帧待检测图像，该图像采集装置位于操作台的正前方，用于正面拍摄操作人员进行化学实验的操作过程。
在一种可能的实现方式中，智能评分装置获取来自多个图像采集装置的至少一帧待检测图像，例如获取两个图像采集装置的至少一帧待检测图像，其中，第一图像采集装置位于操作台的正前方，用于正拍操作人员进行化学实验的操作过程。第二图像采集装置位于操作台的正上方，用于俯拍操作人员进行化学实验的操作过程。第一图像采集装置采集的第一待检测图像和第二图像采集装置采集的第二待检测图像应该是同一时刻拍摄的不同角度的待检测图像，智能评分装置根据同一时刻拍摄的第一待检测图像和第二待检测图像确定操作人员在该时刻的操作信息。
与第一种实现方式相比，第二种实现方式可以获取不同角度操作人员进行实验操作的操作画面，从而结合不同角度的操作画面进行综合判断，判断结果更接近真实情况，判断的准确性更高。
在实际应用中，对于每一个图像采集装置，智能评分装置获取该图像采集装置的至少一帧待检测图像，包括：从该图像采集装置拍摄的操作视频中，获取一个或多个关键帧图像，将一个或多个关键帧图像作为待检测图像，进行后续的图像分析。由于操作视频中连续的两帧图像变化较小(变化不明显)，因此本方案仅获取操作视频中的关键帧图像作为待检测图像，从而降低智能评分装置进行图像分析的工作量。
可选的，本发明实施例的智能评分装置可以具有图像采集功能，即图像采集装置与智能评分装置集成一体，智能评分装置位于操作台的正前方或者正上方，直接获取至少一帧待检测图像，执行下述步骤。
步骤102、根据至少一帧待检测图像确定操作信息。
在本发明实施例中，根据至少一帧待检测图像确定操作信息，包括以下两种情况：
第一种情况，根据一帧待检测图像确定操作信息。该帧待检测图像为图像采集装置采集的操作视频中的关键帧图像，该关键帧图像呈现了操作人员进行某一项操作的操作信息。例如，该关键帧图像呈现了操作人员使用胶头滴管向试管滴加液体时的操作信息，该图像不是滴加前也不是滴加后的图像，是滴加液体时的图像，根据该图像进行图像分析最为合适。
第二种情况，根据多帧待检测图像确定操作信息。这里的多帧待检测图像具有两种含义：
其一，多帧待检测图像是来自同一图像采集装置的多帧图像。以两帧待检测图像为例，这两帧待检测图像来自同一图像采集装置，第一待检测图像呈现操作人员滴加液体前试管的颜色，第二待检测图像呈现操作人员滴加液体后试管的颜色，智能评分装置根据这两帧图像确定操作人员使用试剂是否正确。例如，颜色由无色变为有色确定使用试剂正确。
其二，多帧待检测图像是来自不同图像采集装置的多帧图像。同样的，以两帧待检测图像为例，这两帧待检测图像来自设置在不同位置的两个图像采集装置，第一待检测图像从正面呈现操作人员使用胶头滴管向试管滴加液体，第二待检测图像从俯视角度呈现操作人员使用胶头滴管向试管滴加液体，智能评分装置根据这两帧图像确定操作人员是否正确使用胶头滴管。
如图4所示，步骤102，具体包括如下步骤：
步骤1021、对至少一帧待检测图像进行目标检测，得到每一帧待检测图像中的目标对象的目标框和分类结果。
具体的，将每一帧待检测图像输入至预先训练好的目标检测模型中，得到每一帧待检测图像中的目标对象的目标框和分类结果。
本发明实施例中的目标对象包括：操作人员的任意身体部位、化学器皿、化学器皿的液体部分中的至少一项。其中，操作人员的任意身体部位包括头部、眼睛、手等。化学器皿包括试管、胶头滴管、量筒、烧杯、试纸、搅拌棒等。化学器皿的液体部分包括试管、量筒、烧杯内的液体部分，用于获取液体的高度或者体积量等信息。
本发明实施例的目标检测模型用于检测图像中操作人员、化学器皿、化学器皿的液体部分的至少一项。该目标检测模型是基于深度学习框架和网络模型进行训练得到的，目标检测模型的训练过程包括：
(1)建立初始目标检测模型；
(2)获取不同操作人员进行多种化学实验操作的图像样本，以及对图像样本的第一标注结果，第一标注结果包括图像样本中的目标对象的目标框和分类结果；
(3)通过将图像样本作为目标检测模型的输入，将第一标注结果作为目标检测模型的输出，对初始目标检测模型进行训练，得到目标检测模型。
其中，深度学习框架包括但不限于Caffe框架、Tensorflow框架、Keras框架等，网络模型包括但不限于YOLO、SSD等。
步骤1022、对目标对象的目标框对应的图像块进行关键点检测，得到目标对象的轮廓信息。
具体的，将目标对象的目标框对应的图像块输入至预先训练好的关键点检测模型，得到目标对象的轮廓信息。
本发明实施例的关键点检测模型用于进一步检测目标对象所在图像块中目标对象的轮廓信息(包括轮廓关键点)，例如检测试管口、试管底部、量筒的尖嘴、烧杯的尖嘴等。该关键点检测模型同样是基于深度学习框架和网络模型进行训练得到的，关键点检测模型的训练过程包括：
(1)建立初始关键点检测模型；
(2)获取不同操作人员进行多种化学实验操作的图像样本中各目标对象的图像块，以及对图像块的第二标注结果，第二标注结果包括各目标对象的轮廓关键点；
(3)通过将图像块作为关键点检测模型的输入，将第二标注结果作为关键点检测模型的输出，对初始关键点检测模型进行训练，得到关键点检测模型。
步骤1023、根据目标对象的目标框、分类结果以及轮廓信息，确定操作信息。
本发明实施例的操作信息包括：操作类型、操作类型对应的至少一个目标对象的位置信息、轮廓信息以及分类结果。
其中，操作类型包括以下的任一种：使用胶头滴管滴加液体；将量筒内液体转移到试管；将烧杯内液体转移到量筒；量筒读数；量取液体体积量；使用纸槽转移固体。
通过上述目标检测和关键点检测，可获知待检测图像中各个目标对象的位置、类别以及轮廓信息，从而确定该图像呈现的操作信息。例如，通过目标检测模型，检测到一个试管、一个量筒、量筒内的液体部分以及操作人员的手部，再通过关键点检测，检测到量筒的尖嘴、试管口等关键点，从而可以确定该图像呈现的具体操作，对应的操作信息包括：操作类型为将量筒内液体转移到试管的操作，试管、量筒、量筒内液体部分的位置，量筒的尖嘴、试管口的位置等。
步骤103、判断操作信息是否符合预设评判集合中的至少一项，得到判断结果，预设评判集合用于指示多种操作类型的评判标准。
智能评分装置确定该图像的操作信息之后，判断该操作信息是否符合预设评判集合中的至少一项。其中，预设评判集合包括：
(1)胶头滴管滴加液体的倾斜角度小于第一角度，且胶头滴管伸入试管口或量筒口的距离小于第一距离。示例性的，第一角度设置为30°，第一距离设置为1cm。
(2)量筒尖嘴与试管口之间的距离小于第二距离直至液体转移完毕。示例性的，第二距离设置为0.1cm。该评判标准要求考生在转移液体过程中，量筒尖嘴要紧贴试管口。如果考生在转移液体过程中，未使用量筒尖嘴紧贴试管口或者量筒尖嘴在倾倒过程中离开了试管口，都判定该项操作不合格。
(3)烧杯尖嘴与量筒口之间的距离小于第二距离直至液体转移完毕。该评判标准要求考生在转移液体过程中，烧杯尖嘴要紧贴量筒口。
(4)操作人员双眼连线与量筒内液面的夹角小于第二角度。示例性的，第二角度设置为5°该评判标准要求考生在进行量筒读数过程中，双眼要平视量筒中的液体的凹液面。
(5)液面高度与预设高度的差值小于预设值。该评判标准要求考生量取的液体体积量达到预设体积量。如果液面高度在要求的量取范围的误差在10％以内，则判定量取体积正确。
(6)试管水平放置时，纸槽伸入试管的一端与试管底部的距离小于第三距离。该评判标准要求考生使用纸槽转移固体时，纸槽要在试管平放的时候伸入试管底部，之后试管由平放变为竖直放置。如果纸槽伸入试管底部的距离小于第三距离，例如1cm，并有明显的试管竖起来的过程(可通过多帧图像确定)，则判定该项操作合格。
(7)滴加液体后试管的颜色由无色变为有色，或者由有色变为无色。
其中，上述集合中的评判标准(1)对应的操作类型为：使用胶头滴管滴加液体；评判标准(2)对应的操作类型为：将量筒内液体转移到试管；评判标准(3)对应的操作类型为：将烧杯内液体转移到量筒；评判标准(4)对应的操作类型为：量筒读数；评判标准(5)对应的操作类型为：量取液体体积量；评判标准(6)对应的操作类型为：使用纸槽转移固体；评判标准(7)对应的操作类型为：使用胶头滴管滴加液体。
需要说明的是，上述判断操作信息是否符合预设评判集合中的至少一项包括以下两种情况：
第一种情况，判断操作信息是否符合预设评判集合中的其中一项。
针对获取的单帧待检测图像，在确定该待检测图像的操作信息之后，进一步判断该操作信息是否符合预设评判集合中的其中一项，若符合预设评判集合中的其中一项，则输出包括操作类型的标识，以及该操作类型的标识对应的判断结果。作为一种示例，判断结果包括0和1，0代表该操作合格，1代表该操作不合格，这里仅仅作为一种示例，当然还可以通过其他方式对判断结果进行区分。
针对获取的多帧待检测图像，例如同一图像采集装置采集的多帧待检测图像，体现某一项操作的操作过程，需要通过分析多帧图像进行操作信息的确认。例如，对于操作类型为将量筒内液体转移到试管，该操作对应的评判规则是量筒尖嘴与试管口之间的距离小于第二距离直至液体转移完毕，因此，需要通过分析多帧图像进行操作信息的确认。在确定液体转移过程中量筒尖嘴与试管口距离始终小于第二距离时，可判断该操作合格。相应的判断结果包括操作类型的标识，以及该操作类型标识对应的判断结果。
第二种情况，判断操作信息是否符合预设评判集合中的多项。针对获取的多帧待检测图像，例如同一图像采集装置采集的多帧待检测图像，体现的操作类型可以包括两项，例如将烧杯内液体转移到量筒以及量取液体体积量。应理解，为了达到某一液体体积量，操作人员将液体从烧杯转移至量筒的过程中，还需要观察倒入量筒的液体体积量，需要确保转移的液体体积量为预设的液体体积量，因此，在对这多帧待检测图像进行图像分析时，在确定转移液体操作是否合格的同时，还可以确定量取的液体体积量是否合格。即针对获取的多帧待检测图像，通过分析多帧图像可以确定包括多项(例如两项)操作类型的操作信息，相应的，需要判断操作信息是否符合预设评判集合中的多项(例如两项)。相应的判断结果包括上述两项操作类型的标识以及每一项操作类型的标识对应的判断结果。
本发明实施例的判断结果包括至少一种操作类型的标识以及至少一种操作类型的标识对应的判断结果。至少一种操作类型的标识对应的判断结果包括合格或不合格。
步骤104、根据判断结果输出至少一帧待检测图像对应的评分结果。
具体的，根据判断结果以及预设评分标准，输出至少一帧待检测图像对应的评分结果，预设评分标准用语指示不同操作类型的操作合格对应的得分。不同操作类型的操作合格对应的得分可以相同也可以不同，对此本实施例不作任何限制，可以根据实际需求任意设置得分。
需要说明的是，本发明实施例提供的智能评分方法，可以对操作人员的操作视频进行实时地图像分析，确定操作信息，判断操作信息是否符合预设评判集合中的至少一项，得出判断结果，并实时输出该操作对应的得分，随着实验操作的进行，可以将得分进行累加，直至实验考试结束，最终输出该操作人员进行化学实验操作全过程的总得分。
本发明实施例提供的化学实验操作的智能评分方法，通过获取至少一帧待检测图像，该至少一帧待检测图像用于呈现操作人员进行化学实验操作的操作信息，根据至少一帧待检测图像确定操作信息，判断该操作信息是否符合预设评判集合中的至少一项，得到判断结果，根据判断结果输出至少一帧待检测图像对应的评分结果。上述方法通过对图像进行智能化分析确定操作信息，判断该操作信息是否符合标准要求，若符合标准要求得到相应的得分，相比于人工监考，得出的评分更加客观真实。
上述技术方案使用基于深度学习的目标分类、目标检测和关键点检测方法，对化学实验中的七种常规操作考点中所涉及到的目标对象进行检测，首次实现对化学实验常规操作进行智能化的检测。进一步的，上述技术方案还涉及对目标对象状态的检测(即确定操作事件)以及对事件逻辑判断部分，最终对化学实验常规操作所涉及的七个考点操作的规范性和正确性进行了判定。上述方案可用于学校中化学实验考试的自动化/智能化评分，极大地减少监考老师的工作量。
本发明实施例可以根据上述方法实施例对智能评分装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以使用硬件的形式实现，也可以使用软件功能模块的形式实现。需要说明的是，本发明实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。下面以使用对应各个功能划分各个功能模块为例进行说明。
图5为本发明实施例提供的化学实验操作的智能评分装置的结构示意图，如图5所示，本发明实施例提供的智能评分装置200，包括：
获取模块201，用于获取至少一帧待检测图像，所述待检测图像用于呈现操作人员进行化学实验操作的操作信息；
处理模块202，用于根据所述至少一帧待检测图像确定所述操作信息；
处理模块202，还用于判断所述操作信息是否符合预设评判集合中的至少一项，得到判断结果，所述预设评判集合用于指示多种操作类型的评判标准；
展示模块203，用于根据所述判断结果输出所述至少一帧待检测图像对应的评分结果。
可选的，处理模块202，具体用于：
对所述至少一帧待检测图像进行目标检测，得到每一帧待检测图像中的目标对象的目标框和分类结果；
对所述目标对象的目标框对应的图像块进行关键点检测，得到所述目标对象的轮廓信息；
根据所述目标对象的目标框、分类结果以及轮廓信息，确定所述操作信息。
可选的，处理模块202，具体用于：
将每一帧待检测图像输入至预先训练好的目标检测模型中，得到每一帧待检测图像中的目标对象的目标框和分类结果。
可选的，所述目标检测模型的训练过程包括：
建立初始目标检测模型；
获取不同操作人员进行多种化学实验操作的图像样本，以及对所述图像样本的第一标注结果，所述第一标注结果包括所述图像样本中的所述目标对象的目标框和分类结果；
通过将所述图像样本作为所述目标检测模型的输入，将所述第一标注结果作为所述目标检测模型的输出，对所述初始目标检测模型进行训练，得到所述目标检测模型。
可选的，处理模块202，具体用于：
将所述目标对象的目标框对应的图像块输入至预先训练好的关键点检测模型，得到所述目标对象的轮廓信息。
可选的，所述关键点检测模型的训练过程包括：
建立初始关键点检测模型；
获取不同操作人员进行多种化学实验操作的图像样本中各所述目标对象的图像块，以及对所述图像块的第二标注结果，所述第二标注结果包括各所述目标对象的轮廓关键点；
通过将所述图像块作为所述关键点检测模型的输入，将所述第二标注结果作为所述关键点检测模型的输出，对所述初始关键点检测模型进行训练，得到所述关键点检测模型。
可选的，所述目标对象包括所述操作人员的任意身体部位、化学器皿、所述化学器皿的液体部分中的至少一项。
可选的，所述操作信息包括操作类型、所述操作类型对应的至少一个目标对象的位置信息、轮廓信息以及分类结果。
可选的，所述操作类型包括以下的任意一种：
使用胶头滴管滴加液体；
将量筒内液体转移到试管；
将烧杯内液体转移到量筒；
量筒读数；
量取液体体积量；
使用纸槽转移固体。
可选的，所述预设评判集合包括：
胶头滴管滴加液体的倾斜角度小于第一角度，且所述胶头滴管伸入试管口或量筒口的距离小于第一距离；
量筒尖嘴与试管口之间的距离小于第二距离直至液体转移完毕；
烧杯尖嘴与量筒口之间的距离小于所述第二距离直至液体转移完毕；
操作人员双眼连线与量筒内液面的夹角小于第二角度；
液面高度与预设高度的差值小于预设值；
试管水平放置时，纸槽伸入试管的一端与试管底部的距离小于第三距离；
滴加液体后试管的颜色由无色变为有色，或者由有色变为无色。
可选的，所述判断结果包括至少一种操作类型的标识以及所述至少一种操作类型的标识对应的判断结果；
可选的，展示模块203，具体用于：
根据所述判断结果以及预设评分标准，输出所述至少一帧待检测图像对应的评分结果；所述预设评分标准用于指示不同操作类型的操作合格对应的得分。
本发明实施例提供的智能评分装置，用于执行前述方法实施例中的各个步骤，其实现原理和技术效果类似，在此不再赘述。
图6为本发明实施例提供的化学实验操作的智能评分装置的硬件结构示意图。如图6所示，该智能评分装置300，包括：
至少一个处理器301(图6中仅示出了一个处理器)；以及
与所述至少一个处理器通信连接的存储器302；其中，
所述存储器302存储有可被所述至少一个处理器301执行的指令，所述指令被所述至少一个处理器301执行，以使所述至少一个处理器301能够执行前述方法实施例中的各个步骤。
图7为本发明实施例提供的化学实验操作的智能评分装置的硬件结构示意图。在图6实施例的基础上，如图7所示，该智能评分装置300，还可以包括：显示器303，所述显示器303用于展示至少一个处理器301输出的评分结果。
图8为本发明实施例提供的化学实验操作的智能评分装置的硬件结构示意图。在图6或图7实施例的基础上，如图8所示，该智能评分装置300，还可以包括：至少一个图像采集装置304，图像采集装置304用于采集操作人员进行化学实验操作的至少一帧待检测图像。
本发明实施例还提供一种化学实验操作的智能评分系统，该系统包括：智能评分装置，以及与智能评分装置连接的至少一个图像采集装置，可参见图1。
可选的，至少一个图像采集装置包括第一图像采集装置和第二图像采集装置。第一图像采集装置用于正拍所述操作人员进行化学实验的操作过程，第二图像采集装置用于俯拍所述操作人员进行化学实验的操作过程。
本发明实施例还提供一种化学实验操作的智能评分系统，该系统包括：智能评分装置，以及与智能评分装置连接的终端设备。
其中，智能评分装置用于将评分结果发送至与该智能评分装置通信连接的任意终端，该终端可以是校内考试平台、监考老师或学生使用的智能终端，例如智能手机、IPAD、手提电脑、可穿戴设备等。
可选的，智能评分装置位于操作台的正前方或正上方。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现前述任一方法实施例中的技术方案。
应理解，本发明实施例中提及的处理器可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解，本发明实施例中提及的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM，DR RAM)。
需要说明的是，当处理器为通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件时，存储器(存储模块)集成在处理器中。
应注意，本文描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种化学实验操作的智能评分方法，其特征在于，包括：
获取至少一帧待检测图像，所述待检测图像用于呈现操作人员进行化学实验操作的操作信息；
根据所述至少一帧待检测图像确定所述操作信息；
判断所述操作信息是否符合预设评判集合中的至少一项，得到判断结果，所述预设评判集合用于指示多种操作类型的评判标准；
根据所述判断结果输出所述至少一帧待检测图像对应的评分结果；
所述根据所述至少一帧待检测图像确定所述操作信息，包括：
将每一帧所述待检测图像输入至预先训练好的目标检测模型中，得到每一帧所述待检测图像中的目标对象的目标框和分类结果；
将所述目标对象的目标框对应的图像块输入至预先训练好的关键点检测模型中，得到所述目标对象的轮廓信息，所述轮廓信息包括轮廓关键点；
根据所述目标对象的目标框、分类结果以及轮廓信息，确定所述操作信息。
2.根据权利要求1所述的方法，其特征在于，所述目标检测模型的训练过程包括：
建立初始目标检测模型；
获取不同操作人员进行多种化学实验操作的图像样本，以及对所述图像样本的第一标注结果，所述第一标注结果包括所述图像样本中的所述目标对象的目标框和分类结果；
通过将所述图像样本作为所述目标检测模型的输入，将所述第一标注结果作为所述目标检测模型的输出，对所述初始目标检测模型进行训练，得到所述目标检测模型。
3.根据权利要求1所述的方法，其特征在于，所述关键点检测模型的训练过程包括：
建立初始关键点检测模型；
获取不同操作人员进行多种化学实验操作的图像样本中各所述目标对象的图像块，以及对所述图像块的第二标注结果，所述第二标注结果包括各所述目标对象的轮廓关键点；
通过将所述图像块作为所述关键点检测模型的输入，将所述第二标注结果作为所述关键点检测模型的输出，对所述初始关键点检测模型进行训练，得到所述关键点检测模型。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述判断结果包括至少一种操作类型的标识以及所述至少一种操作类型的标识对应的判断结果；所述根据所述判断结果输出所述至少一帧待检测图像对应的评分结果，包括：
根据所述判断结果以及预设评分标准，输出所述至少一帧待检测图像对应的评分结果；所述预设评分标准用于指示不同操作类型的操作合格对应的得分。
5.一种化学实验操作的智能评分装置，其特征在于，包括：
获取模块，用于获取至少一帧待检测图像，所述待检测图像用于呈现操作人员进行化学实验操作的操作信息；
处理模块，用于根据所述至少一帧待检测图像确定所述操作信息；
所述处理模块，还用于判断所述操作信息是否符合预设评判集合中的至少一项，得到判断结果，所述预设评判集合用于指示多种操作类型的评判标准；
展示模块，用于根据所述判断结果输出所述至少一帧待检测图像对应的评分结果；
所述处理模块，具体用于：
将每一帧待检测图像输入至预先训练好的目标检测模型中，得到每一帧待检测图像中的目标对象的目标框和分类结果；
将所述目标对象的目标框对应的图像块输入至预先训练好的关键点检测模型，得到所述目标对象的轮廓信息，所述轮廓信息包括轮廓关键点；
根据所述目标对象的目标框、分类结果以及轮廓信息，确定所述操作信息。
6.一种化学实验操作的智能评分装置，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
显示器，所述显示器用于展示所述至少一个处理器输出的评分结果。
8.根据权利要求6或7所述的装置，其特征在于，所述装置还包括：
至少一个图像采集装置，所述图像采集装置用于采集操作人员进行化学实验操作的至少一帧待检测图像。
9.一种计算机可读存储介质，其特征在于，包括：用于存储计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010243474.4A CN111753635B (zh) | 2020-03-31 | 2020-03-31 | 化学实验操作的智能评分方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010243474.4A CN111753635B (zh) | 2020-03-31 | 2020-03-31 | 化学实验操作的智能评分方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111753635A CN111753635A (zh) | 2020-10-09 |
| CN111753635B true CN111753635B (zh) | 2023-08-04 |
Family
ID=72673273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010243474.4A Active CN111753635B (zh) | 2020-03-31 | 2020-03-31 | 化学实验操作的智能评分方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111753635B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113128876A (zh) * | 2021-04-22 | 2021-07-16 | 北京房江湖科技有限公司 | 基于图像的对象管理方法、装置及计算机可读存储介质 |
| CN113393723A (zh) * | 2021-07-05 | 2021-09-14 | 重庆安伏特电子技术有限公司 | 一种用于电路实验操作考试的智能评价装置及方法 |
| CN114822160A (zh) * | 2022-04-25 | 2022-07-29 | 上海瑞玛教育信息咨询有限公司 | 教学用智能量筒的操作评判方法 |
| CN114881541B (zh) * | 2022-07-06 | 2022-11-11 | 成都西交智汇大数据科技有限公司 | 一种考生成绩的评定方法、装置、设备及可读存储介质 |
| CN114999000B (zh) * | 2022-08-01 | 2022-10-11 | 广东童园科技有限公司 | 一种基于人工智能的实验流程动作识别评分方法 |
| CN115019240B (zh) * | 2022-08-04 | 2022-11-11 | 成都西交智汇大数据科技有限公司 | 化学实验操作的评分方法、装置、设备及可读存储介质 |
| CN115359412B (zh) * | 2022-10-24 | 2023-03-03 | 成都西交智汇大数据科技有限公司 | 一种盐酸中和实验评分方法、装置、设备及可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108062635A (zh) * | 2018-01-10 | 2018-05-22 | 吉林大学 | 具有成绩评定功能的智能实验监测系统 |
| CN109035091A (zh) * | 2018-07-25 | 2018-12-18 | 深圳市异度信息产业有限公司 | 一种用于学生实验的打分方法、装置及设备 |
| CN109727172A (zh) * | 2019-03-18 | 2019-05-07 | 上海中科教育装备集团有限公司 | 一种人工智能机器学习实验技能评分系统 |
| CN110059623A (zh) * | 2019-04-18 | 2019-07-26 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
| CN110223202A (zh) * | 2018-03-01 | 2019-09-10 | 彼乐智慧科技（北京）有限公司 | 一种教学道具识别与评分的方法及系统 |
| CN209530927U (zh) * | 2018-07-25 | 2019-10-25 | 杭州海康威视数字技术股份有限公司 | 一种实验台 |
| CN110728225A (zh) * | 2019-10-08 | 2020-01-24 | 北京联华博创科技有限公司 | 一种用于考勤的高速人脸搜索方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108229509B (zh) * | 2016-12-16 | 2021-02-26 | 北京市商汤科技开发有限公司 | 用于识别物体类别的方法及装置、电子设备 |
-
2020
- 2020-03-31 CN CN202010243474.4A patent/CN111753635B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108062635A (zh) * | 2018-01-10 | 2018-05-22 | 吉林大学 | 具有成绩评定功能的智能实验监测系统 |
| CN110223202A (zh) * | 2018-03-01 | 2019-09-10 | 彼乐智慧科技（北京）有限公司 | 一种教学道具识别与评分的方法及系统 |
| CN109035091A (zh) * | 2018-07-25 | 2018-12-18 | 深圳市异度信息产业有限公司 | 一种用于学生实验的打分方法、装置及设备 |
| CN209530927U (zh) * | 2018-07-25 | 2019-10-25 | 杭州海康威视数字技术股份有限公司 | 一种实验台 |
| CN109727172A (zh) * | 2019-03-18 | 2019-05-07 | 上海中科教育装备集团有限公司 | 一种人工智能机器学习实验技能评分系统 |
| CN110059623A (zh) * | 2019-04-18 | 2019-07-26 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
| CN110728225A (zh) * | 2019-10-08 | 2020-01-24 | 北京联华博创科技有限公司 | 一种用于考勤的高速人脸搜索方法 |
Non-Patent Citations (2)
| Title |
|---|
| Edge Detection Using Convolutional Neural Network;Ruohui Wang;《Advances in Neural Networks》;第1-20页 * |
| 基于姿态估计的驾驶员手部动作检测方法研究;刘唐波;杨锐;王文伟;何楚;;信号处理(第12期);第36-143页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111753635A (zh) | 2020-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111753635B (zh) | 化学实验操作的智能评分方法、装置及存储介质 | |
| CN103528617B (zh) | 一种座舱仪表自动识别和检测方法及装置 | |
| CN104697938B (zh) | 一种试纸读取方法及使用该方法进行验孕和排卵的测试方法 | |
| CN113628079A (zh) | 评分方法、装置、电子设备及可读介质 | |
| TWI716012B (zh) | 樣本標註方法、裝置、儲存媒體和計算設備、損傷類別的識別方法及裝置 | |
| CN110135271A (zh) | 一种细胞分类方法及装置 | |
| WO2024051597A1 (zh) | 一种引体向上的规范计数方法、系统及其存储介质 | |
| CN111242813B (zh) | 一种基于视频分析的考评方法、装置及系统 | |
| CN112101124A (zh) | 一种坐姿检测方法及装置 | |
| CN114973090A (zh) | 一种实验评分方法、装置、电子设备及存储介质 | |
| CN114170597A (zh) | 一种藻类检测设备及检测方法 | |
| WO2022247067A1 (zh) | 智能视力测试方法、装置及系统 | |
| CN113177397B (zh) | 表格的调整方法、装置、设备以及存储介质 | |
| CN111768439B (zh) | 一种确定实验评分的方法、装置、电子设备及介质 | |
| CN115359412B (zh) | 一种盐酸中和实验评分方法、装置、设备及可读存储介质 | |
| TW202219494A (zh) | 缺陷檢測方法及檢測裝置 | |
| CN116503783A (zh) | 一种中学测量物质密度实验智能评分系统 | |
| CN110765953A (zh) | 一种多媒体教学教师签到监控方法及系统 | |
| CN108074240B (zh) | 识别方法、识别装置、计算机可读存储介质及程序产品 | |
| CN111753633B (zh) | 目标检测方法及装置 | |
| CN110930364B (zh) | 一种基于ai的视频显微镜的实现方法 | |
| CN111832860B (zh) | 一种基于视频的评分方法、装置及电子设备 | |
| CN116662211B (zh) | 显示界面测试方法、装置及设备和介质 | |
| CN114140282B (zh) | 一种基于深度学习的普教课堂答题快速评审方法及装置 | |
| DE102016201987A1 (de) | Ein Verfahren zum Testen einer durch eine Displayeinrichtung angezeigten Grafik |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |