CN112163529A - 一种试卷统分的系统及方法 - Google Patents
一种试卷统分的系统及方法 Download PDFInfo
- Publication number
- CN112163529A CN112163529A CN202011059249.1A CN202011059249A CN112163529A CN 112163529 A CN112163529 A CN 112163529A CN 202011059249 A CN202011059249 A CN 202011059249A CN 112163529 A CN112163529 A CN 112163529A
- Authority
- CN
- China
- Prior art keywords
- image
- coordinates
- module
- test paper
- question
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000007781 pre-processing Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 25
- CCPPLLJZDQAOHD-UHFFFAOYSA-N vernolic acid Natural products CCCCCC1OC1CC=CCCCCCCCC(O)=O CCPPLLJZDQAOHD-UHFFFAOYSA-N 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- 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
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- 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
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种试卷统分的系统及方法,系统包括有出卷模块、图像采集模块、图像预处理模块、图像识别模块和统分模块。利用本发明系统和方法进行统分,只需要在组卷时实现明确试卷的相关信息,在采集试卷的图像后,系统自动定位、识别、统分和记录,能够有效提高统分的准确性,大大降低教师的工作量。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种试卷统分的系统及方法。
背景技术
当前绝大部分学校考试试卷依然采用人工阅卷方式,通常是在阅卷后将每道题目的分数统一填到试卷首页分数栏,或将统计的分数标注在对应题目边缘,仍是需要人工核算总分,核算完全部总分还需人工录入到学生成绩单或计算机中。这种方式给教师带来巨大的工作量,且人工计算总分无论是用心算还是用计算器都比较容易出错,为了降低出错率,一份试卷往往需要反复核算多次,同时人工录入成绩的过程也容易出错。
CN111367451A(公开日:2020.07.03)公开了一种网络阅卷手写计分的方法及系统,需要对试卷各题的答题区进行图像识别定位,效率并不高,且打分框与切分区域有50%重合关联的要求。无论是答题区分割还是打分框的关联关系都对答题卡有着一定的要求。且该技术方案并未提供切割答题区的方法,也未对统分结果进一步分析。
CN109284702A(公开日:2019.01.29)公开了一种基于图像模式的答题卷给分及阅卷系统,需要加入二维码辅助定位,定位准确度及精度存疑,且答题卡上的二维码区域若被涂改则直接会导致无法统分,该技术方案也并未提供容错方法。
CN109800694A(公开日:2019.05.24)公开了一种试卷识别批改方法、装置、计算机设备及存储介质,需要对识别的目标提前做标记,若标记被涂改则无法继续统分。
CN111428724A(公开日:2020.07.17)公开了一种试卷手写统分方法、装置及存储介质,需要对识别的目标提前做标记,若标记被涂改则无法继续统分。
CN108710605A(公开日:2018.10.26)公开了一种纸上手工阅卷电脑统分的方法与系统,无需打分框,但需要设计排版结构分析器,也并未说明该分析器如何工作,如何识别排版。
发明内容
针对现有技术的不足,本发明旨在提供一种试卷统分的系统及方法。
为了实现上述目的,本发明采用如下技术方案:
一种试卷统分的系统,包括有出卷模块、图像采集模块、图像预处理模块、图像识别模块和统分模块;
所述出卷模块用于供教师按照年级、科目、章节、知识点、题目难易程度,自主从试题库中选取题目组卷,并明确所采用试卷的信息,试卷的信息包括宽Width、高Hight、学生信息填写区域,以及对试卷中各题目进行打分的区域;所述学生信息填写区域的位置以左上角坐标(Iltx,Ilty)与右下角坐标(Irbx,Irby)确定;对试卷中第i题进行打分的区域的位置通过左上角坐标(Miltx,Milty)与右下角坐标(Mirbx,Mirby)确定;
图像采集模块用于采集需要统分的试卷的原图;
图像预处理模块用于对图像采集模块采集得到的原图进行预处理,得到矫正后的试卷的矩形图片,并获得该矩形图片的宽Wphoto与高Hphoto;
图像识别模块用于对图像预处理模块获得的矩形图片进行识别,识别获得试卷上的学生信息和各题目的打分结果;具体过程为:
①在图像预处理模块获得的矩形图片中获取学生信息填写区域的左上角坐标(PIltx,PIlty)及右下角坐标(PIrtx,PIrty),并进行裁剪;左上角坐标(PIltx,PIlty)及右下角坐标(PIrtx,PIrty)通过如下公式获得:
RatioW=Wphoto/Width (1);
RatioH=Hphoto/Hight (2);
②将①中裁剪得到的学生信息填写区域图片利用文字识别工具识别得到学生信息并保存;
③在图像预处理模块获得的矩形图片中获取各个题目的打分区域并裁剪;第i题的打分区域的左上角坐标(MPiltx,MPilty)及右下角坐标(MPirtx,MPirty)由如下公式获得:
④将③中裁剪得到的各个题目的打分区域图片利用文字识别工具识别各个题目的打分结果并保存;
统分模块用于将图像识别模块识别获得的各个题目的打分结果进行加总得到总分。
进一步地,上述系统中,所述图像采集模块为扫描仪或电子设备摄像头。
进一步地,上述系统中,所述图像预处理模块进行预处理的过程为:
1)将原图保存,并复制一份用于识别的图像副本Pcopy;
2)对Pcopy进行灰度处理和自适应阈值的二值化操作;
3)对2)处理得到的图像依次进行膨胀、腐蚀、膨胀的操作,去除试卷中的噪声;
4)对3)处理获得的图像进行边缘检测;
5)对4)处理获得的图像进行边缘提取,获取面积最大的矩形的四个角点;
6)得出5)中所获得四个角点的最小外接矩形;
7)利用5)中获得的角点与6)中所获得的最小外接矩形对原图进行透射变换,将原图矫正,得出四个角点矫正后的坐标并在经矫正的原图中将对应的矩形图片截取下来,进一步获得该矩形图片的宽Wphoto与高Hphoto。
进一步地,上述系统中,所述统分模块还用于利用总分和学生信息生成该学生的本次考试得分报表。
更进一步地,上述系统中,所述本次考试得分报表中还包括有该学生的学校、年级、年龄、性别的信息。
更进一步地,上述系统中,所述本次考试得分报表中还包含有考试科目、任课老师、考试时间、考试用时、班级平均分、班级最高分、班级最低分、年级平均分、年级最高分、年级最低分、单题平均分、单题最高分、单题最低分的信息。
本发明还提供一种利用上述试卷统分的系统的方法,包括如下步骤:
S1、教师在出卷模块中按照年级、科目、章节、知识点、题目难易程度,自主从试题库中选取题目组卷,并明确所采用试卷的信息,试卷的信息包括宽Width、高Hight、学生信息填写区域,以及对试卷中各题目进行打分的区域;所述学生信息填写区域的位置以左上角坐标(Iltx,Ilty)与右下角坐标(Irbx,Irby)确定;对试卷中第i题进行打分的区域的位置通过左上角坐标(Miltx,Milty)与右下角坐标(Mirbx,Mirby)确定;
S2、教师对试卷完成打分后,利用图像采集模块采集试卷的原图;
S3、图像预处理模块对图像采集模块采集得到的原图进行预处理,得到矫正后的试卷的矩形图片,并获得该矩形图片的宽Wphoto与高Hphoto;
S4、图像识别模块对图像预处理模块获得的矩形图片进行识别,识别获得试卷上的学生信息和各题目的打分结果;具体过程为:
S4.1、在图像预处理模块获得的矩形图片中获取学生信息填写区域的左上角坐标(PIltx,PIlty)及右下角坐标(PIrtx,PIrty),并进行裁剪;左上角坐标(PIltx,PIlty)及右下角坐标(PIrtx,PIrty)通过如下公式获得:
RatioW=Wphoto/Width (1);
RatioH=Hphoto/Hight (2);
S4.2、将步骤S4.1中裁剪得到的学生信息填写区域图片利用文字识别工具识别得到学生信息并保存;
S4.3、在图像预处理模块获得的矩形图片中获取各个题目的打分区域并裁剪;第i题的打分区域的左上角坐标(MPiltx,MPilty)及右下角坐标(MPirtx,MPirty)由如下公式获得:
S4.4、将步骤S4.3中裁剪得到的各个题目的打分区域图片利用文字识别工具识别各个题目的打分结果并保存;
S5、统分模块用于将图像识别模块识别获得的各个题目的打分结果进行加总得到总分并进行保存。
进一步地,上述方法中,步骤S3的具体过程为:
S3.1、将原图保存,并复制一份用于识别的图像副本Pcopy;
S3.2、对Pcopy进行灰度处理和自适应阈值的二值化操作;
S3.3、对步骤S3.2处理得到的图像依次进行膨胀、腐蚀、膨胀的操作,去除试卷中的噪声;
S3.4、对步骤S3.3处理获得的图像进行边缘检测;
S3.5、对步骤S3.4处理获得的图像进行边缘提取,获取面积最大的矩形的四个角点;
S3.6、得出步骤S3.5中所获得四个角点的最小外接矩形;
S3.7、利用步骤S3.5中获得的角点与步骤S3.6中所获得的最小外接矩形对原图进行透射变换,将原图矫正,得出四个角点矫正后的坐标并在经矫正的原图中将对应的矩形图片截取下来,进一步获得该矩形图片的宽Wphoto与高Hphoto。
本发明的有益效果在于:
1、在本发明中,可以事先明确对试卷中各题的打分框或首页分数栏中的打分区域,因此在教师评分过程中没有过多限制,可以在题目边缘的打分框打分,也可以在首页分数栏中打分。
2、本发明不要求在试卷上作识别标记,因此对试卷的形式并无过多限制;
3、对各种拍摄设备有较高的适应能力,不要求必须要通过扫描仪一比一扫描,还可以借助其他具有拍摄能力的电子设备进行拍摄;
4、本发明通过坐标定点识别各个题目的打分结果,识别准确率高。
利用本发明系统和方法进行统分,只需要在组卷时实现明确试卷的相关信息,在采集试卷的图像后,系统自动定位、识别、统分和记录,能够有效提高统分的准确性,大大降低教师的工作量。
具体实施方式
以下将对本发明作进一步的描述,需要说明的是,本实施例以本技术方案为前提,给出了详细的实施方式和具体的操作过程,但本发明的保护范围并不限于本实施例。
实施例1
本实施例提供一种试卷统分的系统,包括有出卷模块、图像采集模块、图像预处理模块、图像识别模块和统分模块;
所述出卷模块用于供教师按照年级、科目、章节、知识点、题目难易程度,自主从试题库中选取题目组卷,并明确所采用试卷的信息,试卷的信息包括宽Width、高Hight、学生信息填写区域,以及对试卷中各题目进行打分的区域;所述学生信息填写区域是指学生填写姓名和学号的区域,其位置以左上角坐标(Iltx,Ilty)与右下角坐标(Irbx,Irby)确定;对试卷中第i题进行打分的区域是指第i题的打分框区域或第i题在首页分数栏中的打分区域,其位置通过左上角坐标(Miltx,Milty)与右下角坐标(Mirbx,Mirby)确定。
图像采集模块用于采集需要统分的试卷的原图,图像采集时需要将整张试卷拍摄进去。所述图像采集模块可以是扫描仪、电子设备摄像头等。
图像预处理模块用于对图像采集模块采集得到的原图进行预处理,具体过程为:
1)将原图保存,并复制一份用于识别的图像副本Pcopy。
2)对Pcopy进行灰度处理和自适应阈值的二值化操作。
3)对2)处理得到的图像依次进行膨胀、腐蚀、膨胀的操作,去除试卷中的内容、线条干扰等噪声。
4)对3)处理获得的图像进行边缘检测。
5)对4)处理获得的图像进行边缘提取,获取面积最大的矩形的四个角点。
6)得出5)中所获得四个角点的最小外接矩形;
7)利用5)中获得的角点与6)中所获得的最小外接矩形对原图进行透射变换,将原图矫正,得出四个角点矫正后的坐标并在经矫正的原图中将对应的矩形图片(即经矫正的试卷图像)截取下来,进一步获得该矩形图片的宽Wphoto与高Hphoto。
图像识别模块用于对图像预处理模块获得的矩形图片进行识别,识别获得试卷上的学生信息和各题目的打分结果。具体过程为:
①在图像预处理模块获得的矩形图片中获取学生信息填写区域的左上角坐标(PIltx,PIlty)及右下角坐标(PIrtx,PIrty),并进行裁剪;左上角坐标(PIltx,PIlty)及右下角坐标(PIrtx,PIrty)通过如下公式获得:
RatioW=Wphoto/Width (1);
RatioH=Hphoto/Hight (2);
PIltx=RatioW*Iltx (3);
PIrbx=RatioW*Irbx
PIlty=RatioH*Ilty
PIrby=RatioH*Irby
②将①中裁剪得到的学生信息填写区域图片利用文字识别工具识别得到学生信息并保存;
③在图像预处理模块获得的矩形图片中获取各个题目的打分区域并裁剪;第i题的打分区域的左上角坐标(MPiltx,MPilty)及右下角坐标(MPirtx,MPirty)由如下公式获得:
④将③中裁剪得到的各个题目的打分区域图片利用文字识别工具识别各个题目的打分结果并保存。
统分模块用于将图像识别模块识别获得的各个题目的打分结果进行加总得到总分。
进一步地,所述统分模块还利用总分和学生信息生成该学生的本次考试得分报表。
进一步地,所述本次考试得分报表中还包括有该学生的学校、年级、年龄、性别的信息。
进一步地,所述本次考试得分报表中还包含有考试科目、任课老师、考试时间、考试用时、班级平均分、班级最高分、班级最低分、年级平均分、年级最高分、年级最低分、单题平均分、单题最高分、单题最低分的信息。
实施例2
本实施例提供一种利用实施例1所述系统的方法:
S1、教师在出卷模块中按照年级、科目、章节、知识点、题目难易程度,自主从试题库中选取题目组卷,并明确所采用试卷的信息,试卷的信息包括宽Width、高Hight、学生信息填写区域,以及对试卷中各题目进行打分的区域;所述学生信息填写区域的位置以左上角坐标(Iltx,Ilty)与右下角坐标(Irbx,Irby)确定;对试卷中第i题进行打分的区域的位置通过左上角坐标(Miltx,Milty)与右下角坐标(Mirbx,Mirby)确定;
S2、教师对试卷完成打分后,利用图像采集模块采集试卷的原图;
S3、图像预处理模块对图像采集模块采集得到的原图进行预处理,具体过程为:
S3.1、将原图保存,并复制一份用于识别的图像副本Pcopy。
S3.2、对Pcopy进行灰度处理和自适应阈值的二值化操作。
S3.3、对步骤S3.2处理得到的图像依次进行膨胀、腐蚀、膨胀的操作,去除试卷中的内容、线条干扰等噪声。
S3.4、对步骤S3.3处理获得的图像进行边缘检测。
S3.5、对步骤S3.4处理获得的图像进行边缘提取,获取面积最大的矩形的四个角点。
S3.6、得出步骤S3.5中所获得四个角点的最小外接矩形;
S3.7、利用步骤S3.5中获得的角点与步骤S3.6中所获得的最小外接矩形对原图进行透射变换,将原图矫正,得出四个角点矫正后的坐标并在经矫正的原图中将对应的矩形图片截取下来,进一步获得该矩形图片的宽Wphoto与高Hphoto。
S4、图像识别模块对图像预处理模块获得的矩形图片进行识别,识别获得试卷上的学生信息和各题目的打分结果;具体过程为:
S4.1、在图像预处理模块获得的矩形图片中获取学生信息填写区域的左上角坐标(PIltx,PIlty)及右下角坐标(PIrtx,PIrty),并进行裁剪;左上角坐标(PIltx,PIlty)及右下角坐标(PIrtx,PIrty)通过如下公式获得:
RatioW=Wphoto/Width (1);
RatioH=Hphoto/Hight (2);
S4.2、将步骤S4.1中裁剪得到的学生信息填写区域图片利用文字识别工具识别得到学生信息并保存;
S4.3、在图像预处理模块获得的矩形图片中获取各个题目的打分区域并裁剪;第i题的打分区域的左上角坐标(MPiltx,MPilty)及右下角坐标(MPirtx,MPirty)由如下公式获得:
S4.4、将步骤S4.3中裁剪得到的各个题目的打分区域图片利用文字识别工具识别各个题目的打分结果并保存。
S5、统分模块用于将图像识别模块识别获得的各个题目的打分结果进行加总得到总分并进行保存。
对于本领域的技术人员来说,可以根据以上的技术方案和构思,给出各种相应的改变和变形,而所有的这些改变和变形,都应该包括在本发明权利要求的保护范围之内。
Claims (8)
1.一种试卷统分的系统,其特征在于,包括有出卷模块、图像采集模块、图像预处理模块、图像识别模块和统分模块;
所述出卷模块用于供教师按照年级、科目、章节、知识点、题目难易程度,自主从试题库中选取题目组卷,并明确所采用试卷的信息,试卷的信息包括宽Width、高Hight、学生信息填写区域,以及对试卷中各题目进行打分的区域;所述学生信息填写区域的位置以左上角坐标(Iltx,Ilty)与右下角坐标(Irbx,Irby)确定;对试卷中第i题进行打分的区域的位置通过左上角坐标(Miltx,Milty)与右下角坐标(Mirbx,Mirby)确定;
图像采集模块用于采集需要统分的试卷的原图;
图像预处理模块用于对图像采集模块采集得到的原图进行预处理,得到矫正后的试卷的矩形图片,并获得该矩形图片的宽Wphoto与高Hphoto;
图像识别模块用于对图像预处理模块获得的矩形图片进行识别,识别获得试卷上的学生信息和各题目的打分结果;具体过程为:
①在图像预处理模块获得的矩形图片中获取学生信息填写区域的左上角坐标(PIltx,PIlty)及右下角坐标(PIrtx,PIrty),并进行裁剪;左上角坐标(PIltx,PIlty)及右下角坐标(PIrtx,PIrty)通过如下公式获得:
RatioW=Wphoto/Width (1);
RatioH=Hphoto/Hight (2);
②将①中裁剪得到的学生信息填写区域图片利用文字识别工具识别得到学生信息并保存;
③在图像预处理模块获得的矩形图片中获取各个题目的打分区域并裁剪;第i题的打分区域的左上角坐标(MPiltx,MPilty)及右下角坐标(MPirtx,MPirty)由如下公式获得:
④将③中裁剪得到的各个题目的打分区域图片利用文字识别工具识别各个题目的打分结果并保存;
统分模块用于将图像识别模块识别获得的各个题目的打分结果进行加总得到总分。
2.根据权利要求1所述的系统,其特征在于,所述图像采集模块为扫描仪或电子设备摄像头。
3.根据权利要求1所述的系统,其特征在于,所述图像预处理模块进行预处理的过程为:
1)将原图保存,并复制一份用于识别的图像副本Pcopy;
2)对Pcopy进行灰度处理和自适应阈值的二值化操作;
3)对2)处理得到的图像依次进行膨胀、腐蚀、膨胀的操作,去除试卷中的噪声;
4)对3)处理获得的图像进行边缘检测;
5)对4)处理获得的图像进行边缘提取,获取面积最大的矩形的四个角点;
6)得出5)中所获得四个角点的最小外接矩形;
7)利用5)中获得的角点与6)中所获得的最小外接矩形对原图进行透射变换,将原图矫正,得出四个角点矫正后的坐标并在经矫正的原图中将对应的矩形图片截取下来,进一步获得该矩形图片的宽Wphoto与高Hphoto。
4.根据权利要求1所述系统,其特征在于,所述统分模块还用于利用总分和学生信息生成该学生的本次考试得分报表。
5.根据权利要求4所述系统,其特征在于,所述本次考试得分报表中还包括有该学生的学校、年级、年龄、性别的信息。
6.根据权利要求4所述系统,其特征在于,所述本次考试得分报表中还包含有考试科目、任课老师、考试时间、考试用时、班级平均分、班级最高分、班级最低分、年级平均分、年级最高分、年级最低分、单题平均分、单题最高分、单题最低分的信息。
7.一种利用上述任一权利要求所述系统的方法,其特征在于,包括如下步骤:
S1、教师在出卷模块中按照年级、科目、章节、知识点、题目难易程度,自主从试题库中选取题目组卷,并明确所采用试卷的信息,试卷的信息包括宽Width、高Hight、学生信息填写区域,以及对试卷中各题目进行打分的区域;所述学生信息填写区域的位置以左上角坐标(Iltx,Ilty)与右下角坐标(Irbx,Irby)确定;对试卷中第i题进行打分的区域的位置通过左上角坐标(Miltx,Milty)与右下角坐标(Mirbx,Mirby)确定;
S2、教师对试卷完成打分后,利用图像采集模块采集试卷的原图;
S3、图像预处理模块对图像采集模块采集得到的原图进行预处理,得到矫正后的试卷的矩形图片,并获得该矩形图片的宽Wphoto与高Hphoto;
S4、图像识别模块对图像预处理模块获得的矩形图片进行识别,识别获得试卷上的学生信息和各题目的打分结果;具体过程为:
S4.1、在图像预处理模块获得的矩形图片中获取学生信息填写区域的左上角坐标(PIltx,PIlty)及右下角坐标(PIrtx,PIrty),并进行裁剪;左上角坐标(PIltx,PIlty)及右下角坐标(PIrtx,PIrty)通过如下公式获得:
RatioW=Wphoto/Width (1);
RatioH=Hphoto/Hight (2);
S4.2、将步骤S4.1中裁剪得到的学生信息填写区域图片利用文字识别工具识别得到学生信息并保存;
S4.3、在图像预处理模块获得的矩形图片中获取各个题目的打分区域并裁剪;第i题的打分区域的左上角坐标(MPiltx,MPilty)及右下角坐标(MPirtx,MPirty)由如下公式获得:
S4.4、将步骤S4.3中裁剪得到的各个题目的打分区域图片利用文字识别工具识别各个题目的打分结果并保存;
S5、统分模块用于将图像识别模块识别获得的各个题目的打分结果进行加总得到总分并进行保存。
8.根据权利要求7的方法,其特征在于,步骤S3的具体过程为:
S3.1、将原图保存,并复制一份用于识别的图像副本Pcopy;
S3.2、对Pcopy进行灰度处理和自适应阈值的二值化操作;
S3.3、对步骤S3.2处理得到的图像依次进行膨胀、腐蚀、膨胀的操作,去除试卷中的噪声;
S3.4、对步骤S3.3处理获得的图像进行边缘检测;
S3.5、对步骤S3.4处理获得的图像进行边缘提取,获取面积最大的矩形的四个角点;
S3.6、得出步骤S3.5中所获得四个角点的最小外接矩形;
S3.7、利用步骤S3.5中获得的角点与步骤S3.6中所获得的最小外接矩形对原图进行透射变换,将原图矫正,得出四个角点矫正后的坐标并在经矫正的原图中将对应的矩形图片截取下来,进一步获得该矩形图片的宽Wphoto与高Hphoto。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011059249.1A CN112163529A (zh) | 2020-09-30 | 2020-09-30 | 一种试卷统分的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011059249.1A CN112163529A (zh) | 2020-09-30 | 2020-09-30 | 一种试卷统分的系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112163529A true CN112163529A (zh) | 2021-01-01 |
Family
ID=73861238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011059249.1A Pending CN112163529A (zh) | 2020-09-30 | 2020-09-30 | 一种试卷统分的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112163529A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113392824A (zh) * | 2021-06-10 | 2021-09-14 | 上海钧正网络科技有限公司 | 质检单录入方法、装置及计算机存储介质 |
CN114550180A (zh) * | 2022-02-10 | 2022-05-27 | 珠海读书郎软件科技有限公司 | 一种智能识别统分方法、系统及智能台灯 |
CN115661183A (zh) * | 2022-12-27 | 2023-01-31 | 南京功夫豆信息科技有限公司 | 一种基于边缘计算的智能扫描管理系统及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685482A (zh) * | 2009-08-04 | 2010-03-31 | 上海心意答电子科技有限公司 | 一种自动识别处理批阅结果的电子阅卷系统及方法 |
CN101995972A (zh) * | 2009-08-24 | 2011-03-30 | 上海海鞠电子科技有限公司 | 用于阅卷的定位装置及能实时跟踪人工阅卷的电子阅卷系统 |
CN102339352A (zh) * | 2010-07-20 | 2012-02-01 | 上海海鞠电子科技有限公司 | 电子阅卷方法 |
CN105023212A (zh) * | 2015-07-03 | 2015-11-04 | 宁波睿易教育科技股份有限公司 | 一种教学测评系统 |
CN106650608A (zh) * | 2016-10-31 | 2017-05-10 | 广东工业大学 | 一种无定位点试卷中矩形定位框的识别方法 |
CN106874508A (zh) * | 2017-02-28 | 2017-06-20 | 江苏中育优教科技发展有限公司 | 基于网格化图像处理的答卷生成及阅卷方法 |
CN108520020A (zh) * | 2018-03-22 | 2018-09-11 | 东华大学 | 一种基于SaaS的实时学习数据分析系统 |
CN109033046A (zh) * | 2018-06-25 | 2018-12-18 | 陕西师范大学 | 结构化可视文档快速信息输入系统及方法 |
CN109325401A (zh) * | 2018-08-03 | 2019-02-12 | 成都准星云学科技有限公司 | 基于边缘定位对题目区域进行标注、识别的方法及系统 |
CN110263784A (zh) * | 2019-06-13 | 2019-09-20 | 陕西国际商贸学院 | 智能的英语试卷成绩识别录入方法 |
CN110415571A (zh) * | 2018-12-05 | 2019-11-05 | 漳州万利达科技有限公司 | 一种智能组卷、考试方法与系统 |
CN110659584A (zh) * | 2019-08-30 | 2020-01-07 | 石家庄云松信息科技有限公司 | 一种基于图像识别的智能留痕阅卷系统 |
-
2020
- 2020-09-30 CN CN202011059249.1A patent/CN112163529A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685482A (zh) * | 2009-08-04 | 2010-03-31 | 上海心意答电子科技有限公司 | 一种自动识别处理批阅结果的电子阅卷系统及方法 |
CN101995972A (zh) * | 2009-08-24 | 2011-03-30 | 上海海鞠电子科技有限公司 | 用于阅卷的定位装置及能实时跟踪人工阅卷的电子阅卷系统 |
CN102339352A (zh) * | 2010-07-20 | 2012-02-01 | 上海海鞠电子科技有限公司 | 电子阅卷方法 |
CN105023212A (zh) * | 2015-07-03 | 2015-11-04 | 宁波睿易教育科技股份有限公司 | 一种教学测评系统 |
CN106650608A (zh) * | 2016-10-31 | 2017-05-10 | 广东工业大学 | 一种无定位点试卷中矩形定位框的识别方法 |
CN106874508A (zh) * | 2017-02-28 | 2017-06-20 | 江苏中育优教科技发展有限公司 | 基于网格化图像处理的答卷生成及阅卷方法 |
CN108520020A (zh) * | 2018-03-22 | 2018-09-11 | 东华大学 | 一种基于SaaS的实时学习数据分析系统 |
CN109033046A (zh) * | 2018-06-25 | 2018-12-18 | 陕西师范大学 | 结构化可视文档快速信息输入系统及方法 |
CN109325401A (zh) * | 2018-08-03 | 2019-02-12 | 成都准星云学科技有限公司 | 基于边缘定位对题目区域进行标注、识别的方法及系统 |
CN110415571A (zh) * | 2018-12-05 | 2019-11-05 | 漳州万利达科技有限公司 | 一种智能组卷、考试方法与系统 |
CN110263784A (zh) * | 2019-06-13 | 2019-09-20 | 陕西国际商贸学院 | 智能的英语试卷成绩识别录入方法 |
CN110659584A (zh) * | 2019-08-30 | 2020-01-07 | 石家庄云松信息科技有限公司 | 一种基于图像识别的智能留痕阅卷系统 |
Non-Patent Citations (2)
Title |
---|
吴兴林等: "《近代物理实验》", 31 January 2019, 西安电子科技大学出版社 * |
李春梅等: "工程图学试卷库的开发", 《洛阳师范学院学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113392824A (zh) * | 2021-06-10 | 2021-09-14 | 上海钧正网络科技有限公司 | 质检单录入方法、装置及计算机存储介质 |
CN114550180A (zh) * | 2022-02-10 | 2022-05-27 | 珠海读书郎软件科技有限公司 | 一种智能识别统分方法、系统及智能台灯 |
CN115661183A (zh) * | 2022-12-27 | 2023-01-31 | 南京功夫豆信息科技有限公司 | 一种基于边缘计算的智能扫描管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112163529A (zh) | 一种试卷统分的系统及方法 | |
CN108805076B (zh) | 环境影响评估报告书表格文字的提取方法及系统 | |
CN110659584B (zh) | 一种基于图像识别的智能留痕阅卷系统 | |
CN105046200B (zh) | 基于直线检测的电子阅卷方法 | |
CN109242856A (zh) | 一种纸质作业电子化批阅方法及装置 | |
CN110443235B (zh) | 一种智能纸质试卷总分识别方法及系统 | |
CN112200058B (zh) | 一种教辅资料智能批改的系统及方法 | |
CN113159014A (zh) | 基于手写题号的客观题批阅方法、装置、设备及存储介质 | |
CN112580503A (zh) | 一种作业批改方法、装置、设备及存储介质 | |
CN107067399A (zh) | 一种试卷图像分割处理方法 | |
CN112347997A (zh) | 一种试题检测识别方法、装置、电子设备及介质 | |
CN113793538B (zh) | 一种教辅作业错题收集的方法及系统 | |
CN107066939A (zh) | 一种网上阅卷系统的试卷切割处理方法 | |
CN114463770A (zh) | 一种用于普遍试卷题目的智能切题方法 | |
CN112991410A (zh) | 一种文本图像配准方法、电子设备及其存储介质 | |
CN111652117A (zh) | 一种对多文档图像分割的方法及介质 | |
CN115482535A (zh) | 一种试卷自动批改方法、存储介质及设备 | |
CN116959008A (zh) | 文字测评模型构建方法、装置、电子设备及存储介质 | |
CN115457585A (zh) | 作业批改的处理方法、装置、计算机设备及可读存储介质 | |
CN113705157B (zh) | 一种纸质作业拍照批改的方法 | |
CN113033480A (zh) | 基于答题卡的客观题批阅方法、装置、设备及存储介质 | |
CN112215192B (zh) | 一种基于机器视觉技术的快速录入试卷成绩的方法 | |
CN115424254A (zh) | 车牌识别方法、系统、设备及存储介质 | |
CN107045635A (zh) | 一种网上阅卷系统的试卷图像分页分题处理方法 | |
CN111931759A (zh) | 一种试卷智能计分方法和移动端系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210101 |