CN113486786B - 一种自动作业批改系统 - Google Patents
一种自动作业批改系统 Download PDFInfo
- Publication number
- CN113486786B CN113486786B CN202110756151.XA CN202110756151A CN113486786B CN 113486786 B CN113486786 B CN 113486786B CN 202110756151 A CN202110756151 A CN 202110756151A CN 113486786 B CN113486786 B CN 113486786B
- Authority
- CN
- China
- Prior art keywords
- image
- homework
- teacher
- question
- uploaded
- 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
- 238000012937 correction Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012986 modification Methods 0.000 claims description 12
- 230000004048 modification Effects 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种自动作业批改系统，涉及作业批改技术领域，包括以下步骤：(1)、老师端设定操作：教师端上传本次作业图像并设定各参数，上传作业图像主要指将作业按页数依次拍照后，上传到系统，系统接收到上传的作业样本后，进入参数设定模块，由教师设定具体参数；(2)、学生端上传作业操作：学生上传已完成的作业图像，只需按照本次作业页数，依次上传清晰，完整，作业文字端正的图像即可；(3)、系统批改作业操作：系统对照作业样本，针对学生上传的作业图像，进行批改。该自动作业批改系统采用电子化，图像话的处理，可以使教师可以通过移动终端批改作业，这种方式既解决了学生在电脑上答题的困扰，又避免了作业无纸化带来的弊端。
Description
技术领域
本发明涉及作业批改技术领域，具体为一种自动作业批改系统。
背景技术
教师对作业的布置和批改是日常重要的教学活动。在现今学生众多的情况下，大量作业本和作业纸的批改使得教师们的工作量变得很大。因此需要找到一种智能技术手段解决传统作业的批改方式。随着计算机图像处理技术的发展，使得将人工智能技术运用到传统纸质作业成为现实。
作业无纸化的方案，对很多科目的学习是不适用的，数理学科的公式和几何图形如果纯粹用电脑画会变得繁冗复杂，而传统作业的批改方式占用了教师很多时间和精力，同时作业的收取、批改、统计记录、发放也要花费教师许多时间，并且不便于携带，为此，我们提出一种自动作业批改系统。
发明内容
针对现有技术的不足，本发明提供了一种自动作业批改系统，解决了上述背景技术中提出的作业无纸化的方案，对很多科目的学习是不适用的，数理学科的公式和几何图形如果纯粹用电脑画会变得繁冗复杂，而传统作业的批改方式占用了教师很多时间和精力，同时作业的收取、批改、统计记录、发放也要花费教师许多时间，并且不便于携带的问题。
为实现以上目的，本发明通过以下技术方案予以实现，一种自动作业批改系统，包括以下步骤：
(1)、老师端设定操作
教师端上传本次作业图像并设定各参数，上传作业图像主要指将作业按页数依次拍照后，上传到系统，系统接收到上传的作业样本后，进入参数设定模块，由教师设定具体参数；
(2)、学生端上传作业操作
学生上传已完成的作业图像，只需按照本次作业页数，依次上传清晰，完整，作业文字端正的图像即可；
(3)、系统批改作业操作
系统对照作业样本，针对学生上传的作业图像，进行批改，批改前系统需要针对上传的图像进行处理与识别，首先对学生上传的图像进行一次简单的识别，判断图像是否清晰，若图像清晰度低于设定的阈值，则该张图像上传失败，需要学生再次上传该张图像；
(4)、老师端修改操作
系统自动批改作业之后，教师可以查看每位学生，每道题的答题情况，可以查看批改结果，系统识别的文字结果，查看原始作答图像，并可修改批改结果；
(5)、生成作业统计表
系统保存教师的修改结果，根据系统识别结果与教师修改情况，自动生成每位学生的作业完成情况统计表。
可选的，所述教师或者学生经过拍照上传作业时，都应确保所有文字内容在取景框中，超出取景框时，系统无法上传图像。
可选的，所述步骤(1)的老师端设定操作，参数设定主要由教师设定以下参数：
1)用矩形框，画出每题所在区域以及该题作答区域，选择该题题型，题型分为选择题、填空题和主观题，其中选择题包含单选和多选，主观题主要指需要学生作答内容较多的题型；
2)输入各题的答案，作为与学生作答的答案进行比较的依据；
3)输入各类题型判断依据，如相同字符数的占比为百分之百，则将该题记为正确，否则记为错误；
4)自主选择改题使用系统批改还是教师自行批改，该选择主要针对答案比较复杂的主观题。
可选的，所述相同字符数的占比是指学生作答的内容与教师提供的答案相同的字符数与教师提供的答案的字符数之比。
可选的，所述当教师提供的答案中因出现相同字符而导致可能出现统计相同字符数的占比出现问题时，观察学生的答案中该字符出现的次数与教师提供的答案中该字符出现的次数，取两个次数的较小值。
可选的，所述步骤(3)的系统批改作业，包括以下具体步骤：
1)首先对上传的图像进行一次简单的识别，判断图像是否清晰，若图像清晰度低于设定的阈值，则该张图像上传失败，需要学生再次上传该张图像；
2)经过清晰度的识别之后，系统获取到学生上传的作业图像，首先根据教师事先确定好的每题题号，与作答区域，将完整的图像进行分割，将分割后的各题图像保存在系统数据库中；
3)针对经过分割后的图像，先进行预处理，增加图像质量，便于后续程序对图像进行文字识别，图像预处理的方法具体指使用灰度化，直方图均衡化，自适应阈值化，对图像进行简单的处理；
4)对预处理后的图像，进行文字识别，并将各个图像的识别结果，保存到相应的数据库；
5)将识别的结果，与教师提供的标准答案进行比对，计算相同字符占比百分数，并保存结果；
6)根据教师设置的每题的判断标准，判断每题正确与否，并保存结果。
可选的，所述判断上传图像是否清晰的方法时使用Tenengrad评价函数对图像清晰度进行判断，其主要思想是使用Sobel算子计算水平和垂直方向上的梯度值，将计算出的平方和作为评价函数，具体计算如下：
设Sobel卷积核为此时图像I在点(x,y)处的梯度为：/>定义该图像的Tenengrad值为：
其中n为图像总像素数。
根据求出的Tenengrad值与系统给出的标准值进行对比，判断图像是否清晰。
可选的，所述图像灰度化的公式如下：
Gray＝0.114×B+0.587×G+0.229×R
图像经过灰度化之后，得到灰度图像。
可选的，所述进行均衡化时，是针对灰度图的处理，直方图均衡的公式如下：
其中f(x)表示均衡后的灰度值，h(i)表示直方图中每个灰度级像素的个数，w和h分别表示图像的宽和高。
可选的，所述自适应阈值化方法选择大津阈值法，该方法主要工作原理为：
对于图像I(x,y)，前景(即目标)和背景的分割阈值记作T，属于前景的像素点数占整幅图像的比例记为ω0，其平均灰度μ0；背景像素点数占整幅图像的比例为ω1，其平均灰度为μ1。图像的总平均灰度记为μ，类间方差记为g。假设图像的背景较暗，并且图像的大小为M×N，图像中像素的灰度值小于阈值T的像素个数记作N0，像素灰度大于阈值T的像素个数记作N1，则有：
ω0+ω1＝1
μ＝ω0×μ0+ω1×μ1
g＝ω0×(μ0-μ)2+ω1×(μ1-μ)2
因此：
g＝ω0×ω1×(μ0-μ1)2
遍历整个图像，求出最大的g即为二值化的阈值。
本发明提供了一种自动作业批改系统，具备以下有益效果：该自动作业批改系统，采用电子化，图像话的处理，可以使教师可以通过移动终端批改作业，这种方式既解决了学生在电脑上答题的困扰，又避免了作业无纸化带来的弊端；客观题可直接采用电脑系统批改，主观题可自主选择教师自行批改，两种方式相结合能够有效提高批改效率的同时降低批改错误率，并且教师可修改系统批改结果，避免出现系统错误影响批改结果的情况，系统批改时能够对学生上传的图像进行识别处理，从而增加图像质量，便于后续程序对图像进行文字识别，使用计算机图像处理技术实现自动作业批改算法，最后还能够自动生成每位学生的作业完成情况统计表，智能化程度较高，具备可推广性。
附图说明
图1为本发明一种自动作业批改系统整体流程示意图；
图2为本发明系统批改作业操作流程示意图。
具体实施方式
请参阅图1-2，本发明提供一种技术方案：一种自动作业批改系统，包括以下步骤：
(1)、老师端设定操作
教师端上传本次作业图像并设定各参数，上传作业图像主要指将作业按页数依次拍照后，上传到系统，系统接收到上传的作业样本后，进入参数设定模块，由教师设定具体参数；
(2)、学生端上传作业操作
学生上传已完成的作业图像，只需按照本次作业页数，依次上传清晰，完整，作业文字端正的图像即可；
(3)、系统批改作业操作
系统对照作业样本，针对学生上传的作业图像，进行批改，批改前系统需要针对上传的图像进行处理与识别，首先对学生上传的图像进行一次简单的识别，判断图像是否清晰，若图像清晰度低于设定的阈值，则该张图像上传失败，需要学生再次上传该张图像；
(4)、老师端修改操作
系统自动批改作业之后，教师可以查看每位学生，每道题的答题情况，可以查看批改结果，系统识别的文字结果，查看原始作答图像，并可修改批改结果；
(5)、生成作业统计表
系统保存教师的修改结果，根据系统识别结果与教师修改情况，自动生成每位学生的作业完成情况统计表。
教师或者学生经过拍照上传作业时，都应确保所有文字内容在取景框中，超出取景框时，系统无法上传图像。
步骤(1)的老师端设定操作，参数设定主要由教师设定以下参数：
1)用矩形框，画出每题所在区域以及该题作答区域，选择该题题型，题型分为选择题、填空题和主观题，其中选择题包含单选和多选，主观题主要指需要学生作答内容较多的题型；
2)输入各题的答案，作为与学生作答的答案进行比较的依据；
3)输入各类题型判断依据，如相同字符数的占比为百分之百，则将该题记为正确，否则记为错误；
4)自主选择改题使用系统批改还是教师自行批改，该选择主要针对答案比较复杂的主观题。
相同字符数的占比是指学生作答的内容与教师提供的答案相同的字符数与教师提供的答案的字符数之比。
当教师提供的答案中因出现相同字符而导致可能出现统计相同字符数的占比出现问题时，观察学生的答案中该字符出现的次数与教师提供的答案中该字符出现的次数，取两个次数的较小值。
步骤(3)的系统批改作业，包括以下具体步骤：
1)首先对上传的图像进行一次简单的识别，判断图像是否清晰，若图像清晰度低于设定的阈值，则该张图像上传失败，需要学生再次上传该张图像；
2)经过清晰度的识别之后，系统获取到学生上传的作业图像，首先根据教师事先确定好的每题题号，与作答区域，将完整的图像进行分割，将分割后的各题图像保存在系统数据库中；
3)针对经过分割后的图像，先进行预处理，增加图像质量，便于后续程序对图像进行文字识别，图像预处理的方法具体指使用灰度化，直方图均衡化，自适应阈值化，对图像进行简单的处理；
4)对预处理后的图像，进行文字识别，并将各个图像的识别结果，保存到相应的数据库；
5)将识别的结果，与教师提供的标准答案进行比对，计算相同字符占比百分数，并保存结果；
6)根据教师设置的每题的判断标准，判断每题正确与否，并保存结果。
判断上传图像是否清晰的方法时使用Tenengrad评价函数对图像清晰度进行判断，其主要思想是使用Sobel算子计算水平和垂直方向上的梯度值，将计算出的平方和作为评价函数，具体计算如下：
设Sobel卷积核为此时图像I在点(x,y)处的梯度为：/>定义该图像的Tenengrad值为：
其中n为图像总像素数。
根据求出的Tenengrad值与系统给出的标准值进行对比，判断图像是否清晰。
图像灰度化的公式如下：
Gray＝0.114×B+0.587×G+0.229×R
图像经过灰度化之后，得到灰度图像。
进行均衡化时，是针对灰度图的处理，直方图均衡的公式如下：
其中f(x)表示均衡后的灰度值，h(xi)表示直方图中每个灰度级像素的个数，w和h分别表示图像的宽和高。
自适应阈值化方法选择大津阈值法，该方法主要工作原理为：
对于图像I(x,y)，前景(即目标)和背景的分割阈值记作T，属于前景的像素点数占整幅图像的比例记为ω0，其平均灰度μ0；背景像素点数占整幅图像的比例为ω1，其平均灰度为μ1。图像的总平均灰度记为μ，类间方差记为g。假设图像的背景较暗，并且图像的大小为M×N，图像中像素的灰度值小于阈值T的像素个数记作N0，像素灰度大于阈值T的像素个数记作N1，则有：
ω0+ω1＝1
μ＝ω0×μ0+ω1×μ1
g＝ω0×(μ0-μ)2+ω1×(μ1-μ)2
因此：
g＝ω0×ω1×(μ0-μ1)2
遍历整个图像，求出最大的g即为二值化的阈值。
综上，该自动作业批改系统，使用时自动作业批改系统包括以下具体步骤：
(1)、老师端设定操作
教师端上传本次作业图像并设定各参数，上传作业图像主要指将作业按页数依次拍照后，上传到系统，系统接收到上传的作业样本后，进入参数设定模块，由教师设定具体参数；
(2)、学生端上传作业操作
学生上传已完成的作业图像，只需按照本次作业页数，依次上传清晰，完整，作业文字端正的图像即可；
(3)、系统批改作业操作
系统对照作业样本，针对学生上传的作业图像，进行批改，批改前系统需要针对上传的图像进行处理与识别，首先对学生上传的图像进行一次简单的识别，判断图像是否清晰，若图像清晰度低于设定的阈值，则该张图像上传失败，需要学生再次上传该张图像；
(4)、老师端修改操作
系统自动批改作业之后，教师可以查看每位学生，每道题的答题情况，可以查看批改结果，系统识别的文字结果，查看原始作答图像，并可修改批改结果；
(5)、生成作业统计表
系统保存教师的修改结果，根据系统识别结果与教师修改情况，自动生成每位学生的作业完成情况统计表。
Claims (4)
1.一种自动作业批改系统，其特征在于，包括以下步骤：
（1）、老师端设定操作
教师端上传本次作业图像并设定各参数，上传作业图像主要指将作业按页数依次拍照后，上传到系统，系统接收到上传的作业样本后，进入参数设定模块，由教师设定具体参数；
（2）、学生端上传作业操作
学生上传已完成的作业图像，只需按照本次作业页数，依次上传清晰，完整，作业文字端正的图像即可；
（3）、系统批改作业操作
系统对照作业样本，针对学生上传的作业图像，进行批改，批改前系统需要针对上传的图像进行处理与识别，首先对学生上传的图像进行一次简单的识别，判断图像是否清晰，若图像清晰度低于设定的阈值，则该张图像上传失败，需要学生再次上传该张图像；
（4）、老师端修改操作
系统自动批改作业之后，教师可以查看每位学生，每道题的答题情况，可以查看批改结果，系统识别的文字结果，查看原始作答图像，并可修改批改结果；
（5）、生成作业统计表
系统保存教师的修改结果，根据系统识别结果与教师修改情况，自动生成每位学生的作业完成情况统计表；
步骤（3）的系统批改作业，包括以下具体步骤：
1) 首先对上传的图像进行一次简单的识别，判断图像是否清晰，若图像清晰度低于设定的阈值，则该张图像上传失败，需要学生再次上传该张图像；
2) 经过清晰度的识别之后，系统获取到学生上传的作业图像，首先根据教师事先确定好的每题题号，与作答区域，将完整的图像进行分割，将分割后的各题图像保存在系统数据库中；
3) 针对经过分割后的图像，先进行预处理，增加图像质量，便于后续程序对图像进行文字识别，图像预处理的方法具体指使用灰度化，直方图均衡化，自适应阈值化，对图像进行简单的处理；
4) 对预处理后的图像，进行文字识别，并将各个图像的识别结果，保存到相应的数据库；
5) 将识别的结果，与教师提供的标准答案进行比对，计算相同字符占比百分数，并保存结果；
6) 根据教师设置的每题的判断标准，判断每题正确与否，并保存结果；
所述判断上传图像是否清晰的方法时使用Tenengrad评价函数对图像清晰度进行判断，其主要思想是使用Sobel算子计算水平和垂直方向上的梯度值，将计算出的平方和作为评价函数，具体计算如下：
设Sobel卷积核为，/>，此时图像I在点/>处的梯度为：/>定义该图像的Tenengrad值为：其中n为图像总像素数；
根据求出的Tenengrad值与系统给出的标准值进行对比，判断图像是否清晰；
所述图像灰度化的公式如下：；
图像经过灰度化之后，得到灰度图像；
所述进行均衡化时，是针对灰度图的处理，直方图均衡的公式如下：其中/>表示均衡后的灰度值，/>表示直方图中每个灰度级像素的个数，w和h分别表示图像的宽和高；所述自适应阈值化方法选择大津阈值法，该方法主要工作原理为：
对于图像，前景(即目标)和背景的分割阈值记作T，属于前景的像素点数占整幅图像的比例记为/>，其平均灰度/>；背景像素点数占整幅图像的比例为/>，其平均灰度为，图像的总平均灰度记为/>，类间方差记为/>，假设图像的背景较暗，并且图像的大小为M×N，图像中像素的灰度值小于阈值T的像素个数记作/>，像素灰度大于阈值T的像素个数记作/>，则有：
因此：/>遍历整个图像，求出最大的g即为二值化的阈值。
2.根据权利要求1所述的一种自动作业批改系统，其特征在于，所述教师或者学生经过拍照上传作业时，都应确保所有文字内容在取景框中，超出取景框时，系统无法上传图像。
3.根据权利要求1所述的一种自动作业批改系统，其特征在于，步骤（1）的老师端设定操作，参数设定主要由教师设定以下参数：
1) 用矩形框，画出每题所在区域以及该题作答区域，选择该题题型，题型分为选择题、填空题和主观题，其中选择题包含单选和多选，主观题主要指需要学生作答内容较多的题型；
2) 输入各题的答案，作为与学生作答的答案进行比较的依据；
3) 输入各类题型判断依据，如相同字符数的占比为百分之百，则将该题记为正确，否则记为错误；
4) 自主选择改题使用系统批改还是教师自行批改，该选择主要针对答案比较复杂的主观题。
4.根据权利要求3所述的一种自动作业批改系统，其特征在于，所述相同字符数的占比是指学生作答的内容与教师提供的答案相同的字符数与教师提供的答案的字符数之比。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110756151.XA CN113486786B (zh) | 2021-07-05 | 2021-07-05 | 一种自动作业批改系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110756151.XA CN113486786B (zh) | 2021-07-05 | 2021-07-05 | 一种自动作业批改系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113486786A CN113486786A (zh) | 2021-10-08 |
| CN113486786B true CN113486786B (zh) | 2024-04-09 |
Family
ID=77939895
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110756151.XA Active CN113486786B (zh) | 2021-07-05 | 2021-07-05 | 一种自动作业批改系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113486786B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118010579A (zh) * | 2024-04-03 | 2024-05-10 | 山东科技大学 | 一种船舶用海洋塑料微粒初筛系统及其图像检测方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012103536A (ja) * | 2010-11-11 | 2012-05-31 | Esol Co Ltd | 学習支援システム |
| CN102694981A (zh) * | 2012-05-11 | 2012-09-26 | 中国科学院西安光学精密机械研究所 | 基于自适应阈值分割的直方图均衡化的自动曝光方法 |
| CN102915522A (zh) * | 2012-09-12 | 2013-02-06 | 康佳集团股份有限公司 | 一种智能手机的名片提取系统及其实现方法 |
| CN103853699A (zh) * | 2012-11-29 | 2014-06-11 | 英业达科技有限公司 | 提供学生作业下载与作业分析的系统及其方法 |
| WO2018006294A1 (zh) * | 2016-07-06 | 2018-01-11 | 王楚 | 一种基于图像模式识别技术的阅卷系统、装置和方法 |
| CN108334860A (zh) * | 2018-03-01 | 2018-07-27 | 北京航空航天大学 | 细胞图像的处理方法和装置 |
| CN109697905A (zh) * | 2017-10-20 | 2019-04-30 | 深圳市鹰硕技术有限公司 | 一种试卷批阅系统 |
| CN109712456A (zh) * | 2019-01-15 | 2019-05-03 | 山东仁博信息科技有限公司 | 一种基于摄像头的学生纸质作业智能批阅系统 |
| CN112001904A (zh) * | 2020-08-21 | 2020-11-27 | 珀乐(北京)信息科技有限公司 | 一种遥感图像质量清晰度综合评价模块及评价方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2936232A1 (en) * | 2014-01-11 | 2015-07-16 | Kenneth W. IAMS | Apparatus and method for grading unstructured documents using automated field recognition |
-
2021
- 2021-07-05 CN CN202110756151.XA patent/CN113486786B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012103536A (ja) * | 2010-11-11 | 2012-05-31 | Esol Co Ltd | 学習支援システム |
| CN102694981A (zh) * | 2012-05-11 | 2012-09-26 | 中国科学院西安光学精密机械研究所 | 基于自适应阈值分割的直方图均衡化的自动曝光方法 |
| CN102915522A (zh) * | 2012-09-12 | 2013-02-06 | 康佳集团股份有限公司 | 一种智能手机的名片提取系统及其实现方法 |
| CN103853699A (zh) * | 2012-11-29 | 2014-06-11 | 英业达科技有限公司 | 提供学生作业下载与作业分析的系统及其方法 |
| WO2018006294A1 (zh) * | 2016-07-06 | 2018-01-11 | 王楚 | 一种基于图像模式识别技术的阅卷系统、装置和方法 |
| CN109697905A (zh) * | 2017-10-20 | 2019-04-30 | 深圳市鹰硕技术有限公司 | 一种试卷批阅系统 |
| CN108334860A (zh) * | 2018-03-01 | 2018-07-27 | 北京航空航天大学 | 细胞图像的处理方法和装置 |
| CN109712456A (zh) * | 2019-01-15 | 2019-05-03 | 山东仁博信息科技有限公司 | 一种基于摄像头的学生纸质作业智能批阅系统 |
| CN112001904A (zh) * | 2020-08-21 | 2020-11-27 | 珀乐(北京)信息科技有限公司 | 一种遥感图像质量清晰度综合评价模块及评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113486786A (zh) | 2021-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109242856A (zh) | 一种纸质作业电子化批阅方法及装置 | |
| CN107067399A (zh) | 一种试卷图像分割处理方法 | |
| CN110443235B (zh) | 一种智能纸质试卷总分识别方法及系统 | |
| CN112434699A (zh) | 手写汉字或偏旁、笔划的自动提取及智能评分系统 | |
| CN110929562A (zh) | 一种基于改进Hough变换的答题卡识别方法 | |
| CN112446262A (zh) | 文本分析方法、装置、终端和计算机可读存储介质 | |
| 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 | |
| CN115393861B (zh) | 一种手写体文本精准分割方法 | |
| CN111737478A (zh) | 文本检测方法、电子设备及计算机可读介质 | |
| CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
| CN113486786B (zh) | 一种自动作业批改系统 | |
| CN112163529A (zh) | 一种试卷统分的系统及方法 | |
| CN111986117A (zh) | 一种算术作业批改系统及方法 | |
| CN110705442A (zh) | 一种试卷答案自动获取方法、终端设备及存储介质 | |
| CN107066939A (zh) | 一种网上阅卷系统的试卷切割处理方法 | |
| CN109284702B (zh) | 一种基于图像模式的答题卷给分及阅卷系统 | |
| CN111008594A (zh) | 改错题评阅方法、相关设备及可读存储介质 | |
| CN113673428A (zh) | 一种答题卡图片中自动识别的方法 | |
| CN114241492A (zh) | 一种识别作文稿纸的手写文本识别并复现文本结构的方法 | |
| CN114463770A (zh) | 一种用于普遍试卷题目的智能切题方法 | |
| CN113793538A (zh) | 一种教辅作业错题收集的方法及系统 | |
| CN110298236B (zh) | 一种基于深度学习的盲文图像自动识别方法和系统 | |
| CN115482535A (zh) | 一种试卷自动批改方法、存储介质及设备 | |
| CN116524508A (zh) | 表格类图像的矫正方法及装置、存储介质、计算机设备 | |
| CN114550176A (zh) | 基于深度学习的试卷批改方法 |
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 |