CN114708486A - 物理电学实验操作电路连接自动评判方法 - Google Patents
物理电学实验操作电路连接自动评判方法 Download PDFInfo
- Publication number
- CN114708486A CN114708486A CN202210357158.9A CN202210357158A CN114708486A CN 114708486 A CN114708486 A CN 114708486A CN 202210357158 A CN202210357158 A CN 202210357158A CN 114708486 A CN114708486 A CN 114708486A
- Authority
- CN
- China
- Prior art keywords
- experimental
- circuit
- experimental equipment
- node
- equipment
- 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
- 238000002474 experimental method Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000010586 diagram Methods 0.000 claims abstract description 34
- 238000013507 mapping Methods 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims description 43
- 238000013135 deep learning Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 25
- 238000012795 verification Methods 0.000 claims description 19
- 206010048669 Terminal state Diseases 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 3
- 239000004020 conductor Substances 0.000 description 18
- 238000011156 evaluation Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
- G09B23/06—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics
- G09B23/18—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics for electricity or magnetism
- G09B23/187—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics for electricity or magnetism for measuring instruments
Abstract
本发明涉及实验操作自动评判领域,物理电学实验操作电路连接自动评判方法,确定所要自动评判的物理电学实验及其所有涉及的实验器材和实验器材连接导线,并建立标准化的实验器材连接电路图,将所要自动评判的物理电学实验的实验器材表示为支路,实验器材连接导线表示为结点,将所要自动评判的物理电学实验的电路图映射为由支路和结点构成的电路几何图;通过实验人的实验器材接线柱和实验器材连接导线卡头的空间位置判断实验人的实验器材是否接入电路。
Description
技术领域
本发明涉及实验操作自动评判领域,特别涉及一种物理电学实验操作电路连接自动评判方法。
背景技术
推行学生实验操作考试,强化学生实践操作是教育教学改革进程中学生素质教育的要求。学生实验操作技能考试需要对学生实验行为进行量化测量与评价,量化测量与评价的前提是能够正确判断学生实验操作是否正确。
基于操作步骤评判能体现学生的实验技能,但由于学生人数较多,传统的人工评判方法实施的代价比较大。而通过自动测评方法记录学生的操作过程和操作结果来考核学习者的实验操作技能,这种考核方式可以避免人工评分的缺陷,保证考核的相对客观和公正。自动测评的关键问题就是要解决自动评判方法客观准确。自动评判的方法前提是能够正确识别实验器材及其状态,实验器材识别基于深度学习的方法识别精度高。物理电学实验操作中体现学生实验技能重要操作是正确连接电路,自动评判中判断电路是否连接电路可通过判断导线和实验器材连接状态来判断电路是否连接正确,但实际电路连接过程中,导线连接因交叉、摆放无规则、无顺序等问题,利用深度学习方法很难准确的识别每一根导线连接状态,故很难直接通过导线和实验器材连接状态来自动判断实验电路是否正确连接。
发明内容
本发明所要解决的技术问题是:如何实现对学生的物理电学实验操作进行自动评判是否正确。
本发明所采用的技术方案是:物理电学实验操作电路连接自动评判方法,按如下步骤进行
步骤一、确定所要自动评判的物理电学实验及其所有涉及的实验器材和实验器材连接导线,并建立标准化的实验器材连接电路图,并确定标准化的实验器材连接导线卡头数量和实验器材接入时序;
步骤二、将所要自动评判的物理电学实验的实验器材表示为支路,实验器材连接导线表示为结点,将所要自动评判的物理电学实验的电路图映射为由支路和结点构成的电路几何图;
步骤三、通过摄像装置对实验人完成的物理电学实验过程进行拍照形成试验过程视频,对试验过程视频进行等时间间隔采样获得一系列试验结果图片,通过计算机中已经训练好的深度学习网络YOLOv5对实验人的试验结果图片进行识别,识别出实验人的物理电学实验操作实验器材及其空间位置、实验器材接线柱及其空间位置、实验器材连接导线卡头及其空间位置获得信息数据集;
步骤四、通过实验人的实验器材接线柱和实验器材连接导线卡头的空间位置判断实验人的实验器材是否接入电路,进一步判断实验人的实验器材接线柱和实验器材连接导线卡头在电路几何图结点状态、实验器材连接导线卡头数量和实验器材接入时序,并将实验人的电路几何图结点状态、实验器材连接导线卡头数量和实验器材接入时序与标准化实验器材连接电路图、实验器材连接导线卡头数量和实验器材接入时序进行对比,当无差异时,实验人的物理电学实验操作无误,当有差异时实验人的物理电学实验操作有误并给出差异点作为有误处。
步骤三中,通过计算机中已经训练好的深度学习网络YOLOv5对实验人的试验结果图片进行识别,将所有实验器材的接线点统一识别为接线柱,根据接线柱和实验器材的空间位置关系,判断属于哪一个实验器材的接线柱,判断接线柱是否与导线卡头连接,记录此接线柱状态TR(status,count,frame),TR为接线柱名称,status表示接线柱状态,status值0代表未接导线,status值1代表连接导线,count表示接线柱连接实验器材连接导线卡头数量,值为0-N,N为正整数,frame表示接线柱出现在视频序列帧数,值为0-M,M为正整数,初始化时TR(0,0,0)。
计算机中已经训练好的深度学习网络YOLOv5是指,深度学习网络YOLOv5识别实验人的试验结果图片前,通过摄像装置对大量正确完成的物理电学实验过程进行拍照形成正确试验过程视频,对正确试验过程视频进行等时间间隔采样获得一系列正确试验结果图片,实验人试验过程视频进行等时间间隔采样时的时间间隔与正确试验过程视频进行等时间间隔采样的时间间隔相同,采用图像标定工具软件LabelImg对每个正确试验过程的实验器材、实验器材接线柱和实验器材连接卡头即正确信息数据集进行标注,标注内容包括名称、中心坐标、长和宽,得到正确信息标签数据集,将正确信息数据集分为正确信息训练数据集和正确信息验证数据集,对应的将正确信息标签数据集分为正确标签训练数据集和正确标签验证数据集,用深度学习网络YOLOv5对正确信息训练数据集和正确标签训练数据集进行识别模型训练,用正确信息验证数据集和正确标签验证数据集对训练好的识别模型进行验证,得到可以正确识别标注内容的识别模型。
将实验人的电路几何图结点状态、实验器材连接导线卡头数量和实验器材接入时序与标准化实验器材连接电路图、实验器材连接导线卡头数量和实验器材接入时序进行对比是指,所有接线柱连接实验器材连接导线卡头状态判断完成后,计算每个结点连接支路状态和连接支路数量,以及连接时序,每个结点连接支路状态为该结点相连接实验器材连接卡头状态做与运算,连接支路导线卡头数量为该结点相连接实验器材连接卡头数量求和,连接时间取该结点相连接实验器材连接卡头时间最大值,当该结点连接支路状态为1且连接导线卡头数量与物理实验电路实际导线数量相同,表明该结点正确连接电路,否则表示该结点未正确连接电路,当所有所有结点正确接入电路,比较各结点接入时间,各结点接入时间符合连接电路时序关系则表明实验操作按顺序正确连接电路,否则表明实验操作未按顺序正确连接电路。本发明为了克服现有技术中存在的不足,将物理电学实验电路图中的实验器材表示为支路,实验器材连接导线表示为结点,将电路图映射为由支路和结点构成的电路几何图,通过深度学习方法正确识别物理电学实验操作实验器材、实验器材接线柱和导线卡头及其状态,根据实验器材接线柱和导线卡头空间位置关系判断实验器材是否接入电路,进一步判断支路结点状态、接入数量和接入时序,根据支路结点状态、接入导线卡头数量和接入时序判断电路线路是否正确连接。
实验器材的接线柱相似,很难用传统图像处理方法和深度学习的方法进行区分,本发明将实验器材的接线柱统一识别为接线柱,根据接线柱和实验器材的空间位置关系,如水平距离、垂直距离或者欧式距离来判断接线柱是否为某实验器材的接线柱。
按照一个实验器材作为一条支路,相连导线作为连接结点的原则,将实验电路图映射为为由支路和结点构成的电路几何图。用摄像装置采集实验操作视频,对实验操作视频进行降采样,如按照每秒2帧采样率对实验操作视频进行采样得到包含各实验器材图片,采样得到的包含所有实验器材图片构成实验器材(包含实验器材接线柱和导线卡头)数据集。
利用图像标定工具软件LabelImg对实验器材(包含实验器材接线柱和导线卡头)数据集进行标注,主要标注实验所用到的实验器材、实验器材接线柱和导线卡头,标注内容包括实验器材名称、实验器材中心坐标和实验器材长和宽,得到实验器材(包含实验器材接线柱和导线卡头)信息标签数据集。将实验器材数据集分为实验器材训练数据集和验证数据集,对应的将实验器材信息标签数据集分为实验器材信息标签训练数据集和信息标签验证数据集。用深度学习网络YOLOv5对实验器材(包含实验器材接线柱和导线卡头)训练数据集和实验器材(包含实验器材接线柱和导线卡头)信息标签训练数据集进行实验器材识别模型训练,用实验器材(包含实验器材接线柱和导线卡头)验证数据集和实验器材(包含实验器材接线柱和导线卡头)信息标签验证数据对训练好的实验器材识别模型进行验证,得到的实验器材识别模型可以正确识别实验器材(包含实验器材接线柱和导线卡头)和实验器材(包含实验器材接线柱和导线卡头)的中心坐标和实验器材(包含实验器材接线柱和导线卡头)的长和宽。
利用卷积神经网络训练好的实验器材识别模型对物理电学实验操作视频进行实验器材(包含实验器材接线柱和导线卡头)识别。识别结果包括实验器材的中心坐标和实验器材的长和宽,记为Object(x,y,w,h),其中x表示该实验器材中心在图片中空间位置水平方向归一化坐标,y表示该实验器材中心在图片中空间位置垂直方向归一化坐标,W表示该实验器材归一化的宽度,H表示该实验器材归一化高度。
根据识别出的接线柱和实验器材的空间位置关系,判断接线柱为哪个实验器材的接线柱。不同实验器材接线柱分布不同,通过空间位置关系判断方法不同,如开关接线柱分布在开关左右两侧,如图1所示,可通过计算开关和接线柱水平距离、垂直距离和相对位置,判断该接线柱是否为开关接线柱;假定识别出开关和接线柱后,空间位置分别记为S(xS,yS,wS,hS),T(xT,yT,wT,hT),计算开关和接线柱水平距离DSTx和垂直距离DSTy,当DSTx<wS/2+THSx,且DSTy<THSy时,则表示该接线柱为开关接线柱,其中wS为开关归一化的宽度,THSx为判断接线柱是否为开关接线柱的水平判决阈值,THSy为判断接线柱是否为开关接线柱的垂直判决阈值。当开关中心水平坐标xS小于接线柱中心坐标xT时,表示该接线柱为开关右接线柱,记为SR(status,count,frame),status表示接线柱状态,status值0代表未接导线,status值1代表连接导线,count表示接线柱接线数量,值为0-N,N为正整数,frame表示接线柱出现在视频序列帧数,值为0-M,M为正整数,初始化SR(0,0,0);开关中心水平坐标xS大于接线柱中心坐标xT时,表示该接线柱为开关左接线柱,记为SL(status,count,frame),初始化为SL(0,0,0)。例如电流表两个接线柱分布在电流表左下部分,如图2所示,可通过计算电流表和接线柱相对水平位置和垂直位置,判断该接线柱是否为电流表接线柱,通过判断两个接线柱相对位置关系判断接线柱为电流表左接线柱或右接线柱。
根据实验器材接线柱和导线卡头的空间位置关系和在视频出现的时间,判断实验器材接线柱与导线卡头是否连接,连接数量和连接时间。识别出导线卡头和器材接线柱后,空间位置分别记为C(xC,yC,wC,hC),T(xT,yT,wT,hT),计算导线卡头和器材接线柱欧式距离DCTxy,当DCTxy<THCxy,则表示该接线柱与导线卡头连接,THCxy为判断接线柱与导线卡头是否连接的判决阈值。假定接线柱为开关接线柱右接线柱SR,初始状态status=0,count=0,frame=0,假定经过判断后,开关接线柱右接线柱与导线卡头连接,出现帧数为256,则更新SR,status状态为1,count数量加1,更新为SR(1,1,256)。
通过以上判断出接线柱属于哪个器材接线柱以及每个器材接线柱连接导线卡头状态和连接卡头数量和和连接时间。计算每个结点连接支路状态和连接支路数量,以及连接时序。每个结点连接支路状态为该结点相连接实验器材连接卡头状态做与运算,连接支路数量为该结点相连接实验器材连接卡头数量求和,连接时间取该结点相连接实验器材连接卡头时间最大值。假定某节点连接支路为电压表支路、小灯泡支路和电池支路,状态分别为VR(1,1,128),LR(1,1,132),BR(1,2,140),则该节点记录为J(1,4,140)。当该结点连接支路状态为1且连接导线卡头数量等与物理实验电路中导线卡头数量,表明该结点正确连接电路,否则表示该结点未正确连接电路。
判断电路所有结点是否正确接入电路,当所有所有结点正确接入电路,比较各结点连接时间,各结点接入电路时间符合连接电路时序关系则表明实验操作按顺序正确连接电路,否则表明实验操作未按顺序正确连接电路。
实际物理电路连接过程中,导线连接因交叉、摆放无规则、无顺序等问题,利用深度学习方法很难准确的识别每一根导线连接状态,故很难直接通过导线和实验器材连接状态来自动判断实验电路是否正确连接,本发明不直接识别导线状态,而是识别导线卡头和实验器材接线柱,识别精度高。根据实验器材接线柱和导线卡头空间位置判断实验器材是否接入电路,判别方法准确可靠。将物理电学实验电路图映射为由支路和结点构成的电路几何图,通过支路结点状态、接入导线卡头数量和接入时序判断电路线路是否正确连接,判决方法准确,针对学生不同方式连接判决有效,提高了自动评判的准确度和可靠性。
附图说明
图1为开关与其接线柱示意图;
图2为电流表与其接线柱示意图;
图3为测量小灯泡的额定功率电路图;
图4为测量小灯泡的额定功率电路几何图。
具体实施方式
下面结合实施例详细说明本发明的技术方案:将物理电学实验电路图中的实验器材表示为支路,实验器材连接导线表示为结点,将电路图映射为由支路和结点构成的电路几何图,通过深度学习方法正确识别物理电学实验操作实验器材、实验器材接线柱和导线卡头及其状态,根据实验器材接线柱和导线卡头空间位置关系判断实验器材是否接入电路,进一步判断支路结点状态、接入导线卡头数量和接入时序,根据支路结点状态、接入数量和接入时序判断电路线路是否正确连接。本实施例以初中理化实验操作考试中物理实验测量小灯泡的额定功率为例进行说明。
步骤一、确定所要自动评判的物理电学实验及其所有涉及的实验器材和实验器材连接导线,并建立标准化的实验器材连接电路图,并确定标准化的实验器材连接导线卡头数量和实验器材接入时序。
本实施例中,所要自动评判的物理电学实验为初中理化实验操作考试中物理实验测量小灯泡的额定功率。标准化的实验器材连接电路图如图3所示。所有涉及的实验器材为一个电压表、一个小灯泡、一个电阻器、一个电池组、一个电流表、一个开关,连接导线7根,每根导线有两个卡头,规定本实施例的实验器材接入时序为开关→电流表→电阻器→小灯泡(电压表)→电池组→开关。
步骤二、将所要自动评判的物理电学实验的实验器材表示为支路,实验器材连接导线表示为结点,将所要自动评判的物理电学实验的电路图映射为由支路和结点构成的电路几何图。
不考虑实验器材性质,按照一个实验器材作为一条支路,相连导线作为连接结点的原则,将电路图映射为由支路和结点构成的电路几何图,如图4所示,小灯泡和电压表的线表达成同一结点。
步骤三、通过摄像装置对实验人完成的物理电学实验过程进行拍照形成试验过程视频,对试验过程视频进行等时间间隔采样获得一系列试验结果图片,通过计算机中已经训练好的深度学习网络YOLOv5对实验人的试验结果图片进行识别,识别出实验人的物理电学实验操作实验器材及其空间位置、实验器材接线柱及其空间位置、实验器材连接导线卡头及其空间位置获得信息数据集。
计算机中已经训练好的深度学习网络YOLOv5是指,深度学习网络YOLOv5识别实验人的试验结果图片前,通过摄像装置对大量正确完成的物理电学实验过程进行拍照形成正确试验过程视频,对正确试验过程视频进行等时间间隔采样获得一系列正确试验结果图片,
实验人试验过程视频进行等时间间隔采样时的时间间隔与正确试验过程视频进行等时间间隔采样的时间间隔相同,采用图像标定工具软件LabelImg对每个正确试验过程的实验器材、实验器材接线柱和实验器材连接卡头即正确信息数据集进行标注,标注内容包括名称、中心坐标、长和宽,得到正确信息标签数据集,将正确信息数据集分为正确信息训练数据集和正确信息验证数据集,对应的将正确信息标签数据集分为正确标签训练数据集和正确标签验证数据集,用深度学习网络YOLOv5对正确信息训练数据集和正确标签训练数据集进行识别模型训练,用正确信息验证数据集和正确标签验证数据集对训练好的识别模型进行验证,得到可以正确识别标注内容的识别模型。
训练的深度学习网络YOLOv5得到已经训练好的深度学习网络YOLOv5
通过摄像装置对正确完成的测量小灯泡的额定功率实验的实验过程进行拍照形成试验过程视频(操作视频)。对试验过程视频进行等时间间隔采样获得一系列试验结果图片,即对试验过程视频进行降采样,本实施例中,按每秒2帧采样率对试验过程视频进行等时间间隔采样获得一系列试验结果图片,一系列包含各实验器材的试验结果图片构成原始数据集(实验器材数据集)。
利用利用图像标定工具软件LabelImg对实验器材(包含实验器材接线柱和导线卡头)数据集进行标注,主要标注实验所用到的实验器材:电压表、电流表、滑动变阻器、开关、电池、器材接线柱和导线卡头,标注内容包括上述实验器材名称、实验器材中心坐标和实验器材长和宽,得到实验器材信息标签数据集。
将实验器材数据集分为实验器材训练数据集和验证数据集,对应的将实验器材信息标签数据集分为实验器材信息标签训练数据集和信息标签验证数据集。用深度学习网络YOLOv5对实验器材训练数据集和实验器材信息标签训练数据集进行测量小灯泡的额定功率实验器材识别模型训练,用实验器材验证数据集和实验器材信息标签验证数据对训练好的测量小灯泡的额定功率实验器材识别模型进行验证,得到的测量小灯泡的额定功率实验器材识别模型可以正确识别实验器材和实验器材的中心坐标和实验器材的长和宽。
通过摄像装置对学生完成的测量小灯泡的额定功率实验的实验过程进行拍照形成试验过程视频(操作视频)。对试验过程视频进行等时间间隔采样获得一系列试验结果图片,即对试验过程视频进行降采样,本实施例中,按每秒2帧采样率对试验过程视频进行等时间间隔采样获得一系列试验结果图片,一系列包含各实验器材的试验结果图片构成原始数据集(实验器材数据集-学生的)。
利用利用图像标定工具软件LabelImg对实验器材(包含实验器材接线柱和导线卡头)原始数据集进行标注,主要标注实验所用到的实验器材:电压表、电流表、滑动变阻器、开关、电池、器材接线柱和导线卡头,标注内容包括上述实验器材名称、实验器材中心坐标和实验器材长和宽,得到实验器材信息标签数据集(学生的)。
通过计算机中已经训练好的深度学习网络YOLOv5对实验人的试验结果图片进行识别,识别出实验人的物理电学实验操作实验器材及其空间位置、实验器材接线柱及其空间位置、实验器材连接导线卡头及其空间位置获得信息数据集。
步骤四、通过实验人的实验器材接线柱和实验器材连接导线卡头的空间位置判断实验人的实验器材是否接入电路,进一步判断实验人的实验器材接线柱和实验器材连接导线卡头在电路几何图结点状态、实验器材连接导线卡头数量和实验器材接入时序,并将实验人的电路几何图结点状态、实验器材连接导线卡头数量和实验器材接入时序与标准化实验器材连接电路图、实验器材连接导线卡头数量和实验器材接入时序进行对比,当无差异时,实验人的物理电学实验操作无误,当有差异时实验人的物理电学实验操作有误并给出差异点作为有误处。
将实验人的电路几何图结点状态、实验器材连接导线卡头数量和实验器材接入时序与标准化实验器材连接电路图、实验器材连接导线卡头数量和实验器材接入时序进行对比是指,所有接线柱连接实验器材连接导线卡头状态判断完成后,计算每个结点连接支路状态和连接支路数量,以及连接时序,每个结点连接支路状态为该结点相连接实验器材连接卡头状态做与运算,连接支路导线卡头数量为该结点相连接实验器材连接卡头数量求和,连接时间取该结点相连接实验器材连接卡头时间最大值,当该结点连接支路状态为1且连接导线卡头数量与物理实验电路实际导线数量相同,表明该结点正确连接电路,否则表示该结点未正确连接电路,当所有所有结点正确接入电路,比较各结点接入时间,各结点接入时间符合连接电路时序关系则表明实验操作按顺序正确连接电路,否则表明实验操作未按顺序正确连接电路。
利用测量小灯泡的额定功率实验器材识别模型对物理电学实验操作视频进行实验器材识别。识别结果包括实验器材的中心坐标和实验器材的长和宽,记为Object(x,y,w,h),其中x表示该实验器材中心在图片中空间位置水平方向归一化坐标,y表示该实验器材中心在图片中空间位置垂直方向归一化坐标,W表示该实验器材归一化的宽度,H表示该实验器材归一化高度。假定实验器材A,B则DABxy=abs(xA-xB)+abs(yA-yB)表示A和B实验器材欧氏距离,DABx=abs(xA-xB)表示A和B实验器材水平距离,DABy=abs(yA-yB)表示A和B实验器材垂直距离,abs表示求绝对值运算。
物理电学实验操作视频中识别出电池和器材接线柱后,空间位置分别记为B(xB,yB,wB,hB),T(xT,yT,wT,hT),计算电池和器材接线柱水平距离DBTx和垂直距离DBTy,当DBTx<wB/2+THBx,且DBTy<THBy时,则表示该接线柱为电池接线柱,其中wB为电池归一化的宽度,THBx为判断接线柱是否为电池接线柱的水平判决阈值,THBy为判断接线柱是否为电池接线柱的垂直判决阈值。当电池中心水平坐标xB小于接线柱中心坐标xT时,表示该接线柱为电池右接线柱,记为BR(status,count,frame),status表示接线柱状态,status值0代表未接导线,status值1代表连接导线,count表示接线柱接线数量,值为0-N,N为正整数,frame表示接线柱出现在视频序列帧数,值为0-M,M为正整数,初始化BR(0,0,0);当电池中心水平坐标xB大于接线柱中心坐标xT时,表示该接线柱为电池左接线柱,记为BL(status,count),初始化为BL(0,0,0)。
判断电池接线柱与导线卡头是否连接。识别出导线卡头和器材接线柱后,空间位置分别记为C(xC,yC,wC,hC),T(xT,yT,wT,hT),计算导线卡头和器材接线柱欧式距离DCTxy,当DCTxy<THCxy,则表示该接线柱与导线卡头连接,THCxy为判断接线柱与导线卡头是否连接的判决阈值。电池接线柱BR与导线卡头连接,出现帧数为64,则更新BR,status状态为1,count数量加1,更新为BR(1,1,64),如果电池接线柱BL与导线卡头连接,则更新BL,status状态为1,count数量加1,更新为BL(1,1,64)。
电池接线判别完成后,进行开关接线识别。物理电学实验操作视频中识别出开关和器材接线柱后,空间位置分别记为S(xS,yS,wS,hS),T(xT,yT,wT,hT),计算开关和器材接线柱水平距离DSTx和垂直距离DSTy,当DSTx<wS/2+THSx,且DSTy<THSy时,则表示该接线柱为开关接线柱,其中wS为电池归一化的宽度,THSx为判断接线柱是否为开关接线柱的水平判决阈值,THSy为判断接线柱是否为开关接线柱的垂直判决阈值。当开关中心水平坐标xS小于接线柱中心坐标xT时,表示该接线柱为开关右接线柱,记为SR(status,count,frame),status表示接线柱状态,status值0代表未接导线,status值1代表连接导线,count表示接线柱接线数量,值为0-N,N为正整数,frame表示接线柱出现在视频序列帧数,值为0-M,M为正整数,初始化SR(0,0,0);当开关中心水平坐标xB大于接线柱中心坐标xT时,表示该接线柱为开关左接线柱,记为SL(status,count,frame),初始化为SL(0,0,0)。
判断开关接线柱与导线卡头是否连接。判断物理电学实验操作视频中识别出导线卡头和器材接线柱后,空间位置分别记为C(xC,yC,wC,hC),T(xT,yT,wT,hT),计算导线卡头和器材接线柱欧式距离DCTxy,当DCTxy<THCxy,则表示该接线柱与导线卡头连接。开关接线柱SR与导线卡头连接,出现帧数为128,则更新SR,status状态为1,count数量加1,更新为SR(1,1,128),如果开关接线柱SL与导线卡头连接,则更新SL,status状态为1,count数量加1,更新为SL(1,1,128)。
开关接线判别完成后,进行电流表接线识别。物理电学实验操作视频中识别出电流表和器材接线柱后,空间位置分别记为A(xA,yA,wA,hA),T(xT,yT,wT,hT),当xA+wA/2>xT,且yA+hA/2>yT时,则表示该接线柱为电流表接线柱,其中wA为电流表归一化的宽度,hA为电流表归一化的高度,xA为电流表中心水平坐标,yA为电流表中心垂直坐标,xT为接线柱中心水平坐标,yT为接线柱中心垂直坐标。根据上述判断电流表两个接线柱,分别记为T1和T2,接线柱T1中心水平坐标xT1小于接线柱T1中心坐标xT2时,表示T1接线柱为电流表左接线柱,T2接线柱为电流表右接线柱,T1记为AL(status,count,frame),T2记为AR(status,count,frame),status表示接线柱状态,0代表未接导线,1代表连接导线,count表示接线柱接线数量,值为0-N,N为正整数,frame表示接线柱出现在视频序列帧数,值为0-M,M为正整数,初始化AL(0,0,0),初始化为AR(0,0,0)。接线柱T1中心水平坐标xT1大于接线柱T1中心坐标xT2时,表示T1接线柱为电流表右接线柱,T2接线柱为电流表右接线柱,T1记为AR(status,count,frame),T2记为AL(status,count,frame),初始化AL(0,0,0),初始化为AR(0,0,0)。
判断电流表接线柱与导线卡头是否连接。物理电学实验操作视频中识别出导线卡头和器材接线柱后,空间位置分别记为C(xC,yC,wC,hC),T(xT,yT,wT,hT),计算导线卡头和器材接线柱欧式距离DCTxy,当DCTxy<THCxy,则表示该接线柱与导线卡头连接。如果电流表接线柱SR与导线卡头连接,出现帧数为192,则更新AR,status状态为1,count数量加1,更新为AR(1,1,192),如果电流表接线柱AL与导线卡头连接,,则更新AL,status状态为1,count数量加1,更新为AL(1,1,192)。
电流表接线判别完成后,进行电阻器接线识别。物理电学实验操作视频中识别出电阻器和器材接线柱后,空间位置分别记为R(xR,yR,wR,hR),T(xT,yT,wT,hT),计算电阻器和器材接线柱水平距离DRTx和垂直距离DRTy,当DRTx<wR/2+THRx,且DRTy<THRy时,其中wR为电阻器归一化的宽度,THRx为判断接线柱是否为电阻器接线柱的水平判决阈值,THRy为判断接线柱是否为电阻器接线柱的垂直判决阈值。当电阻器中心水平坐标xR小于接线柱中心坐标xT时,表示该接线柱为电阻器右接线柱,记为RR(status,count,frame),status表示接线柱状态,status值0代表未接导线,status值1代表连接导线,count表示接线柱接线数量,值为0-N,N为正整数,frame表示接线柱出现在视频序列帧数,值为0-M,M为正整数,初始化RR(0,0,0);当电阻器中心水平坐标xR大于接线柱中心坐标xT时,表示该接线柱为电阻器左接线柱,记为RL(status,count,frame),初始化为RL(0,0,0)。
判断电阻器接线柱与导线卡头是否连接。物理电学实验操作视频中识别出导线卡头和器材接线柱后,空间位置分别记为C(xC,yC,wC,hC),T(xT,yT,wT,hT),计算导线卡头和器材接线柱欧式距离DCTxy,当DCTxy<THCxy,则表示该接线柱与导线卡头连接。如果接线柱为RR,出现帧数为256,则更新RR,status状态为1,count数量加1,更新为RR(1,1,256),如果接线柱为RL,则更新RL,status状态为1,count数量加1,更新为RL(1,1,256)。
电阻器接线判别完成后,进行小灯泡接线识别。物理电学实验操作视频中识别出小灯泡和器材接线柱后,空间位置分别记为L(xL,yL,wL,hL),T(xT,yT,wT,hT),计算小灯泡和器材接线柱水平距离DRTx和垂直距离DRTy,当DLTx<wL/2+THLx,且DLTy<THLy时,则表示该接线柱为电阻器接线柱,其中wL为小灯泡归一化的宽度,THLx为判断接线柱是否为小灯泡接线柱的水平判决阈值,THLy为判断接线柱是否为小灯泡接线柱的垂直判决阈值。当小灯泡中心水平坐标xL小于接线柱中心坐标xT时,表示该接线柱为小灯泡右接线柱,记为LR(status,count,frame),status表示接线柱状态,status值0代表未接导线,status值1代表连接导线,count表示接线柱接线数量,值为0-N,N为正整数,frame表示接线柱出现在视频序列帧数,值为0-M,M为正整数,初始化LR(0,0,0);当小灯泡中心水平坐标xL大于接线柱中心坐标xT时,表示该接线柱为小灯泡左接线柱,记为LL(status,count,frame),初始化为LL(0,0,0)。
判断小灯泡接线柱与导线卡头是否连接。物理电学实验操作视频中识别出导线卡头和器材接线柱后,空间位置分别记为C(xC,yC,wC,hC),T(xT,yT,wT,hT),计算导线卡头和器材接线柱欧式距离DCTxy,当DCTxy<THCxy,则表示该接线柱与导线卡头连接。如果接线柱为LR,出现帧数为320,则更新LR,status状态为1,count数量加1,更新为LR(1,count+1,320),如果接线柱为LL,则更新LL,status状态为1,count数量加1,更新为RL(1,count+1,320)。
小灯泡接线判别完成后,进行电压表接线识别。物理电学实验操作视频中识别出电压表和器材接线柱后,空间位置分别记为V(xV,yV,wV,hV),T(xT,yT,wT,hT),当xV+wV/2>xT,且yV+hV/2>yT时,则表示该接线柱为电压表接线柱,其中wV为电压表归一化的宽度,hV为电压表归一化的高度,xV为电压表中心水平坐标,yV为电压表中心垂直坐标,xT为接线柱中心水平坐标,yT为接线柱中心垂直坐标。根据上述判断电压表两个接线柱,分别记为T1和T2,接线柱T1中心水平坐标xT1小于接线柱T1中心坐标xT2时,表示T1接线柱为电压表左接线柱,T2接线柱为电压表右接线柱,T1记为VL(status,count,frame),T2记为VR(status,count,frame),status表示接线柱状态,0代表未接导线,1代表连接导线,count表示接线柱接线数量,值为0-N,N为正整数,frame表示接线柱出现在视频序列帧数,值为0-M,M为正整数,初始化VL(0,0,0),初始化为VR(0,0,0)。接线柱T1中心水平坐标xT1大于接线柱T1中心坐标xT2时,表示T1接线柱为电流表右接线柱,T2接线柱为电流表右接线柱,T1记为VR(status,count,frame),T2记为VL(status,count,frame),初始化VL(0,0,0),初始化为VR(0,0,0)。
判断电压表接线柱与导线卡头是否连接。物理电学实验操作视频中识别出导线卡头和器材接线柱后,空间位置分别记为C(xC,yC,wC,hC),T(xT,yT,wT,hT),计算导线卡头和器材接线柱欧式距离DCTxy,当DCTxy<THCxy,则表示该接线柱与导线卡头连接。如果接线柱为VR,出现帧数为384,则更新VR,status状态为1,count数量加1,更新为VR(1,1,384),如果接线柱为VL,则更新VL,status状态为1,count数量加1,更新为VL(1,1,384)。
计算每个结点连接支路状态和连接支路数量,以及连接时序。每个结点连接支路状态为该结点相连接实验器材连接卡头状态做与运算,连接支路数量为该结点相连接实验器材连接卡头数量求和,连接时间取该结点相连接实验器材连接卡头时间最大值。例如,计算J1结点连接支路状态和连接导线卡头数量以及连接时序,J1结点记录为J1(status,count,frame),J1结点连接支路状态J1(status)=BR(status)and SL(status),and表示与运算,J1结点连接时序J1(frame)=MAX(BR(frame),SL(frame)),MAX表示求最大值,其中BR表示电池右接线柱,SL表示开关左接线柱。
判断每个结点是否正确接入电路,当该结点连接支路状态为1且连接导线卡头数量正确,表明该结点正确接入电路,否则表示该结点未正确连接电路。
当所有所有结点J1至J5正确接入电路,比较各结点接入电路时间,如果满足J1(frame)<J2(frame)<J3(frame)<J4(frame)<J5(frame),则各结点接入电路时间符合连接电路时序关系,表明实验操作按顺序正确连接电路,否则表明实验操作未按顺序正确连接电路。
以上内容是结合具体的实施方式对本发明所做的进一步详细说明,不能认定本发明的具体实施方式仅限于此,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明的前提下,还可以做出若干简单的推演或替换,都应当视为属于本发明由所提交的权利要求书确定专利保护范围。
Claims (4)
1.物理电学实验操作电路连接自动评判方法,其特征在于:按如下步骤进行
步骤一、确定所要自动评判的物理电学实验及其所有涉及的实验器材和实验器材连接导线,并建立标准化的实验器材连接电路图,并确定标准化的实验器材连接导线卡头数量和实验器材接入时序;
步骤二、将所要自动评判的物理电学实验的实验器材表示为支路,实验器材连接导线表示为结点,将所要自动评判的物理电学实验的电路图映射为由支路和结点构成的电路几何图;
步骤三、通过摄像装置对实验人完成的物理电学实验过程进行拍照形成试验过程视频,对试验过程视频进行等时间间隔采样获得一系列试验结果图片,通过计算机中已经训练好的深度学习网络YOLOv5对实验人的试验结果图片进行识别,识别出实验人的物理电学实验操作实验器材及其空间位置、实验器材接线柱及其空间位置、实验器材连接导线卡头及其空间位置获得信息数据集;
步骤四、通过实验人的实验器材接线柱和实验器材连接导线卡头的空间位置判断实验人的实验器材是否接入电路,进一步判断实验人的实验器材接线柱和实验器材连接导线卡头在电路几何图结点状态、实验器材连接导线卡头数量和实验器材接入时序,并将实验人的电路几何图结点状态、实验器材连接导线卡头数量和实验器材接入时序与标准化实验器材连接电路图、实验器材连接导线卡头数量和实验器材接入时序进行对比,当无差异时,实验人的物理电学实验操作无误,当有差异时实验人的物理电学实验操作有误并给出差异点作为有误处。
2.根据权利要求1所述的物理电学实验操作电路连接自动评判方法,其特征在于:步骤三中,通过计算机中已经训练好的深度学习网络YOLOv5对实验人的试验结果图片进行识别,将所有实验器材的接线点统一识别为接线柱,根据接线柱和实验器材的空间位置关系,判断属于哪一个实验器材的接线柱,判断接线柱是否与导线卡头连接,记录此接线柱状态TR(status,count,frame),TR为接线柱名称,status表示接线柱状态,status值0代表未接导线,status值1代表连接导线,count表示接线柱连接实验器材连接导线卡头数量,值为0-N,N为正整数,frame表示接线柱出现在视频序列帧数,值为0-M,M为正整数,初始化时TR(0,0,0)。
3.根据权利要求1所述的物理电学实验操作电路连接自动评判方法,其特征在于:计算机中已经训练好的深度学习网络YOLOv5是指,深度学习网络YOLOv5识别实验人的试验结果图片前,通过摄像装置对大量正确完成的物理电学实验过程进行拍照形成正确试验过程视频,对正确试验过程视频进行等时间间隔采样获得一系列正确试验结果图片,实验人试验过程视频进行等时间间隔采样时的时间间隔与正确试验过程视频进行等时间间隔采样的时间间隔相同,采用图像标定工具软件LabelImg对每个正确试验过程的实验器材、实验器材接线柱和实验器材连接卡头即正确信息数据集进行标注,标注内容包括名称、中心坐标、长和宽,得到正确信息标签数据集,将正确信息数据集分为正确信息训练数据集和正确信息验证数据集,对应的将正确信息标签数据集分为正确标签训练数据集和正确标签验证数据集,用深度学习网络YOLOv5对正确信息训练数据集和正确标签训练数据集进行识别模型训练,用正确信息验证数据集和正确标签验证数据集对训练好的识别模型进行验证,得到可以正确识别标注内容的识别模型。
4.根据权利要求1所述的物理电学实验操作电路连接自动评判方法,其特征在于:将实验人的电路几何图结点状态、实验器材连接导线卡头数量和实验器材接入时序与标准化实验器材连接电路图、实验器材连接导线卡头数量和实验器材接入时序进行对比是指,所有接线柱连接实验器材连接导线卡头状态判断完成后,计算每个结点连接支路状态和连接支路数量,以及连接时序,每个结点连接支路状态为该结点相连接实验器材连接卡头状态做与运算,连接支路导线卡头数量为该结点相连接实验器材连接卡头数量求和,连接时间取该结点相连接实验器材连接卡头时间最大值,当该结点连接支路状态为1且连接导线卡头数量与物理实验电路实际导线数量相同,表明该结点正确连接电路,否则表示该结点未正确连接电路,当所有所有结点正确接入电路,比较各结点接入时间,各结点接入时间符合连接电路时序关系则表明实验操作按顺序正确连接电路,否则表明实验操作未按顺序正确连接电路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210357158.9A CN114708486A (zh) | 2022-04-07 | 2022-04-07 | 物理电学实验操作电路连接自动评判方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210357158.9A CN114708486A (zh) | 2022-04-07 | 2022-04-07 | 物理电学实验操作电路连接自动评判方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114708486A true CN114708486A (zh) | 2022-07-05 |
Family
ID=82172477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210357158.9A Pending CN114708486A (zh) | 2022-04-07 | 2022-04-07 | 物理电学实验操作电路连接自动评判方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114708486A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115775341A (zh) * | 2023-02-13 | 2023-03-10 | 广州海昇计算机科技有限公司 | 一种实验设备状态检测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015000414A1 (zh) * | 2013-07-03 | 2015-01-08 | Sun Xiquan | 一种实验教学成绩评定系统和方法 |
WO2019071662A1 (zh) * | 2017-10-09 | 2019-04-18 | 平安科技(深圳)有限公司 | 电子装置、票据信息识别方法和计算机可读存储介质 |
CN111028639A (zh) * | 2019-12-31 | 2020-04-17 | 太原智林信息技术股份有限公司 | 一种用于物理电学的电路连接自动检测系统 |
CN111312023A (zh) * | 2020-03-20 | 2020-06-19 | 上海中科教育装备集团有限公司 | 一种中学物理电路实验电路图自动绘制的装置及方法 |
CN111833689A (zh) * | 2019-04-19 | 2020-10-27 | 杭州海康威视数字技术股份有限公司 | 一种电学实验的评分方法及装置 |
-
2022
- 2022-04-07 CN CN202210357158.9A patent/CN114708486A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015000414A1 (zh) * | 2013-07-03 | 2015-01-08 | Sun Xiquan | 一种实验教学成绩评定系统和方法 |
WO2019071662A1 (zh) * | 2017-10-09 | 2019-04-18 | 平安科技(深圳)有限公司 | 电子装置、票据信息识别方法和计算机可读存储介质 |
CN111833689A (zh) * | 2019-04-19 | 2020-10-27 | 杭州海康威视数字技术股份有限公司 | 一种电学实验的评分方法及装置 |
CN112037613A (zh) * | 2019-04-19 | 2020-12-04 | 杭州海康威视数字技术股份有限公司 | 一种电学实验的评分方法及装置 |
CN111028639A (zh) * | 2019-12-31 | 2020-04-17 | 太原智林信息技术股份有限公司 | 一种用于物理电学的电路连接自动检测系统 |
CN111312023A (zh) * | 2020-03-20 | 2020-06-19 | 上海中科教育装备集团有限公司 | 一种中学物理电路实验电路图自动绘制的装置及方法 |
Non-Patent Citations (2)
Title |
---|
李晓冬;李淑明;: "电路分析基础实验混合式教学模式探索与实践", 大学教育, no. 07, 14 June 2019 (2019-06-14) * |
赵伟;杨旭;霍剑青;王晓蒲;: "基于操作路径的物理实验考试评判系统的设计与实现", 电子技术, no. 06, 25 June 2012 (2012-06-25) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115775341A (zh) * | 2023-02-13 | 2023-03-10 | 广州海昇计算机科技有限公司 | 一种实验设备状态检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114692557B (zh) | 一种柔性电路板制造性能监测分析方法及系统 | |
CN109918523B (zh) | 一种基于yolo9000算法的电路板元器件检测方法 | |
CN109638959B (zh) | 基于ar和深度学习的电力设备遥信功能调试方法及系统 | |
CN114708486A (zh) | 物理电学实验操作电路连接自动评判方法 | |
CN111312023B (zh) | 一种中学物理电路实验电路图自动绘制的装置及方法 | |
CN114760442A (zh) | 一种用于在线教育管理用监控系统 | |
CN107527095A (zh) | 一种车辆检测图像采集方法及系统 | |
CN114005061A (zh) | 一种实验智能评分方法、装置和设备 | |
CN112307416B (zh) | 一种电参数通用自动化测试与计量系统及测试计量方法 | |
CN111768317B (zh) | 一种实验操作评分方法、装置及设备 | |
CN107797089A (zh) | 一种计量器具自动化监测装置 | |
CN109462067B (zh) | 嵌入式设备的辅助装置和实训系统 | |
CN113128881B (zh) | 测量仪表的操作考评方法、设备及存储介质 | |
CN108415886A (zh) | 一种基于生产工序的数据标签纠错方法及装置 | |
CN114432685A (zh) | 一种立定跳远测试方法和装置 | |
CN111626323A (zh) | 一种基于深度学习的电表状态检测和评估方法 | |
CN106990343A (zh) | 电子元器件的测试方法及系统 | |
CN203149105U (zh) | 一种数字万用表自动检定装置 | |
CN111336918A (zh) | 一种插件夹爪检测工艺、系统及夹爪 | |
CN115792283A (zh) | 一种实物电路图到电学符号电路图的重建及电路状态判断方法 | |
CN115496339A (zh) | 一种电学实验分析方法、装置及存储介质 | |
CN117334099B (zh) | 电气控制电路智能教学方法及装置、设备、存储介质 | |
CN116664699B (zh) | 汽车生产线数据管理系统以及方法 | |
TW201340052A (zh) | 學習診斷分析方法及學習診斷分析系統 | |
TWI840006B (zh) | 印刷電路板缺陷檢測模型訓練方法及缺陷檢測方法 |
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 |