CN115482535A - 一种试卷自动批改方法、存储介质及设备 - Google Patents

一种试卷自动批改方法、存储介质及设备 Download PDF

Info

Publication number
CN115482535A
CN115482535A CN202211274001.6A CN202211274001A CN115482535A CN 115482535 A CN115482535 A CN 115482535A CN 202211274001 A CN202211274001 A CN 202211274001A CN 115482535 A CN115482535 A CN 115482535A
Authority
CN
China
Prior art keywords
paper
image
test paper
area
standard test
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
CN202211274001.6A
Other languages
English (en)
Inventor
陈炳洁
王余
蔡伟谦
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.)
Zhuhai Readboy Software Technology Co Ltd
Original Assignee
Zhuhai Readboy Software Technology Co Ltd
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 Zhuhai Readboy Software Technology Co Ltd filed Critical Zhuhai Readboy Software Technology Co Ltd
Priority to CN202211274001.6A priority Critical patent/CN115482535A/zh
Publication of CN115482535A publication Critical patent/CN115482535A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/14Image acquisition
    • G06V30/1444Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/14Image acquisition
    • G06V30/148Segmentation of character regions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/19Recognition using electronic means
    • G06V30/19007Matching; Proximity measures
    • G06V30/19093Proximity measures, i.e. similarity or distance measures
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种试卷自动批改方法、存储介质及设备,通过制作带有标准答案的纸质试卷,在纸质标准试卷的图像上用标注工具标注出作答区、分数区等区域,创建准确的模板数据,根据该准确的模板数据可以高效准确地自动化识别待批阅的试卷,极大提高教师批改和统分效率,减少后续校正、纠错的工作量。

Description

一种试卷自动批改方法、存储介质及设备
技术领域
本发明涉及智能教学技术领域,具体涉及一种试卷自动批改方法、存储介质及设备。
背景技术
随着计算机技术和教育信息化的不断推进,计算机技术已经逐步应用于日常的教育教学各项活动中,特别是在教学评测场景下得到了较好的应用。国内现有的基础教育、学生学习状况的主要考察形式仍是各种类型的考试或测试,在此状况下,教师背负着很大的批改作业和试卷的工作压力。针对这种现象,在大中型或重要性高的考试或测试中已经逐渐推广采用各类自动阅卷系统,这类系统能够一定程度上减轻教师阅卷的工作量。
随着互联网技术和产品逐步向教育领域渗透,在线教育的受众的规模不断扩大,又进一步增加了考试和作业评阅的数量。因此如何减少人工评阅的工作量,提高试卷批改效率和正确率,是目前业界亟待解决的问题。
发明内容
针对现有技术的不足,本发明旨在提供一种试卷自动批改方法、存储介质及设备。
为了实现上述目的,本发明采用如下技术方案:
一种试卷自动批改方法,具体过程为:
S1、制作纸质标准试卷:在未作答的试卷上各个题目的作答区中填写各个题目的标准答案,得到纸质标准试卷;
S2、采集纸质标准试卷的模板数据:
采集步骤S1中得到的纸质标准试卷的图像,获取纸质标准试卷的图像的宽和高,在纸质标准试卷的图像的正面和反面均标注出各个题目的作答区和分数区,并标注出纸质标准试卷的图像的姓名区、学号区、班级区和科目区;记录标出的作答区、分数区、姓名区、学号区、班级区和科目区的数据信息,所述数据信息至少包括区域坐标和区域类型,作答区和分数区的数据信息还包括有题号和结果,作答区的结果即是对应题号的标准答案,分数区的结果即是对应题号的分数;获取纸质标准试卷图像的正反面特征信息;
S3、采集待批阅试卷的图像,根据待批阅试卷的图像进行自动批改及统分:
S3.1、采集待批阅试卷的图像,并获取待批阅试卷的图像的宽和高信息;
S3.2、分别计算待批阅试卷的图像的宽和高与纸质标准试卷图像的宽和高的差值,如果宽和高的差值都小于或等于预设的差值阈值,默认待批阅试卷的图像与纸质标准试卷图像的宽和高一致,否则对待批阅试卷的图像进行等比图像缩放处理,使其与纸质标准试卷图像的宽和高的差值小于或等于预设的差值阈值;
S3.3、识别出待批阅试卷的图像的正面和反面;
S3.4、按照纸质标准试卷图像的作答区、分数区、姓名区、学号区、班级区和科目区的数据信息,在待批阅试卷的图像中裁剪出姓名区、学号区、班级区和科目区的图像并识别得到对应的姓名、学号、班级和科目,并依次在待批阅试卷的图像的正面和反面中裁剪出各个题目的作答区和分数区的图像,识别出每个题目的答案和分数;
S3.5、根据纸质标准试卷图像中每个题目的标准答案对待批阅试卷的图像中每个题目的答案进行批改,并根据每个题目的分数判定对应题目的得分,最后统计分数获得统分结果,将统分结果连同姓名、学号、班级和科目一并录入系统。
进一步地,步骤S1中,采用人工在纸质试卷上各个题目的作答区中填写各个题目的标准答案,得到纸质标准试卷,或者在电子版的试卷上各个题目的作答区中输入各个题目的标准答案,然后打印成纸质文件,作为纸质标准试卷。
进一步地,步骤S2中,使用labelme工具软件在纸质标准试卷图像上标注出每道题目的作答区、分数区、姓名区、学号区、班级区和科目区,labelme工具软件将各个标注的矩形框的标签及矩形框的坐标自动生成为json数据。
进一步地,步骤S2中,获取纸质标准试卷图像的正反面特征信息的过程为:采集和记录纸质标准试卷的图像的正面和反面的文本数据、图像数据、页码数据和标题数据中的一种或多种作为对应的特征信息。
更进一步地,步骤S3.3中,按照获取的纸质标准试卷图像的正反面特征信息,识别待批阅试卷的图像的正面和反面时,相应地通过计算待批阅试卷的图像的文本数据与正面和反面的特征信息中的文本数据的相似度、计算待批阅试卷的图像与正反面特征信息中的图像数据的相似度、判断待批阅试卷的图像的页码数据与正反面特征信息中的页码数据是否一致、判断待批阅试卷的图像的标题数据与正反面特征信息中的标题数据是否一致中的一种或多种来识别出待批阅试卷的图像的正面和反面。
进一步地,步骤S2中,在采集纸质标准试卷图像之后,对所述纸质标准试卷图像进行矩形矫正、曲面矫正、图像去噪的预处理后再进行标注,后续采集待批阅试卷的图像时也需要进行同样的预处理。
本发明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内存储有计算机程序,所述计算机程序被处理器执行时实现上述方法。
本发明还提供一种计算机设备,包括处理器和存储器,所述存储器用于存储计算机程序;所述处理器用于执行所述计算机程序时,实现上述方法。
本发明的有益效果在于:本发明通过制作带有标准答案的纸质试卷,在纸质标准试卷的图像上用标注工具标注出作答区、分数区等区域,创建准确的模板数据,根据该准确的模板数据可以高效准确地自动化识别待批阅的试卷,极大提高教师批改和统分效率,减少后续校正、纠错的工作量。
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。
本实施例提供一种试卷自动批改方法,具体过程为:
S1、制作纸质标准试卷:在未作答的试卷上各个题目的作答区中填写各个题目的标准答案,得到纸质标准试卷。
具体地,可以人工在纸质试卷上各个题目的作答区中填写各个题目的标准答案,得到纸质标准试卷,也可以在电子版的试卷上各个题目的作答区中输入各个题目的标准答案,然后打印成纸质文件,作为纸质标准试卷。
S2、采集纸质标准试卷的模板数据:
采集步骤S1中得到的纸质标准试卷的图像,获取纸质标准试卷的图像的宽和高,在纸质标准试卷的图像的正面和反面均标注出各个题目的作答区和分数区,并标注出纸质标准试卷的图像的姓名区、学号区、班级区和科目区;记录标出的作答区、分数区、姓名区、学号区、班级区和科目区的数据信息,所述数据信息至少包括区域坐标(区域坐标可由左上角坐标和右下角坐标组合表示)和区域类型(即标注的区域属于作答区、分数区、姓名区、学号区、班级区还是科目区),作答区和分数区的数据信息还包括有题号和结果,作答区的结果即是对应题号的标准答案,分数区的结果即是对应题号的分数;获取纸质标准试卷图像的正反面特征信息(用于后续识别待批阅试卷图像的正面和反面)。
进一步地,在本实施例中,具体使用labelme工具软件在纸质标准试卷图像上标注出每道题目的作答区和分数区,labelme工具软件可以将各个标注的矩形框的label(标签)及矩形框的坐标自动生成为json数据。json数据适用于网络传输及解析。
例如,在labelme工具软件中打开纸质标准试卷图像,在纸质标准试卷图像中用矩形框框选出选择题第一题的作答区及作答区内的标准答案,然后给该矩形框打上标签,包括number(题号):1.1、类型type:answer(作答区)、result(结果):A(即该题目的标准答案为A),labelme工具软件自动记录标注的矩形框在纸质标准试卷图像中的坐标,并与所述标签数据绑定关联起来生成json数据。
进一步地,在本实施例中,获取纸质标准试卷图像的正反面特征信息的过程为:采集和记录纸质标准试卷的图像的正面和反面的文本数据、图像数据、页码数据和标题数据中的一种或多种作为对应的特征信息。
S3、采集待批阅试卷的图像,根据待批阅试卷的图像进行自动批改及统分:
S3.1、采集待批阅试卷的图像,并获取待批阅试卷的图像的宽和高信息;
S3.2、分别计算待批阅试卷的图像的宽和高与纸质标准试卷图像的宽和高的差值,如果宽和高的差值都小于或等于预设的差值阈值,默认待批阅试卷的图像与纸质标准试卷图像的宽和高一致,否则对待批阅试卷的图像进行等比图像缩放处理,使其与纸质标准试卷图像的宽和高的差值小于或等于预设的差值阈值。
需要说明的是,正常情况下,使用高拍仪、扫描仪等精度较高的设备扫描得到待批阅试卷的图像时无需缩放处理,而使用平板等电子设备拍摄出的图片由于拍摄高度可能不固定,从而一般都需要调节得到的待批阅试卷的图像的宽高。
S3.3、识别出待批阅试卷的图像的正面和反面。
按照获取的纸质标准试卷图像的正反面特征信息,识别出待批阅试卷的图像的正面和反面时,相应地通过计算待批阅试卷的图像的文本数据与正面和反面的特征信息中的文本数据的相似度、计算待批阅试卷的图像与正反面特征信息中的图像数据的相似度、判断待批阅试卷的图像的页码数据与正反面特征信息中的页码数据是否一致、判断待批阅试卷的图像的标题数据与正反面特征信息中的标题数据是否一致中的一种或多种来识别出待批阅试卷的图像的正面和反面。
S3.4、按照纸质标准试卷图像的作答区、分数区、姓名区、学号区、班级区和科目区的数据信息,在待批阅试卷的图像中裁剪出姓名区、学号区、班级区和科目区的图像并识别得到对应的姓名、学号、班级和科目,并依次在待批阅试卷的图像的正面和反面中裁剪出各个题目的作答区和分数区的图像,识别出每个题目的答案和分数。
S3.5、根据纸质标准试卷图像中每个题目的标准答案对待批阅试卷的图像中每个题目的答案进行批改(按照预设的规则进行批改,例如客观题答案完全一致判为正确,否则为错误,主观题可以按照相似度来判断得分率,还可以在后续设置教师复核的步骤),并根据每个题目的分数判定对应题目的得分,最后统计分数获得统分结果,将统分结果连同姓名、学号、班级和科目一并录入系统。
在本实施例中,可以进一步统计个人、班级、年级的答题正确率和知识点掌握程度,生成错题本、同类题、微课等学情数据,进一步精准有效提高学生学习效率。
需要说明的是,采集纸质标准试卷图像和待批阅试卷的图像的设备可以为高拍仪、扫描仪或自带摄像头的手机、平板等,但需要保证采集纸质标准试卷图像和待批阅的试卷图像的设备一致。
在本实施例中,在采集纸质标准试卷图像之后,可进一步对所述纸质标准试卷图像进行矩形矫正、曲面矫正、图像去噪等预处理后再进行标注。后续采集待批阅试卷的图像时也需要进行同样的图像处理。
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)

1.一种试卷自动批改方法,其特征在于,具体过程为:
S1、制作纸质标准试卷:在未作答的试卷上各个题目的作答区中填写各个题目的标准答案,得到纸质标准试卷;
S2、采集纸质标准试卷的模板数据:
采集步骤S1中得到的纸质标准试卷的图像,获取纸质标准试卷的图像的宽和高,在纸质标准试卷的图像的正面和反面均标注出各个题目的作答区和分数区,并标注出纸质标准试卷的图像的姓名区、学号区、班级区和科目区;记录标出的作答区、分数区、姓名区、学号区、班级区和科目区的数据信息,所述数据信息至少包括区域坐标和区域类型,作答区和分数区的数据信息还包括有题号和结果,作答区的结果即是对应题号的标准答案,分数区的结果即是对应题号的分数;获取纸质标准试卷图像的正反面特征信息;
S3、采集待批阅试卷的图像,根据待批阅试卷的图像进行自动批改及统分:
S3.1、采集待批阅试卷的图像,并获取待批阅试卷的图像的宽和高信息;
S3.2、分别计算待批阅试卷的图像的宽和高与纸质标准试卷图像的宽和高的差值,如果宽和高的差值都小于或等于预设的差值阈值,默认待批阅试卷的图像与纸质标准试卷图像的宽和高一致,否则对待批阅试卷的图像进行等比图像缩放处理,使其与纸质标准试卷图像的宽和高的差值小于或等于预设的差值阈值;
S3.3、识别出待批阅试卷的图像的正面和反面;
S3.4、按照纸质标准试卷图像的作答区、分数区、姓名区、学号区、班级区和科目区的数据信息,在待批阅试卷的图像中裁剪出姓名区、学号区、班级区和科目区的图像并识别得到对应的姓名、学号、班级和科目,并依次在待批阅试卷的图像的正面和反面中裁剪出各个题目的作答区和分数区的图像,识别出每个题目的答案和分数;
S3.5、根据纸质标准试卷图像中每个题目的标准答案对待批阅试卷的图像中每个题目的答案进行批改,并根据每个题目的分数判定对应题目的得分,最后统计分数获得统分结果,将统分结果连同姓名、学号、班级和科目一并录入系统。
2.根据权利要求1所述的方法,其特征在于,步骤S1中,采用人工在纸质试卷上各个题目的作答区中填写各个题目的标准答案,得到纸质标准试卷,或者在电子版的试卷上各个题目的作答区中输入各个题目的标准答案,然后打印成纸质文件,作为纸质标准试卷。
3.根据权利要求1所述的方法,其特征在于,步骤S2中,使用labelme工具软件在纸质标准试卷图像上标注出每道题目的作答区、分数区、姓名区、学号区、班级区和科目区,labelme工具软件将各个标注的矩形框的标签及矩形框的坐标自动生成为json数据。
4.根据权利要求1所述的方法,其特征在于,步骤S2中,获取纸质标准试卷图像的正反面特征信息的过程为:采集和记录纸质标准试卷的图像的正面和反面的文本数据、图像数据、页码数据和标题数据中的一种或多种作为对应的特征信息。
5.根据权利要求4所述的方法,其特征在于,步骤S3.3中,按照获取的纸质标准试卷图像的正反面特征信息,识别待批阅试卷的图像的正面和反面时,相应地通过计算待批阅试卷的图像的文本数据与正面和反面的特征信息中的文本数据的相似度、计算待批阅试卷的图像与正反面特征信息中的图像数据的相似度、判断待批阅试卷的图像的页码数据与正反面特征信息中的页码数据是否一致、判断待批阅试卷的图像的标题数据与正反面特征信息中的标题数据是否一致中的一种或多种来识别出待批阅试卷的图像的正面和反面。
6.根据权利要求1所述的方法,其特征在于,步骤S2中,在采集纸质标准试卷图像之后,对所述纸质标准试卷图像进行矩形矫正、曲面矫正、图像去噪的预处理后再进行标注,后续采集待批阅试卷的图像时也需要进行同样的预处理。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法。
8.一种计算机设备,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序;所述处理器用于执行所述计算机程序时,实现权利要求1-6任一所述的方法。
CN202211274001.6A 2022-10-18 2022-10-18 一种试卷自动批改方法、存储介质及设备 Pending CN115482535A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211274001.6A CN115482535A (zh) 2022-10-18 2022-10-18 一种试卷自动批改方法、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211274001.6A CN115482535A (zh) 2022-10-18 2022-10-18 一种试卷自动批改方法、存储介质及设备

Publications (1)

Publication Number Publication Date
CN115482535A true CN115482535A (zh) 2022-12-16

Family

ID=84395125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211274001.6A Pending CN115482535A (zh) 2022-10-18 2022-10-18 一种试卷自动批改方法、存储介质及设备

Country Status (1)

Country Link
CN (1) CN115482535A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116168398A (zh) * 2023-01-06 2023-05-26 北京布局未来教育科技有限公司 基于图像识别的试卷审批方法、装置和设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116168398A (zh) * 2023-01-06 2023-05-26 北京布局未来教育科技有限公司 基于图像识别的试卷审批方法、装置和设备
CN116168398B (zh) * 2023-01-06 2023-08-08 北京布局未来教育科技有限公司 基于图像识别的试卷审批方法、装置和设备

Similar Documents

Publication Publication Date Title
US11790641B2 (en) Answer evaluation method, answer evaluation system, electronic device, and medium
CN110008933B (zh) 一种通用智能阅卷系统和方法
CN110659584B (zh) 一种基于图像识别的智能留痕阅卷系统
CN110110581B (zh) 一种基于人工智能的试卷批改方法和系统
CN109242856A (zh) 一种纸质作业电子化批阅方法及装置
CN110689013A (zh) 一种基于特征识别的自动阅卷方法及系统
CN113083804A (zh) 激光智能除锈方法、系统及可存读介质
CN107067399A (zh) 一种试卷图像分割处理方法
CN110879965A (zh) 试卷客观题的自动批阅方法、电子装置、设备及存储介质
CN112381099A (zh) 一种基于数字教育资源的录题系统
CN111242045A (zh) 自动化作业习题对错指示方法及系统
CN114140280A (zh) 一种基于ai批改的数据处理方法、系统和电子设备
CN113076872A (zh) 一种智能试卷批改方法
CN112163529A (zh) 一种试卷统分的系统及方法
CN114399623B (zh) 一种通用答题识别方法、系统、存储介质及计算设备
CN115482535A (zh) 一种试卷自动批改方法、存储介质及设备
CN113793538B (zh) 一种教辅作业错题收集的方法及系统
CN115050039A (zh) 自动化试卷分析方法、系统、电子设备、存储介质
CN107066939A (zh) 一种网上阅卷系统的试卷切割处理方法
CN108681713A (zh) 一种用于教师教学质量评价的系统
CN115620332B (zh) 一种基于纸质作业的自动批阅方法及设备
CN116246087A (zh) 一种人工辅助机器的考试批阅方法
CN113486786B (zh) 一种自动作业批改系统
CN113705157B (zh) 一种纸质作业拍照批改的方法
CN115269812A (zh) 题目推荐方法、装置、设备及存储介质

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