CN117745141A - 一种电力职业技能鉴定实操的评价系统及方法 - Google Patents

Abstract

本发明涉及电力职业技能评价技术领域，具体地说是一种电力职业技能鉴定实操的评价系统及方法，该评价系统包括评价平台，评价平台包括图像及声音采集单元、样本库存储单元、图像与样本分析单元和评分单元，图像采集单元是将实操实时视频及声音进行录制并存储，样本库存储单元为正确实操操作视频集，图像与样本分析单元为将图像采集模块采集的视频与样本库存储模块中的操作视频对比分析差别点，评分单元为根据图像与样本分析模块对比得到差别点进行评分，具有系统简单、方法便捷、评估标准统一规范、测评成本低、便于跨行业地区大规模测评等优点。

Description

一种电力职业技能鉴定实操的评价系统及方法

技术领域

本发明涉及电力职业技能评价技术领域，具体地说是一种系统简单、方法便捷、评估标准统一规范、测评成本低、便于跨行业地区大规模测评的电力职业技能鉴定实操的评价系统及方法。

背景技术

众所周知，职业技能鉴定或评价是对个人在特定职业领域所具备的技能和能力进行评估和鉴定的过程，是人才选拔、培养和使用的重要手段之一。传统的职业技能鉴定或评价通常采用考评员打分的模式进行，主要流程是依次为发布公告、网上报名、上传资料、学员报道、理论考试、实操抽签、确定实操项目、公布评分标准、考评员报到、开考评会议、查看实操现场、实操考评考评员打分签字、实操成绩汇总、综合成绩汇总、评分结果认定、综合评审投票、公布通过名单；在进行查看实操现场之后的实操评价过程中存在以下五个问题：

1.主观性较强

采用考评员打分的模式进行职业技能鉴定或评价时，考评员的主观判断会对评价结果产生影响。不同的考评员可能会对同一项技能给出不同的评分，这会影响到鉴定或评价的准确性和公正性。

2.评估标准缺乏统一规范

职业技能鉴定或评价中，评估标准通常由考评员根据他们自己的经验和专业知识制定，缺乏统一的规范，容易导致评估结果的不稳定和不准确。此外，由于技能和能力多样化，不同职业领域的技能评估标准也存在差异，这给标准制定带来了挑战。

3.测评成本高

传统的职业技能鉴定或评价需要大量的人力、物力和时间成本，这对于个人或组织来说都是一笔不小的开销。考评员需要花费相当长的时间对一个人的技能和能力进行评估，而且需要进行多次复核和比对，这增加了测评的成本和周期。

4.不便于跨地域、跨行业测评

传统的职业技能鉴定或评价主要是在特定的地域和行业范围内进行，这限制了考生的选择和发展。如果一个人想要在不同地域或行业中发展，就需要重新进行职业技能鉴定或评价，这会浪费时间和资源，也降低了测试的灵活性和可扩展性。

5.无法满足大规模测评需求

传统的职业技能鉴定或评价方式需要人工参与，难以满足大规模测评的需求。在人才选拔、培养和评价的大环境下，传统的职业技能鉴定或评价方式的效率和可扩展性都面临挑战。

发明内容

本发明的目的是解决上述现有技术的不足，提供一种系统简单、方法便捷、评估标准统一规范、测评成本低、便于跨行业地区大规模测评的电力职业技能鉴定实操的评价系统及方法。

本发明解决其技术问题所采用的技术方案是：

一种电力职业技能鉴定实操的评价系统，其特征在于该评价系统包括评价平台，评价平台包括图像及声音采集单元、样本库存储单元、图像与样本分析单元和评分单元，图像采集单元是将实操实时视频及声音进行录制并存储，样本库存储单元为正确实操操作视频集，图像与样本分析单元为将图像采集模块采集的视频与样本库存储模块中的操作视频对比分析差别点，评分单元为根据图像与样本分析模块对比得到差别点进行评分。

本发明所述的图像及声音采集单元包括视频采集模块、视频切片模块、声音采集模块、声音转文字模块、确定实操文字数据模块、操作数据筛选模块。

本发明所述的样本库存储单元包括安全管理模块、技能操作标准模块、技能笔试模块、分值规则模块。

本发明所述的图像与样本分析单元包括制定实操样本模型模块、扩充稀缺实操样本模块，迭代训练模块、构建高质量操作样本模块、操作工艺分类模块。

本发明所述的评分单元包括技能操作jieba库分析模块、技能笔试jieba库模块、技能口述jieba库分析模块、训练识别模型模块、操作数据与样本数据进行识别对应模块、实操分数形成模块。

一种电力职业技能鉴定实操的评价方法，其特征在于该评价方法步骤如下：

（1）建立评价平台：该系统评价平台包括图像采集单元、样本库存储单元、图像与样本分析单元和评分单元，图像采集单元是将实操实时视频进行录制并存储，样本库存储模块为正确实操操作视频集，图像与样本分析单元为将图像采集模块采集的视频与样本库存储单元中的操作视频对比分析差别点，评分单元为根据图像与样本分析模块对比得到差别点进行评分。

（2）、评价平台的实操评价：具体步骤如下：

S101: 配置实操评价操作方式：包括技能笔试、实操、实操口述，将技能笔试、实操、实操口述对应的评分标准进行更新，将其储存在评分单元的能操作jieba库分析模块、技能笔试jieba库模块、技能口述jieba库分析模块、训练识别模型模块、操作数据与样本数据进行识别对应模块、实操分数形成模块中；

S102:将评分单元中与音频、图纸有关的进行多媒体转化，将其储存在样本库储存单元中，样本库存储单元为正确实操操作视频集，样本库储存单元中安全管理模块、技能操作标准模块、技能笔试模块、分值规则模块与图像及声音采集单元配合评分；

S103:配置采集用的音频、视频、图片采集设备的图像及声音采集单元，图像及声音采集单元中的视频采集模块、视频切片模块、声音采集模块、声音转文字模块、确定实操文字数据模块、操作数据筛选模块进行处理并通过网络与云服务器相连接，机器学习是自动评估技能鉴定实操结果的核心方法，机器学习通过从大量的数据中学习规律和模式，从而实现自动分类和预测，在建立模型之前，需要选择适当的算法和模型结构，人工神经网络是实现自动评估的主要方法之一，训练模型在选定模型之后，需要使用标记好的数据进行模型训练。模型训练的目标是通过大量的数据来学习模型的参数和权重，以提高模型的准确性和泛化能力。训练完成后，需要使用测试数据对模型进行评估和调整，应用模型在模型训练完成后，可以使用它来评估技能鉴定实操结果；

S104:在系统上创建、发布鉴定公告及计划，根据鉴定计划规范申报工种、等级、考试时间等；在线生成申报表，考生在系统上进行鉴定材料填报，并对报名学员申报信息进行网上审核。为班级选择培训科目和实操考试项目，划拨考场，并安排考试场次，依据班级及考试场次选择试题库，并利用出题策略生成试卷。

S105:考评员考评会议，确定采用智能评价实操考评应用的项目或部分实操项目，确定机器打分的项目，如安全措施的验电、工具检查、仪表使用、实操技能笔试、实操结果图像识别、评分等项目。

S106:学员开始实操考试，记录音频、视频、操作试卷、实操结果图片，考生的表现通常包括多个方面，例如动作、姿势、速度、准确性等。

S107:在自动评估技能鉴定实操结果之前，需要对实操结果进行预处理，需要将视频或图转转换为数字格式，并提取出与技能相关的特征，其次，需要将特征进行标准化和归一化，以确保不同考生之间的比较是公平的，特征提取与选择在实操考核中，考生的表现通常包括多个方面，例如动作、姿势、速度、准确性等。因此，需要根据任务的要求，选择合适的特征，这些特征可以通过计算机视觉技术和运动分析技术来提取，在提取特征之后，需要进行特征选择，以确保评分结果的准确性和稳定性，图像与样本分析单元中的制定实操样本模型模块、扩充稀缺实操样本模块、迭代训练模块、构建高质量操作样本模块、操作工艺分类模块实现与采集到的实操特征与样本库内的进行对比，使用应用模型来评估技能鉴定实操结果，在应用模型之前，需要将实操数据输入到模型中，并获得相应的评分结果；

S108:考评员通过app给考生进行实操成绩打分，签字，与机器评价的结果进行核对，并确认是否采用机器评价结果；

S109:在应用模型之后，需要对评分结果进行评估，评估模型的目标是确定模型的准确性和泛化能力，评估结果可以帮助改进模型的性能和鲁棒性，提高评分结果的准确性和可靠性。

本发明由于采用上述方案，具有系统简单、方法便捷、评估标准统一规范、测评成本低、便于跨行业地区大规模测评等优点。

附图说明

图1是本发明评价系统的示意图。

具体实施方式

下面结合附图对本发明进一步说明：

如附图1所示，一种电力职业技能鉴定实操的评价系统，其特征在于该评价系统包括评价平台，评价平台包括图像及声音采集单元、样本库存储单元、图像与样本分析单元和评分单元，图像采集单元是将实操实时视频及声音进行录制并存储，样本库存储单元为正确实操操作视频集，图像与样本分析单元为将图像采集模块采集的视频与样本库存储模块中的操作视频对比分析差别点，评分单元为根据图像与样本分析模块对比得到差别点进行评分。

进一步，所述的图像及声音采集单元包括视频采集模块、视频切片模块、声音采集模块、声音转文字模块、确定实操文字数据模块、操作数据筛选模块。

进一步，所述的样本库存储单元包括安全管理模块、技能操作标准模块、技能笔试模块、分值规则模块。

进一步，所述的图像与样本分析单元包括制定实操样本模型模块、扩充稀缺实操样本模块，迭代训练模块、构建高质量操作样本模块、操作工艺分类模块。

进一步，所述的评分单元包括技能操作jieba库分析模块、技能笔试jieba库模块、技能口述jieba库分析模块、训练识别模型模块、操作数据与样本数据进行识别对应模块、实操分数形成模块。

上述电力职业技能鉴定实操的评价系统的评价方法步骤如下：

（1）建立评价平台：该系统评价平台包括图像采集单元、样本库存储单元、图像与样本分析单元和评分单元，图像采集单元是将实操实时视频进行录制并存储，样本库存储模块为正确实操操作视频集，图像与样本分析单元为将图像采集模块采集的视频与样本库存储单元中的操作视频对比分析差别点，评分单元为根据图像与样本分析模块对比得到差别点进行评分。

（2）、评价平台的实操评价：具体步骤如下：

S101: 配置实操评价操作方式：包括技能笔试、实操、实操口述，将技能笔试、实操、实操口述对应的评分标准进行更新，将其储存在评分单元的能操作jieba库分析模块、技能笔试jieba库模块、技能口述jieba库分析模块、训练识别模型模块、操作数据与样本数据进行识别对应模块、实操分数形成模块中；

S102:将评分单元中与音频、图纸有关的进行多媒体转化，将其储存在样本库储存单元中，样本库存储单元为正确实操操作视频集，样本库储存单元中安全管理模块、技能操作标准模块、技能笔试模块、分值规则模块与图像及声音采集单元配合评分；

S103:配置采集用的音频、视频、图片采集设备的图像及声音采集单元，图像及声音采集单元中的视频采集模块、视频切片模块、声音采集模块、声音转文字模块、确定实操文字数据模块、操作数据筛选模块进行处理并通过网络与云服务器相连接，机器学习是自动评估技能鉴定实操结果的核心方法，机器学习通过从大量的数据中学习规律和模式，从而实现自动分类和预测，在建立模型之前，需要选择适当的算法和模型结构，人工神经网络是实现自动评估的主要方法之一，训练模型在选定模型之后，需要使用标记好的数据进行模型训练。模型训练的目标是通过大量的数据来学习模型的参数和权重，以提高模型的准确性和泛化能力。训练完成后，需要使用测试数据对模型进行评估和调整，应用模型在模型训练完成后，可以使用它来评估技能鉴定实操结果；

S104:在系统上创建、发布鉴定公告及计划，根据鉴定计划规范申报工种、等级、考试时间等；在线生成申报表，考生在系统上进行鉴定材料填报，并对报名学员申报信息进行网上审核。为班级选择培训科目和实操考试项目，划拨考场，并安排考试场次，依据班级及考试场次选择试题库，并利用出题策略生成试卷。

S105:考评员考评会议，确定采用智能评价实操考评应用的项目或部分实操项目，确定机器打分的项目，如安全措施的验电、工具检查、仪表使用、实操技能笔试、实操结果图像识别、评分等项目。

S106:学员开始实操考试，记录音频、视频、操作试卷、实操结果图片，考生的表现通常包括多个方面，例如动作、姿势、速度、准确性等。

S107:在自动评估技能鉴定实操结果之前，需要对实操结果进行预处理，需要将视频或图转转换为数字格式，并提取出与技能相关的特征，其次，需要将特征进行标准化和归一化，以确保不同考生之间的比较是公平的，特征提取与选择在实操考核中，考生的表现通常包括多个方面，例如动作、姿势、速度、准确性等。因此，需要根据任务的要求，选择合适的特征，这些特征可以通过计算机视觉技术和运动分析技术来提取，在提取特征之后，需要进行特征选择，以确保评分结果的准确性和稳定性，图像与样本分析单元中的制定实操样本模型模块、扩充稀缺实操样本模块、迭代训练模块、构建高质量操作样本模块、操作工艺分类模块实现与采集到的实操特征与样本库内的进行对比，使用应用模型来评估技能鉴定实操结果，在应用模型之前，需要将实操数据输入到模型中，并获得相应的评分结果；

S108:考评员通过app给考生进行实操成绩打分，签字，与机器评价的结果进行核对，并确认是否采用机器评价结果；

S109:在应用模型之后，需要对评分结果进行评估，评估模型的目标是确定模型的准确性和泛化能力，评估结果可以帮助改进模型的性能和鲁棒性，提高评分结果的准确性和可靠性。

本发明由于采用上述方案，具有系统简单、方法便捷、评估标准统一规范、测评成本低、便于跨行业地区大规模测评等优点。

下面以“实例：35kV 甲母线故障事故处理试题及考评”的评价系统的进行功能性描述如下：

S101: 配置实操评价操作方式：包括技能笔试、实操、实操口述，将技能笔试、实操、实操口述对应的评分标准进行更新，将其储存在评分单元的能操作jieba库分析模块、技能笔试jieba库模块、技能口述jieba库分析模块、训练识别模型模块、操作数据与样本数据进行识别对应模块、实操分数形成模块中；

S102:将评分单元中与音频、图纸有关的进行多媒体转化，将其储存在样本库储存单元中，样本库存储单元为正确实操操作视频集，样本库储存单元中安全管理模块、技能操作标准模块、技能笔试模块、分值规则模块与图像及声音采集单元配合评分；

S103:配置采集用的音频、视频、图片采集设备的图像及声音采集单元，图像及声音采集单元中的视频采集模块、视频切片模块、声音采集模块、声音转文字模块、确定实操文字数据模块、操作数据筛选模块进行处理并通过网络与云服务器相连接，机器学习是自动评估技能鉴定实操结果的核心方法，机器学习通过从大量的数据中学习规律和模式，从而实现自动分类和预测，在建立模型之前，需要选择适当的算法和模型结构，人工神经网络是实现自动评估的主要方法之一，训练模型在选定模型之后，需要使用标记好的数据进行模型训练。模型训练的目标是通过大量的数据来学习模型的参数和权重，以提高模型的准确性和泛化能力。训练完成后，需要使用测试数据对模型进行评估和调整，应用模型在模型训练完成后，可以使用它来评估技能鉴定实操结果；

S104:在系统上创建、发布鉴定公告及计划，根据鉴定计划规范申报工种、等级、考试时间等；在线生成申报表，考生在系统上进行鉴定材料填报，并对报名学员申报信息进行网上审核。为班级选择培训科目和实操考试项目，划拨考场，并安排考试场次，依据班级及考试场次选择试题库，并利用出题策略生成试卷。

S105:考评员考评会议，确定采用智能评价实操考评应用的项目或部分实操项目，确定机器打分的项目，如安全措施的验电、工具检查、仪表使用、实操技能笔试、实操结果图像识别、评分等项目。

S106:学员开始实操考试，记录音频、视频、操作试卷、实操结果图片，考生的表现通常包括多个方面，例如动作、姿势、速度、准确性等。

S107:在自动评估技能鉴定实操结果之前，需要对试题进行预处理，试题内容及考试要求：

试题内容：1.事故警报响，预告警报响。2. 1号主变保护屏中后备保护装置动作，指示灯亮。3. 1号主变35kV侧断路器、35kV分段断路器跳闸；35kV 甲母线失压；35kV 甲母线所带线路断路器保护无动作；跳闸断路器分合位置指示变位。4．连接35kV 甲母线断路器电流表均无指示，35kV 甲母线电压为零。

考核要求：（1）判断事故范围、原因；检查现象。（2）判断事故设备。（3）记录事故发生时间、检查仪表变化、操作把手、恢复警报。（4）检查1号主变及35kV甲母线保护动作情况。（5）事故设备隔离操作。（6）线路冷备用操作，注意联络线路倒供电。（7）事故设备转检修。

首先，需要将上述考试内容转换为数字格式，并提取出与试题相关的特征，其次，需要将特征进行标准化和归一化。

在实操考核中，考生的表现通常包括多个方面。因此，需要根据任务的要求，选择合适的特征。这些特征可以通过计算机视觉技术和运动分析技术来提取。在提取特征之后，需要进，行特征选择，以确保评分结果的准确性和稳定性。

建立模型，机器学习是自动评估技能鉴定实操结果的核心方法。机器学习可以通过从大量的数据中学习规律和模式，从而实现自动分类和预测。在建立模型之前，需要选择适当的算法和模型结构。通常，人工神经网络是实现自动评估的主要方法之一。

将本次试题考核评分数据录入表内容录入到到模型中，并获得相应的评分结果。评分结果可以是数值型或类别型，具体取决于任务的要求。

如下表：

S108:考评员通过app给考生进行实操成绩打分，签字，与机器评价的结果进行核对，并确认是否采用机器评价结果；

S109:在应用模型之后，需要对评分结果进行评估，评估模型的目标是确定模型的准确性和泛化能力。评估结果可以帮助改进模型的性能和鲁棒性，提高评分结果的准确性和可靠性。考评员操作app，对学员录入的考试内容与模型中的评分标准进行数字化分析，例如本次某一学员录入的考试内容：“汇报调度员故障跳闸时间、事故后的表计指示负荷潮流变化情况。根据象征及设备检查情况正确判断35kV 甲母线故障；1号主变中后备保护动作，1号主变35kV侧、35kV分段断路器跳闸，造成35kV甲母线失电；35kV甲母线所有出线无电，开关未动作”。缺少“跳闸断路器名称、保护动作情况”内容，app自动判定汇报调度内容不全面每处扣3分，随之app进行打分，最后系统进行汇总，进行综合性评价。

Claims (6)

1.一种电力职业技能鉴定实操的评价系统，其特征在于该评价系统包括评价平台，评价平台包括图像及声音采集单元、样本库存储单元、图像与样本分析单元和评分单元，图像采集单元是将实操实时视频及声音进行录制并存储，样本库存储单元为正确实操操作视频集，图像与样本分析单元为将图像采集模块采集的视频与样本库存储模块中的操作视频对比分析差别点，评分单元为根据图像与样本分析模块对比得到差别点进行评分。

2.根据权利要求1所述的一种电力职业技能鉴定实操的评价系统，其特征在于所述的图像及声音采集单元包括视频采集模块、视频切片模块、声音采集模块、声音转文字模块、确定实操文字数据模块、操作数据筛选模块。

3.根据权利要求1所述的一种电力职业技能鉴定实操的评价系统，其特征在于所述的样本库存储单元包括安全管理模块、技能操作标准模块、技能笔试模块、分值规则模块。

4.根据权利要求1所述的一种电力职业技能鉴定实操的评价系统，其特征在于所述的图像与样本分析单元包括制定实操样本模型模块、扩充稀缺实操样本模块，迭代训练模块、构建高质量操作样本模块、操作工艺分类模块。

5.根据权利要求1所述的一种电力职业技能鉴定实操的评价系统，其特征在于所述的评分单元包括技能操作jieba库分析模块、技能笔试jieba库模块、技能口述jieba库分析模块、训练识别模型模块、操作数据与样本数据进行识别对应模块、实操分数形成模块。

6.一种电力职业技能鉴定实操的评价方法，其特征在于该评价方法步骤如下：

（1）建立评价平台：该系统评价平台包括图像采集单元、样本库存储单元、图像与样本分析单元和评分单元，图像采集单元是将实操实时视频进行录制并存储，样本库存储模块为正确实操操作视频集，图像与样本分析单元为将图像采集模块采集的视频与样本库存储单元中的操作视频对比分析差别点，评分单元为根据图像与样本分析模块对比得到差别点进行评分；

（2）、评价平台的实操评价：具体步骤如下：

S101: 配置实操评价操作方式：包括技能笔试、实操、实操口述，将技能笔试、实操、实操口述对应的评分标准进行更新，将其储存在评分单元的能操作jieba库分析模块、技能笔试jieba库模块、技能口述jieba库分析模块、训练识别模型模块、操作数据与样本数据进行识别对应模块、实操分数形成模块中；

S102:将评分单元中与音频、图纸有关的进行多媒体转化，将其储存在样本库储存单元中，样本库存储单元为正确实操操作视频集，样本库储存单元中安全管理模块、技能操作标准模块、技能笔试模块、分值规则模块与图像及声音采集单元配合评分；

S103:配置采集用的音频、视频、图片采集设备的图像及声音采集单元，图像及声音采集单元中的视频采集模块、视频切片模块、声音采集模块、声音转文字模块、确定实操文字数据模块、操作数据筛选模块进行处理并通过网络与云服务器相连接，机器学习是自动评估技能鉴定实操结果的核心方法，机器学习通过从大量的数据中学习规律和模式，从而实现自动分类和预测，在建立模型之前，需要选择适当的算法和模型结构，人工神经网络是实现自动评估的主要方法之一，训练模型在选定模型之后，需要使用标记好的数据进行模型训练，模型训练的目标是通过大量的数据来学习模型的参数和权重，以提高模型的准确性和泛化能力，训练完成后，需要使用测试数据对模型进行评估和调整，应用模型在模型训练完成后，可以使用它来评估技能鉴定实操结果；

S104:在系统上创建、发布鉴定公告及计划，根据鉴定计划规范申报工种、等级、考试时间等；在线生成申报表，考生在系统上进行鉴定材料填报，并对报名学员申报信息进行网上审核，为班级选择培训科目和实操考试项目，划拨考场，并安排考试场次，依据班级及考试场次选择试题库，并利用出题策略生成试卷；

S105:考评员考评会议，确定采用智能评价实操考评应用的项目或部分实操项目，确定机器打分的项目，如安全措施的验电、工具检查、仪表使用、实操技能笔试、实操结果图像识别、评分等项目；

S106:学员开始实操考试，记录音频、视频、操作试卷、实操结果图片，考生的表现通常包括多个方面，例如动作、姿势、速度、准确性等；

S107:在自动评估技能鉴定实操结果之前，需要对实操结果进行预处理，需要将视频或图转转换为数字格式，并提取出与技能相关的特征，其次，需要将特征进行标准化和归一化，以确保不同考生之间的比较是公平的，特征提取与选择在实操考核中，考生的表现通常包括多个方面，例如动作、姿势、速度、准确性等，因此，需要根据任务的要求，选择合适的特征，这些特征可以通过计算机视觉技术和运动分析技术来提取，在提取特征之后，需要进行特征选择，以确保评分结果的准确性和稳定性，图像与样本分析单元中的制定实操样本模型模块、扩充稀缺实操样本模块、迭代训练模块、构建高质量操作样本模块、操作工艺分类模块实现与采集到的实操特征与样本库内的进行对比，使用应用模型来评估技能鉴定实操结果，在应用模型之前，需要将实操数据输入到模型中，并获得相应的评分结果；

S108:考评员通过app给考生进行实操成绩打分，签字，与机器评价的结果进行核对，并确认是否采用机器评价结果；

S109:在应用模型之后，需要对评分结果进行评估，评估模型的目标是确定模型的准确性和泛化能力，评估结果可以帮助改进模型的性能和鲁棒性，提高评分结果的准确性和可靠性。