CN118607470A - 作业批改留痕打印方法、装置、电子设备及存储介质 - Google Patents
作业批改留痕打印方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN118607470A CN118607470A CN202410795912.6A CN202410795912A CN118607470A CN 118607470 A CN118607470 A CN 118607470A CN 202410795912 A CN202410795912 A CN 202410795912A CN 118607470 A CN118607470 A CN 118607470A
- Authority
- CN
- China
- Prior art keywords
- student
- answer
- image
- standard
- correction
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 197
- 238000007639 printing Methods 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000012360 testing method Methods 0.000 claims abstract description 121
- 230000004044 response Effects 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims description 46
- 238000012015 optical character recognition Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 210000000746 body region Anatomy 0.000 claims 1
- 230000005856 abnormality Effects 0.000 abstract description 5
- 239000000123 paper Substances 0.000 description 131
- 230000006870 function Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 15
- 230000009466 transformation Effects 0.000 description 15
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000002372 labelling Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013136 deep learning model Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 102100032202 Cornulin Human genes 0.000 description 2
- 101000920981 Homo sapiens Cornulin Proteins 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000004816 latex Substances 0.000 description 2
- 229920000126 latex Polymers 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000011087 paperboard Substances 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种作业批改留痕打印方法、装置、电子设备及存储介质,涉及作业批改技术领域,该方法中通过对目标作业的空白试卷进行标准作答后得到的标准作答试卷图像中的标准作答结果对学生作答结果进行批改,老师不需要进行手动排版,不需要在网页上手动输入答案,使用门槛较低,不仅可以节约人工排版所需要的时间,降低人工成本,进而提高作业批改效率,还可以避免因人工排版出现的操作失误引起批量异常的问题出现。而且,该方法采用的使学生作答试卷图像以及标准作答试卷图像,通过对图像进行识别,可以避免不同试题的文件类型的兼容性问题,还可以进一步提高作业批改效率。此外,该方法还可以实现对学生作答原卷进行留痕打印。
Description
技术领域
本发明涉及作业批改技术领域,尤其涉及一种作业批改留痕打印方法、装置、电子设备及存储介质。
背景技术
在教育数字化转型背景下,作业设计、诊断、管理、评价成为当下教育教学研究的重点,老师所面对的学生作业批改负担重、个性化教学困难等问题是目前亟需解决的重要问题。
相关技术中,为实现作业的智能批改,需要老师选题后在网页中进行人工排版,并在排版过程中手动输入试题答案,得到作业版面,通过对作业版面进行下载打印为学生提供纸质作业。学生作答提交作业后,通过扫描仪对作答作业进行扫描,对扫描得到的作业图像进行智能批改。
现有的作业智能批改过程中,由于需要老师在网页中进行人工排版,导致使用门槛较高,对word、pdf等试题的文件类型存在兼容性问题,对公式、图解等答案也难以支持输入,导致人工排版耗时过长,降低作业批改效率,而且容易出现操作失误引起批量异常。
发明内容
本发明提供一种作业批改留痕打印方法、装置、电子设备及存储介质,用以解决相关技术中存在的缺陷。
本发明提供一种作业批改留痕打印方法,包括:
获取目标作业的学生作答试卷图像,并提取所述学生作答试卷图像中的学生作答结果;
获取所述目标作业的标准作答试卷图像,并提取所述标准作答试卷图像中的标准作答结果;
利用所述标准作答结果对所述学生作答结果进行批改,得到批改结果;
基于所述批改结果,将批改痕迹与所述学生作答试卷图像的学生作答区域进行对齐并对学生作答原卷进行留痕打印;
其中,所述标准作答试卷图像为对所述目标作业的空白试卷进行标准作答后得到的图像。
本发明还提供一种作业批改留痕打印装置,包括:
第一图像获取模块,用于获取目标作业的学生作答试卷图像,并提取所述学生作答试卷图像中的学生作答结果;
第二图像获取模块,用于获取所述目标作业的标准作答试卷图像,并提取所述标准作答试卷图像中的标准作答结果;
作业批改模块,用于利用所述标准作答结果对所述学生作答结果进行批改,得到批改结果;
留痕打印模块,用于基于所述批改结果,将批改痕迹与所述学生作答试卷图像的学生作答区域进行对齐并对学生作答原卷进行留痕打印;
其中,所述标准作答试卷图像为对所述目标作业的空白试卷进行标准作答后得到的图像。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一种所述的作业批改留痕打印方法。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述的作业批改留痕打印方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述的作业批改留痕打印方法。
本发明提供的作业批改留痕打印方法、装置、电子设备及存储介质,该方法首先获取目标作业的学生作答试卷图像,并提取学生作答试卷图像中的学生作答结果;然后获取目标作业的标准作答试卷图像,并提取标准作答试卷图像中的标准作答结果;此后利用标准作答结果对学生作答结果进行批改,得到批改结果;最后基于批改结果,将批改痕迹与学生作答试卷图像的学生作答区域进行对齐并对学生作答原卷进行留痕打印。该方法中通过对目标作业的空白试卷进行标准作答后得到的标准作答试卷图像中的标准作答结果对学生作答结果进行批改,老师不需要进行手动排版,不需要在网页上手动输入答案,使用门槛较低,不仅可以节约人工排版所需要的时间,降低人工成本,进而提高作业批改效率,还可以避免因人工排版出现的操作失误引起批量异常的问题出现。而且,该方法采用的使学生作答试卷图像以及标准作答试卷图像,通过对图像进行识别,可以避免不同试题的文件类型的兼容性问题,还可以进一步提高作业批改效率。此外,该方法可以实现对学生作答原卷进行留痕打印,可以让学生对批改结果一目了然,并真正实现老师批改减负。
附图说明
为了更清楚地说明本发明或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的作业批改留痕打印方法的流程示意图;
图2是本发明提供的作业批改留痕打印装置的结构示意图;
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书中的术语“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
由于现有的作业智能批改过程中,需要老师在网页中进行人工排版,即编辑题目、输入答案、调整页面布局等,人工成本较高,而且使用门槛较高,对老师要求较高,而且试题的文件类型也存在兼容性问题,网页对公式、图解等答案也难以支持输入,导致人工排版耗时过长,降低作业批改效率,而且容易出现操作失误引起批量异常。
基于此,本发明实施例中提供了一种作业批改留痕打印方法。
图1为本发明实施例中提供的一种作业批改留痕打印方法的流程示意图,如图1所示,该方法包括:
S1,获取目标作业的学生作答试卷图像,并提取所述学生作答试卷图像中的学生作答结果;
S2,获取所述目标作业的标准作答试卷图像,并提取所述标准作答试卷图像中的标准作答结果;
S3,利用所述标准作答结果对所述学生作答结果进行批改,得到批改结果;
S4,基于所述批改结果,将批改痕迹与所述学生作答试卷图像的学生作答区域进行对齐并对学生作答原卷进行留痕打印;
其中,所述标准作答试卷图像为对所述目标作业的空白试卷进行标准作答后得到的图像。
具体地,本发明实施例中提供的作业批改留痕打印方法,其执行主体为电子设备,例如可以是作业智能批改机器人,该电子设备通过执行作业批改留痕打印方法,可以实现对目标作业的智能批改。该目标作业可以是各学科的作业,不仅可以是数理化等理科,还可以是语文、历史、政治、外文等文科,该目标作业还可以是全学段各种类型的作业,例如可以是阶段测验、课堂练习、课后练习等,还可以是重要的大型考试。
首先执行步骤S1,获取目标作业的学生作答试卷图像。老师可以根据目标作业的需求,使用自有资源或者现有教辅、试卷、纸质提卡等资源进行自由出卷,形成目标作业的空白试卷。该空白试卷中包含有目标作业所需的相关题型的题块信息,相关题型可以包括选择题、填空题、解答题、作文等。题块信息可以包含题号、题干、子题块、空白区域等。该空白试卷的尺寸无限制,老师也无需对该空白试卷进行特殊排版。
通过对目标作业的空白试卷进行打印,并下发给需要做目标作业的学生,学生在空白试卷上手写答案得到学生作答试卷。通过相机、摄像头等图像采集设备对该学生作答试卷进行拍摄,或采用扫描仪对该学生作答试卷进行扫描等方式,可以得到学生作答试卷图像。此外,电子设备还可以集成有扫描功能,由此通过该电子设备即可对学生作答试卷进行扫描,进而得到学生作答试卷图像。
此后,由于学生在空白试卷上手写答案,而空白试卷上原有的试题信息均是印刷体,因此可以通过手写识别模型对学生作答试卷图像进行识别,得到学生作答结果。手写识别模型可以是分割字后的分类识别算法,也可以是深度学习算法,此处不作具体限定。
然后执行步骤S2,获取目标作业的标准作答试卷图像。可以理解的是,在得到目标作业的空白试卷后,老师需要对空白试卷进行标准作答,即在空白试卷手写出标准答案,得到标准作答试卷。通过相机、摄像头等图像采集设备对该标准作答试卷进行拍摄,或采用扫描仪对该标准作答试卷进行扫描等方式,可以得到该标准作答试卷图像。此外,电子设备还可以集成有扫描功能,由此通过该电子设备即可对标准作答试卷进行扫描,进而得到标准作答试卷图像。
在得到标准作答试卷图像后,可以提取标准作答试卷图像中的标准作答结果。由于老师在空白试卷上手写标准答案,而空白试卷上原有的试题信息均是印刷体,因此可以通过手写识别模型对标准作答试卷图像进行识别,得到标准作答结果。手写识别模型可以是分割字后的分类识别算法,也可以是深度学习算法,此处不作具体限定。
此后执行步骤S3,在得到标准作答结果之后,可以利用目标作业的标准作答试卷图像中的标准作答结果,对学生作答结果进行批改,得到批改结果。此处,批改结果可以包括学生作答结果正确或学生作答结果错误,可以将标准作答结果与学生作答结果按题块信息进行匹配,匹配成功则该题块信息对应的学生作答结果正确,匹配失败则该题块信息对应的学生作答结果错误。
最后执行步骤S4,利用批改结果,可以先确定批改痕迹。然后可以采用对齐算法,将批改痕迹与学生作答试卷图像的学生作答区域进行对齐并对学生作答原卷进行留痕打印。该批改痕迹既可以是印刷体批改痕迹,也可以是手写体批改痕迹,相比于印刷体批改痕迹,手写体批改痕迹可以模拟老师的真实批改痕迹。
该批改痕迹可以包括正确批改痕迹和错误批改痕迹,正确批改痕迹可以是对号,错误批改痕迹可以是错号或椭圆。若批改结果为学生作答结果正确,则学生作答试卷图像中对应题块信息的学生作答区域可以与正确批改痕迹进行对齐,若批改结果为学生作答结果错误,则学生作答试卷图像中对应图块信息的学生作答区域可以与错误批改痕迹进行对齐。
通过将批改痕迹与学生作答试卷图像的学生作答区域进行对齐,可以定位批改痕迹在学生作答试卷图像中的位置,进而在对扫描或拍摄得到的学生作答原卷进行打印时,可以将批改痕迹打印在学生作答原卷的学生作答区域上,实现对学生作答原卷进行留痕打印,使打印得到的纸质版的学生作答试卷的学生作答区域包含有批改痕迹。
可以理解的是,学生作答原卷既可以是学生作答后的纸质版的学生作答试卷,也可以是扫描或拍摄得到的电子版的学生作答试卷图像。由此可知,本发明实施例中,既可以对学生作答后的纸质版的学生作答试卷进行留痕打印,也可以对扫描或拍摄得到的电子版的学生作答试卷图像进行留痕打印。特别地,对学生作答后的纸质版的学生作答试卷进行留痕打印,可以避免对学生作答试卷图像进行打印容易导致的学生作答结果被篡改的问题出现。
对学生作答原卷进行留痕打印,可以采用与电子设备连接的打印机,将学生作答试卷放置在打印机的打印纸盒内实现。此外,电子设备可以内置有打印功能,并配置有打印纸盒,然后将学生作答试卷放置在电子设备的打印纸盒内,利用电子设备的打印功能可以实现对学生作答试卷的留痕打印。
本发明实施例中提供的作业批改留痕打印方法,首先获取目标作业的学生作答试卷图像,并提取学生作答试卷图像中的学生作答结果;然后获取目标作业的标准作答试卷图像,并提取标准作答试卷图像中的标准作答结果;此后利用标准作答结果对学生作答结果进行批改,得到批改结果;最后基于批改结果,将批改痕迹与学生作答试卷图像的学生作答区域进行对齐并对学生作答原卷进行留痕打印。该方法中通过对目标作业的空白试卷进行标准作答后得到的标准作答试卷图像中的标准作答结果对学生作答结果进行批改,老师不需要进行手动排版,不需要在网页上手动输入答案,使用门槛较低,不仅可以节约人工排版所需要的时间,降低人工成本,进而提高作业批改效率,还可以避免因人工排版出现的操作失误引起批量异常的问题出现。而且,该方法采用的使学生作答试卷图像以及标准作答试卷图像,通过对图像进行识别,可以避免不同试题的文件类型的兼容性问题,还可以进一步提高作业批改效率。此外,该方法可以实现对学生作答原卷进行留痕打印,可以让学生对批改结果一目了然,并真正实现老师批改减负。
现有的试卷中学生作答区域固定,易出现答案缺损的问题,且对学生作答要求高,实际过程中的作答超出和打草稿场景无法兼容批改。
在上述实施例的基础上,所述提取所述学生作答试卷图像中的学生作答结果,包括:
确定所述学生作答试卷图像的学生题块信息;所述学生题块信息包括所述学生作答试卷图像中的各学生题块;
识别所述学生作答试卷图像的第一印刷体区域和第一作答笔迹区域,并对所述学生题块信息与所述第一作答笔迹区域进行关联匹配,得到所述各学生题块的作答笔迹区域;
对所述各学生题块的作答笔迹区域进行识别,得到所述各学生题块的作答笔迹信息,并对所述第一印刷体区域进行识别,得到第一印刷体信息;
基于所述第一印刷体信息以及所述各学生题块的作答笔迹区域,确定对应于所述各学生题块的学生作答结果。
具体地,在提取学生作答试卷图像中的学生作答结果时,可以先确定学生作答试卷图像的学生题块信息。该学生题块信息可以包括学生作答试卷图像中的各学生题块,还包括题号、题干、子题块、空白区域等。各学生题块是指学生作答试卷图像中的题块,可以通过矩形框进行表征。
此处,可以通过将学生作答试卷图像输入至划题模型,得到划题模型输出的预测结果轮廓点集,然后通过轮廓提取算法,对预测结果轮廓点集进行提取和过滤,通过距离和交并比(Intersection over Union,IOU)等信息进行整合,得到学生题块信息。该划题模型可以结合题块分布特征,合理设计标注规则,标注大量真实学生数据,根据数据分布优化训练深度学习模型的结构参数得到。
可以理解的是,为保证划题模型的效果,可以对学生作答试卷图像执行缩放、裁切以及填充等操作中的一种或多种,使操作后的学生作答试卷图像可以满足划题模型对输入图像的要求。
该划题模型的引入,可以实现对学生作答试卷图像的自动划题,可以快速确定学生题块信息,节约作业批改的时间。
此后,可以通过手写区域检测算法识别学生作答试卷图像的第一印刷体区域和第一作答笔迹区域。此处,可以通过轮廓提取算法,对划题模型输出的预测结果轮廓点集按手写笔迹类别进行提取,得到第一作答笔迹区域。此后,可以通过关联匹配算法,对学生题块信息与第一作答笔迹区域进行关联匹配,得到各学生题块的作答笔迹区域。其中,关联匹配算法可以结合距离、面积等参数实现关联匹配。
学生作答试卷图像中除第一作答笔迹区域以及空白区域外,即为第一印刷体区域。
此后,可以通过手写识别算法对各学生题块的作答笔迹区域进行识别,得到各学生题块的作答笔迹信息。作答笔迹信息可以包括学生手写的作答信息,可以包括中文、外文、数学公式、化学物理公式等。
本发明实施例中,还可以通过印刷体识别算法对第一印刷体区域进行识别,得到第一印刷体信息。该印刷体识别算法可以采用卷积循环神经网络(ConvolutionalRecurrent Neural Network,CRNN)+连接时序分类(Connectionist TemporalClassification,CTC)的模型或基于注意力(Attention)的端到端模型,可以基于图像特征对第一印刷体区域进行识别。
该第一印刷体信息可以包括试题的题干、题号等信息。
此后,可以利用第一印刷体信息以及各学生题块的作答笔迹区域,将第一印刷体信息中的题干、题号与对应的学生题块的作答笔迹区域进行绑定,得到对应于各学生题块的学生作答结果。
本发明实施例中,通过识别第一印刷体区域以及第一作答笔迹区域,进而确定学生作答结果,对试卷中学生作答区域的容忍度较高,可以降低对学生作答的要求,可以对实际过程中的作答超出和打草稿场景进行兼容批改,避免出现答案缺损的问题。
在上述实施例的基础上,所述提取所述标准作答试卷图像中的标准作答结果,包括:
确定所述标准作答试卷图像的标准题块信息;所述标准题块信息包括所述标准作答试卷图像中的各标准题块;
识别所述标准作答试卷图像的第二印刷体区域和第二作答笔迹区域,并对所述标准题块信息与所述第二作答笔迹区域进行关联匹配,得到所述各标准题块的作答笔迹区域;
对所述各标准题块的作答笔迹区域进行识别,得到所述各标准题块的作答笔迹信息,并对所述第二印刷体区域进行识别,得到第二印刷体信息;
基于所述第二印刷体信息以及所述各标准题块的作答笔迹信息,确定对应于所述各标准题块的标准作答结果。
具体地,在应用标准作答试卷图像中的标准作答结果之前,需要先确定标准作答试卷图像中的标准作答结果,该标准作答结果的确定与学生作答试卷图像中的学生作答结果的确定方法一致,具体如下:
先确定标准作答试卷图像的标准题块信息。该标准题块信息可以包括标准作答试卷图像中的各标准题块,还包括题号、题干、子题块、空白区域等。各标准题块是指标准作答试卷图像中的题块,可以通过矩形框进行表征。
此处,可以通过将标准作答试卷图像输入至划题模型,得到划题模型输出的预测结果轮廓点集,然后通过轮廓提取算法,对预测结果轮廓点集进行提取和过滤,通过距离和交并比(Intersection over Union,IOU)等信息进行整合,得到标准题块信息。
可以理解的是,为保证划题模型的效果,可以对标准作答试卷图像执行缩放、裁切以及填充等操作中的一种或多种,使操作后的标准作答试卷图像可以满足划题模型对输入图像的要求。
该划题模型的引入,可以实现对标准作答试卷图像的自动划题,可以快速确定标准题块信息,降低作业批改的前期成本。
此后,可以通过手写区域检测算法识别标准作答试卷图像的第二印刷体区域和第二作答笔迹区域。此处,可以通过轮廓提取算法,对划题模型输出的预测结果轮廓点集按手写笔迹类别进行提取,得到第二作答笔迹区域。此后,可以采用关联匹配算法,对标准题块信息与第二作答笔迹区域进行关联匹配,得到各标准题块的作答笔迹区域。其中,关联匹配算法可以结合距离、面积等参数实现关联匹配。
标准作答试卷图像中除第二作答笔迹区域以及空白区域外,即为第二印刷体区域。
此后,可以通过手写识别算法对各标准题块的作答笔迹区域进行识别,得到各标准题块的作答笔迹信息。作答笔迹信息可以包括标准手写的作答信息,可以包括中文、外文、数学公式、化学物理公式等。
本发明实施例中,还可以通过印刷体识别算法对第二印刷体区域进行识别,得到第二印刷体信息。该印刷体识别算法可以采用卷积循环神经网络(ConvolutionalRecurrent Neural Network,CRNN)+连接时序分类(Connectionist TemporalClassification,CTC)的模型或基于注意力(Attention)的端到端模型,可以基于图像特征对第二印刷体区域进行识别。
该第二印刷体信息可以包括试题的题干、题号等信息。
此后,可以利用第二印刷体信息以及各标准题块的作答笔迹区域,将第二印刷体信息中的题干、题号与对应的标准题块的作答笔迹区域进行绑定,得到对应于各标准题块的标准作答结果。
在上述实施例的基础上,所述确定所述学生作答试卷图像的学生题块信息,包括:
将所述学生作答试卷图像进行二值化处理,得到二值化图像;
对所述二值化图像进行直线检测,得到直线检测结果,并基于所述直线检测结果,以目标角度,对所述学生作答试卷图像进行旋转处理,得到所述学生作答试卷图像的水平矫正结果;所述目标角度基于对所述二值化图像进行旋转处理时竖直方向的投影像素值累积平方和确定;
对所述学生作答试卷图像的水平矫正结果进行划题,得到所述学生题块信息。
具体地,在确定学生作答试卷图像的学生题块信息的过程中,为进一步提高学生题块信息的准确性,在将学生作答试卷图像输入至划题模型之前,还可以通过如下操作对学生作答试卷图像进行水平矫正,然后通过将学生作答试卷图像的水平矫正结果输入至划题模型进行划题,得到学生题块信息:
学生作答试卷图像可以是灰度图像或彩色图像,因此可以先采用图像二值化算法,将学生作答试卷图像进行二值化处理,得到二值化图像。此后,对二值化图像进行直线检测,得到直线检测结果。该直线检测结果可以包括二值化图像中的多条直线。各直线的长度、角度可以相同,也可以不同。
此后,可以将各直线进行过滤,滤除长度、角度不满足要求的直线。例如,可以滤除长度超出预设长度范围、角度超出预设角度范围的直线。预设长度范围可以根据二值化图像的尺寸确定,预设角度范围可以根据实际情况进行设置,此处不作具体限定。
此后,可以判断各直线中是否存在大于或等于指定长度的目标直线,如果不存在,则可以将二值化图像按角度区间[-L,L]步长为l进行旋转处理,计算旋转后的二值化图片在竖直方向(即Y轴方向)的投影像素值累积平方和,取投影像素值累积平方和的最大值对应的角度作为目标角度,对学生作答试卷图像进行旋转处理,获取学生作答试卷图像的水平矫正结果。
在上述实施例的基础上,在确定标准作答试卷图像的标准题块信息的过程中,为进一步提高标准题块信息的准确性,在将标准作答试卷图像输入至划题模型之前,还可以通过如下操作对标准作答试卷图像进行水平矫正,然后通过将标准作答试卷图像的水平矫正结果输入至划题模型进行划题,得到标准题块信息:
标准作答试卷图像可以是灰度图像或彩色图像,因此可以先采用图像二值化算法,将标准作答试卷图像进行二值化处理,得到二值化图像。此后,对二值化图像进行直线检测,得到直线检测结果。该直线检测结果可以包括二值化图像中的多条直线。各直线的长度、角度可以相同,也可以不同。
此后,可以将各直线进行过滤,滤除长度、角度不满足要求的直线。例如,可以滤除长度超出预设长度范围、角度超出预设角度范围的直线。预设长度范围可以根据二值化图像的尺寸确定,预设角度范围可以根据实际情况进行设置,此处不作具体限定。
此后,可以判断各直线中是否存在大于或等于指定长度的目标直线,如果不存在,则可以将二值化图像按角度区间[-L,L]步长为l进行旋转处理,计算旋转后的二值化图片在竖直方向(即Y轴方向)的投影像素值累积平方和,取投影像素值累积平方和的最大值对应的角度作为目标角度,对标准作答试卷图像进行旋转处理,获取标准作答试卷图像的水平矫正结果。
在上述实施例的基础上,所述确定所述学生作答试卷图像的学生题块信息,还包括:
对所述目标作业的空白试卷图像与所述学生作答试卷图像进行对齐,并基于所述空白试卷图像的空白题块信息,确定所述学生题块信息;
和/或,对所述标准作答试卷图像与所述学生作答试卷图像进行对齐,并基于所述标准作答试卷图像的标准题块信息,确定所述学生题块信息。
具体地,若学生手写答案超出答题区域等原因严重影响了学生题块信息的确定,导致对学生作答试卷图像划题失败,则可以如下兜底方案,即可以采用如下两种兜底方案中的至少一种实现对学生题块信息的获取。
兜底方案一:对目标作业的空白试卷图像与学生作答试卷图像进行对齐,并基于空白试卷图像的空白题块信息,确定学生题块信息。此处,目标作业的空白试卷图像可以通过相机、摄像头等图像采集设备对目标作业的空白试卷进行拍摄,或采用扫描仪对目标作业的空白试卷进行扫描等方式得到。
空白试卷图像与学生作答试卷图像可以采用对齐算法实现对齐,对齐算法可以分别从空白试卷图像与学生作答试卷图像中提取关键点,然后计算每个关键点的描述符,即该关键点的特征向量。此后,使用描述符之间的相似度(如欧氏距离、汉明距离等)来匹配空白试卷图像与学生作答试卷图像中的关键点。其中,可以使用最近邻匹配(NearestNeighbor)或比率测试(Ratio Test)等方法来减少错误匹配的数量。
此后,可以根据匹配的关键点对,估计一个几何变换模型(如仿射变换、透视变换、刚体变换或非线性变换)。使用随机抽样一致性(RANSAC)算法去除错误的匹配点,并得到一个鲁棒的变换模型。使用该变换模型对空白试卷图像或学生作答试卷图像进行变换,实现图像对齐。
此后,可以利用空白试卷图像的空白题块信息作为学生题块信息。可以理解的是,空白试卷图像的空白题块信息可以通过划题模型进行划题得到。通过将空白试卷图像输入至划题模型,得到划题模型输出的预测结果轮廓点集,然后通过轮廓提取算法,对预测结果轮廓点集进行提取和过滤,通过距离和交并比(Intersection over Union,IOU)等信息进行整合,得到空白题块信息。
可以理解的是,为保证划题模型的效果,可以对空白试卷图像执行缩放、裁切以及填充等操作中的一种或多种,使操作后的空白试卷图像可以满足划题模型对输入图像的要求。
在确定空白试卷图像的空白题块信息的过程中,为进一步提高空白题块信息的准确性,在将空白试卷图像输入至划题模型之前,还可以通过如下操作对空白试卷图像进行水平矫正,然后通过将空白试卷图像的水平矫正结果输入至划题模型进行划题,得到空白题块信息:
空白试卷图像可以是灰度图像或彩色图像,因此可以先采用图像二值化算法,将空白试卷图像进行二值化处理,得到二值化图像。此后,对二值化图像进行直线检测,得到直线检测结果。该直线检测结果可以包括二值化图像中的多条直线。各直线的长度、角度可以相同,也可以不同。
此后,可以将各直线进行过滤,滤除长度、角度不满足要求的直线。例如,可以滤除长度超出预设长度范围、角度超出预设角度范围的直线。预设长度范围可以根据二值化图像的尺寸确定,预设角度范围可以根据实际情况进行设置,此处不作具体限定。
此后,可以判断各直线中是否存在大于或等于指定长度的目标直线,如果不存在,则可以将二值化图像按角度区间[-L,L]步长为l进行旋转处理,计算旋转后的二值化图片在竖直方向(即Y轴方向)的投影像素值累积平方和,取投影像素值累积平方和的最大值对应的角度作为目标角度,对空白试卷图像进行旋转处理,获取空白试卷图像的水平矫正结果。
由此可知,空白试卷图像、标准作答试卷图像以及学生作答试卷图像的水平矫正过程均一致。
兜底方案二:对标准作答试卷图像与学生作答试卷图像进行对齐,并基于标准作答试卷图像的标准题块信息,确定学生题块信息。此处,标准作答试卷图像与学生作答试卷图像可以采用对齐算法实现对齐,对齐算法可以分别从标准作答试卷图像与学生作答试卷图像中提取关键点,然后计算每个关键点的描述符,即该关键点的特征向量。此后,使用描述符之间的相似度(如欧氏距离、汉明距离等)来匹配标准作答试卷图像与学生作答试卷图像中的关键点。其中,可以使用最近邻匹配(Nearest Neighbor)或比率测试(Ratio Test)等方法来减少错误匹配的数量。
此后,可以根据匹配的关键点对,估计一个几何变换模型(如仿射变换、透视变换、刚体变换或非线性变换)。使用随机抽样一致性(RANSAC)算法去除错误的匹配点,并得到一个鲁棒的变换模型。使用该变换模型对标准作答试卷图像或学生作答试卷图像进行变换,实现图像对齐。
此后,可以利用标准作答试卷图像的标准题块信息作为学生题块信息。
由于手写体需要区分文本手写体和公式手写体,实际使用场景中,答案存在文本手写体和公式手写体共存情况,例如,1/2或1/3,传统方案需要先将手写体分割为3份,再分别进行公式+中文+外文识别,但是手写体的公式和中文区分度低,分割算法效果较差限制整体准确率。而对于现有的印刷体识别,则并未充分利用文字间的语义特征,由此识别得到的印刷体信息准确性有待提高。
在上述实施例的基础上,所述对所述第一印刷体区域进行识别,得到第一印刷体信息,包括:
将所述第一印刷体区域进行切图,得到第一印刷体切图;
将所述第一印刷体切图输入至第一光学字符识别模型,由所述第一光学字符识别模型采用动态规划算法确定并输出所述第一印刷体信息;
和/或,所述对所述各学生题块的作答笔迹区域进行识别,得到所述各学生题块的作答笔迹信息,包括:
将所述各学生题块的作答笔迹区域进行切图,得到作答笔迹切图;
将所述作答笔迹切图输入至第二光学字符识别模型,由所述第二光学字符识别模型采用动态规划算法确定并输出所述各学生题块的作答笔迹信息;
其中,所述第一光学字符识别模型基于带有印刷体信息标签的印刷体图像进行训练得到,所述第二光学字符识别模型基于带有笔迹信息标签的手写图像进行训练得到。
具体地,为避免学生作答试卷图像中的其他区域对第一印刷体区域的识别产生影响,在对第一印刷体区域进行识别时,可以先将第一印刷体区域进行切图,得到第一印刷体切图。
为保证第一印刷体切图可以顺利输入至第一光学字符识别(Optical CharacterRecognition,OCR)模型,可以按学生作答试卷图像的尺寸和背景色,对第一印刷体切图进行填充,以使填充后的第一印刷体切图满足第一OCR模型对输入图像的要求。此处,学生作答试卷图像的背景色可以为白色,则可以将第一印刷体切图周围填充为白色,填充后的第一印刷体切图的尺寸与学生作答试卷图像的尺寸相同。
此后,可以将第一印刷体切图输入至第一OCR模型,由第一OCR模型采用动态规划算法确定并输出第一印刷体信息。由于动态规划算法的应用,充分利用第一印刷体切图中印刷体文字间的语义特征,由此识别得到的第一印刷体信息准确性更高,进而使第一OCR模型的稳定性和效果均得到提升。
为避免学生作答试卷图像中的其他区域对各学生题块的作答笔迹区域的识别产生影响,在对各学生题块的作答笔迹区域进行识别时,可以先将作答笔迹区域进行切图,得到作答笔迹切图。
为保证作答笔迹切图可以顺利输入至第二OCR模型,可以按学生作答试卷图像的尺寸和背景色,对作答笔迹切图进行填充,以使填充后的作答笔迹切图满足第二OCR模型对输入图像的要求。此处,学生作答试卷图像的背景色可以为白色,则可以将作答笔迹切图周围填充为白色,填充后的作答笔迹切图的尺寸与学生作答试卷图像的尺寸相同。
此后,可以将作答笔迹切图输入至第二OCR模型,由第二OCR模型采用动态规划算法确定并输出各学生题块的作答笔迹信息。由于动态规划算法的应用,可以充分利用作答笔迹切图中手写体文字间的语义特征,由此识别得到的作答笔迹信息准确性更高,进而使第二OCR模型的稳定性和效果均得到提升。
可以理解的是,采用的第一OCR模型基于带有印刷体信息标签的印刷体图像进行训练得到,该第一OCR模型可以用于对印刷体切图进行识别。第二OCR模型基于带有笔迹信息标签的手写图像进行训练得到,该第二OCR模型可以用于对作答笔迹区域进行识别。
其中,印刷体信息标签可以通过latex标注规则对印刷体图像中印刷体的中文、英文、数学公式、化学公式、物理公式等信息进行标注得到,笔迹信息标签可以通过latex标注规则对手写图像中手写体的中文、英文、数学公式、化学公式、物理公式等信息进行标注得到。
在上述实施例的基础上,对所述第二印刷体区域进行识别,得到第二印刷体信息,可以包括:
将第二印刷体区域进行切图,得到第二印刷体切图;
将所述第二印刷体切图输入至第一OCR模型,由第一OCR模型采用动态规划算法确定并输出第一印刷体信息;
和/或,对所述各标准题块的作答笔迹区域进行识别,得到所述各标准题块的作答笔迹信息,可以包括:
将所述各标准题块的作答笔迹区域进行切图,得到作答笔迹切图;
将所述作答笔迹切图输入至第二OCR模型,由第二OCR模型采用动态规划算法确定并输出各学生题块的作答笔迹信息。
由此可知,本发明实施例中,第一印刷体区域与第二印刷体区域的识别过程、各学生题块的作答笔迹区域与各标准题块的作答笔迹区域的识别过程均可以是一致的,以降低作业批改成本。
在上述实施例的基础上,所述方法还包括:
识别所述学生作答试卷图像中的学生信息,并确定所述目标作业的学生信息集合中与所述学生信息匹配的目标学生信息;
将所述目标学生信息与所述学生作答试卷图像进行绑定。
具体地,为保证后续可以统计各学生对于目标作业的空白试卷的作答正确率以及研究各学生的个性化教学方案等任务,还可以先识别学生作答试卷图像中的学生信息。在对学生作答试卷图像进行识别之前,还可以将学生作答试卷图像进行水平矫正。
该学生信息可以包括姓名、学号等信息。该学生信息可以通过划题模型得到,即将学生作答试卷图像输入至划题模型中,可以通过划题模型得到学生题块信息以及学生信息。
该学生信息还可以通过其他的指定深度学习模型得到,即将学生作答试卷图像输入至指定深度学习模型中,可以通过指定深度学习模型得到学生信息,此处学生信息的确定方式不作具体限定。
此后,可以引入目标作业的学生信息集合,该学生信息集合是指需要做目标作业的所有学生的学生信息的集合,也可以是需要做目标作业的以班级为单位的学生信息的集合,此处不作具体限定。
此后,可以使用学生信息匹配算法,将学生作答试卷图像中的学生信息与学生信息集合中的学生信息进行匹配排序,然后通过设置绝对阈值和相对阈值,对匹配结果进行过滤,确定目标作业的学生信息集合中与学生信息匹配的目标学生信息。
对于姓名,可以使用模糊匹配算法(如编辑距离、余弦相似度等)来评估两个字符串的相似度。
对于考号,由于考号通常是唯一的,所以可以使用精确匹配。
结合姓名和考号的匹配结果,可以设置一个权重来综合评估整体匹配度。例如,考号的匹配度权重可以高于姓名的匹配度权重。
根据学生信息集合中各学生信息与学生作答试卷图像中的学生信息的整体匹配度,对学生信息集合中的各学生信息进行排序,整体匹配度越高的学生信息应排在前面。
绝对阈值可以是最低匹配度阈值,只有匹配度超过该绝对阈值的学生信息才会被考虑,如此可以过滤掉明显不相关的学生信息。
在得到的匹配结果中,还可以通过比较不同匹配结果之间的匹配度差异与相对阈值的大小关系,选择一个匹配度与其他匹配结果之间的匹配度差异大于相对阈值的匹配结果作为目标学生信息。
此后,将目标学生信息与学生作答试卷图像进行绑定。
本发明实施例中,通过将学生作答试卷图像中的学生信息与目标作业的学生信息集合中的各学生信息进行匹配,可以避免手写笔迹因书写不规范、学号缺失等问题导致的整体全匹配率不高的问题出现,可以提升学生信息的识别准确率。
在上述实施例的基础上,所述利用所述标准作答结果对所述学生作答结果进行批改,得到批改结果,包括:
确定所述标准作答结果的等价答案和等义答案,并对所述标准作答结果、所述等价答案以及所述等义答案进行归一化处理,得到归一化处理结果;
基于所述归一化处理结果,对所述学生作答结果进行批改。
具体地,在对学生作答结果进行批改时,确定对应于各标准题块的标准作答结果之后,可以确定各标准题块的标准作答结果的等价答案和等义答案,等价答案是指标准作答结果的不同形式,等义答案是指与标准作答结果具有相同语义的答案。
此后,可以对标准作答结果、等价答案以及等义答案进行归一化处理,得到归一化处理结果。该归一化处理即将标准作答结果、等价答案以及等义答案均作为正确答案,进而利用该正确答案,按照题型分流,对规则和大型语言模型(Large Language Model,LLM)组成pipline批改模式,对学生作答结果进行批改,从而实现简单的字符批改、复杂的规则批改、比较难的语义批改,达到最佳的批改效果,可以满足实际批改过程中因作答方式(例如交换、结合等排序区别)、手写形近字等不对齐场景。
在上述实施例的基础上,所述获取目标作业的学生作答试卷图像,包括:
对所述目标作业的学生作答试卷进行扫描,得到所述学生作答试卷图像。
具体地,电子设备可以内置有扫描功能或图像采集功能,进而可以通过对学生作答试卷进行扫描得到学生作答试卷图像。
同样地,电子设备可以通过对空白试卷进行扫描得到空白试卷图像,通过对标准作答试卷进行扫描得到标准作答试卷图像。
本发明实施例中,通过为电子设备内置扫描功能或图像采集功能,可以将作业批改功能与扫描功能或图像采集功能进行集成,可以降低图像采集过程中涉及的多端操作导致的各设备的切换操作,可以提高作业批改效率。
在上述实施例的基础上,所述基于所述批改结果,将批改痕迹与所述学生作答试卷图像的学生作答区域进行对齐并对学生作答原卷进行留痕打印,包括:
确定批改痕迹样式,并基于所述批改结果以及所述批改痕迹样式,确定所述批改痕迹,并将所述批改痕迹与所述学生作答区域进行对齐;
确定留痕打印方式,并基于所述留痕打印方式对所述学生作答原卷进行留痕打印。
具体地,老师可以在应用电子设备进行智能批改后,若需要对学生作答原卷进行留痕打印,则可以先配置批改痕迹样式以及留痕打印方式。批改痕迹样式可以是手写体,也可以是印刷体,可以是红色。例如,正确批改痕迹样式可以是红色手写体对号,错误批改痕迹样式可以是红色手写体错号或红色手绘体椭圆等样式。
留痕打印方式是指将批改痕迹打印在学生作答试卷中的具体方式,可以包括顺序打印、摄像头打印和空纸打印。
顺序打印是指按图像扫描顺序依次将批改痕迹打印至各学生作答试卷上。
摄像头打印是指打乱图像扫描顺序将批改痕迹打印至各学生作答试卷。由于打乱图像扫描顺序打印,电子设备中的默认打印顺序是图像扫描顺序,因此可能出现将一个学生作答试卷中的批改痕迹被打印至另一个学生作答试卷上导致打印结果出错。由此,此种打印方式需要通过摄像头或电子设备拍摄打乱顺序的学生作答试卷图像,并使用学生信息匹配算法匹配学生作答试卷图像上的学生信息,进而确定电子设备中对应于该学生信息的批改痕迹,将该批改痕迹留痕打印至学生作答试卷上,保证打印结果的正确性。
空纸打印是指第一次通过顺序打印或摄像头打印出错情况下的第二次打印,该打印方式将批改痕迹与扫描得到的学生作答试卷图像的学生作答区域进行对齐后,将批改痕迹以及学生作答试卷图像一同打印在空白纸张上。可以理解的是,第一次通过顺序打印或摄像头打印出错的学生作答试卷图像可以为一个或多个,此时可以只选择对第一次打印出错的一个或多个学生作答试卷图像进行第二次打印,也可以选择对所有的学生作答试卷图像进行第二次打印。
若只选择对第一次打印出错的一个或多个学生作答试卷图像进行第二次打印,则打印顺序可以是选择的一个或多个学生作答试卷图像的图像扫描顺序。若选择对所有的学生作答试卷图像进行第二次打印,则打印顺序可以是所有的学生作答试卷图像的图像扫描顺序。
基于此,在对学生作答结果进行批改之后,可以依据批改结果,即学生作答结果的正确性,以及批改痕迹样式,确定批改痕迹。然后将批改痕迹与学生作答区域进行对齐,以确定批改痕迹在学生作答试卷中的位置。
此后,可以利用确定的留痕打印方式,对学生作答原卷进行留痕打印,即将批改痕迹通过留痕打印的方式打印在学生作答试卷上,让学生对批改结果一目了然,并真正实现老师批改减负。
本发明实施例中,可以为电子设备配置一键打印功能,支持对学生作答试卷图像的留痕打印,并可以实现多种留痕打印方式共存。进而,可以实现扫描、作业批改以及留痕打印的一体化流程,可以大大提高作业批改效率。
在上述实施例的基础上,所述学生作答试卷图像包括多个;
所述利用所述标准作答结果对所述学生作答结果进行批改,得到批改结果,之后还包括:
对多个所述学生作答试卷图像中的学生作答结果的批改结果进行汇总,并对错误的学生作答结果以及对应的题干信息进行显示。
具体地,学生作答试卷图像可以包括多个,进而可以实现多个学生作答试卷的批量批改。
在此基础上,还可以对多个学生作答试题图像中的学生作答结果的批改结果进行汇总,将错误的学生作答结果以及对应的题干信息进行显示,同时可以显示错误的学生作答结果的个数,使老师可以快速掌握学生的易错试题,进而有助于老师进行后续教学规划。
综上所述,本发明涉及教育技术(EdTech)中的版面分析、智能识别、AI批阅和留痕打印等技术,不仅适用于理科作业,还适用文科作业。本发明实施例中提供的作业批改留痕打印方法,首先上传空白试卷和标准作答试卷,其次上传学生作答试卷,然后对上传的学生作答试卷自动进行智能识别批改,最后对学生作答原卷进行留痕打印,从而实现一体化的作业批改留痕。该方法的核心是对不同类型的试卷进行分割模型的划题、分割模型的手写区域检测、OCR识别、学生信息匹配、智能批改,完成划批一体批改。该方法可以降低确定标准作答结果的操作门槛,提高准确率,大大降低耗时,提升老师体验,支持上传标准作答试卷图像,可以降低上传耗时,减少答案匹配操作失误,降低答案批量异常风险,兼容作答超出和打草稿场景,兼容定位信息少场景,整体使用体验和效率都有很大提升。
由于电子设备集成有扫描功能或图像采集功能,扫描一个班级50名学生的A3双面试卷,可以仅需1分钟,对50名学生的A3双面试卷的智能批改时间可以控制在10分钟内,准确率可以达到98%。
本发明实施例中,电子设备可以配置有第一扫描界面示意图,可以通过设置扫描格式以及任务信息,并点击扫描界面上的“请扫描空白卷”对空白试卷进行扫描,得到空白试卷图像,点击扫描界面上的“请扫描答案卷”对标准作答试卷进行扫描,得到标准作答试卷图像。
本发明实施例中提供的作业批改留痕打印方法,在得到每个作答笔迹区域的同时还可以给出分割概率。
本发明实施例中提供的作业批改留痕打印方法,在得到标准作答试卷图像中对应于各标准题块的标准作答结果的基础上,还可以给出印刷体的标准作答结果,并可以给出各标准作答结果对应的预测概率。
本发明实施例中,电子设备可以配置有第二扫描界面示意图,用于扫描学生作答试卷,得到学生作答试卷图像,同时在第二扫描界面可以提示当前已扫描的学生作答试卷的数量以及扫描的速率等。
本发明实施例中提供的作业批改留痕打印方法,在得到每个作答笔迹区域的同时还可以给出分割概率。
本发明实施例中提供的作业批改留痕打印方法,在得到学生作答试卷图像中对应于各学生题块的学生作答结果的基础上,还可以给出印刷体的学生作答结果,并可以给出各学生作答结果对应的预测概率。
本发明实施例中,电子设备可以配置有智能批改界面,智能批改界面中可以展示姓名、状态、作答分析、试卷分析以及学生名单等信息,作答分析可以包括总正确率以及各试题的正确率。除此至外,智能批改界面中还可以给出操作按钮,通过点击操作按钮可以查看学生作答试卷。
本发明实施例中,电子设备可以配置有留痕打印界面,在留痕打印界面可以进行批改痕迹样式选择,例如若学生作答结果正确,则批改痕迹可以为对号,若学生作答结果错误,则批改痕迹可以为错号,或者为椭圈。除此至外,在留痕打印界面还可以设置留痕打印方式,例如可以顺序打印、摄像头打印以及空纸打印,通过顺序打印可以对各学生作答试卷图像按图像扫描顺序进行留痕打印。摄像头打印可以对各学生作答试卷图像打乱顺序进行打印,空纸打印可以实现对各学生作答试卷图像在空白纸张上的二次打印。
如图2所示,在上述实施例的基础上,本发明实施例中提供了一种作业批改留痕打印装置,包括:
第一图像获取模块21,用于获取目标作业的学生作答试卷图像,并提取所述学生作答试卷图像中的学生作答结果;
第二图像获取模块22,用于获取所述目标作业的标准作答试卷图像,并提取所述标准作答试卷图像中的标准作答结果;
作业批改模块23,用于利用所述标准作答结果对所述学生作答结果进行批改,得到批改结果;
留痕打印模块24,用于基于所述批改结果,将批改痕迹与所述学生作答试卷图像的学生作答区域进行对齐并对学生作答原卷进行留痕打印;
其中,所述标准作答试卷图像为对所述目标作业的空白试卷进行标准作答后得到的图像。
在上述实施例的基础上,本发明实施例中提供的作业批改留痕打印装置,所述第一图像获取模块,具体用于:
确定所述学生作答试卷图像的学生题块信息;所述学生题块信息包括所述学生作答试卷图像中的各学生题块;
识别所述学生作答试卷图像的第一印刷体区域和第一作答笔迹区域,并对所述学生题块信息与所述第一作答笔迹区域进行关联匹配,得到所述各学生题块的作答笔迹区域;
对所述各学生题块的作答笔迹区域进行识别,得到所述各学生题块的作答笔迹信息,并对所述第一印刷体区域进行识别,得到第一印刷体信息;
基于所述第一印刷体信息以及所述各学生题块的作答笔迹区域,确定对应于所述各学生题块的学生作答结果。
在上述实施例的基础上,本发明实施例中提供的作业批改留痕打印装置,所述第一图像获取模块,还具体用于:
将所述学生作答试卷图像进行二值化处理,得到二值化图像;
对所述二值化图像进行直线检测,得到直线检测结果,并基于所述直线检测结果,以目标角度,对所述学生作答试卷图像进行旋转处理,得到所述学生作答试卷图像的水平矫正结果;所述目标角度基于对所述二值化图像进行旋转处理时竖直方向的投影像素值累积平方和确定;
对所述学生作答试卷图像的水平矫正结果进行划题,得到所述学生题块信息。
在上述实施例的基础上,本发明实施例中提供的作业批改留痕打印装置,所述第一图像获取模块,还具体用于:
对所述目标作业的空白试卷图像与所述学生作答试卷图像进行对齐,并基于所述空白试卷图像的空白题块信息,确定所述学生题块信息;
和/或,对所述标准作答试卷图像与所述学生作答试卷图像进行对齐,并基于所述标准作答试卷图像的标准题块信息,确定所述学生题块信息。
在上述实施例的基础上,本发明实施例中提供的作业批改留痕打印装置,所述第一图像获取模块,还具体用于:
将所述第一印刷体区域进行切图,得到第一印刷体切图;
将所述第一印刷体切图输入至第一光学字符识别模型,由所述第一光学字符识别模型采用动态规划算法确定并输出所述第一印刷体信息;
和/或,还具体用于:
将所述各学生题块的作答笔迹区域进行切图,得到作答笔迹切图;
将所述作答笔迹切图输入至第二光学字符识别模型,由所述第二光学字符识别模型采用动态规划算法确定并输出所述各学生题块的作答笔迹信息;
其中,所述第一光学字符识别模型基于带有印刷体信息标签的印刷体图像进行训练得到,所述第二光学字符识别模型基于带有笔迹信息标签的手写图像进行训练得到。
在上述实施例的基础上,本发明实施例中提供的作业批改留痕打印装置,所述留痕打印模块,具体用于:
确定批改痕迹样式,并基于所述批改结果以及所述批改痕迹样式,确定所述批改痕迹,并将所述批改痕迹与所述学生作答区域进行对齐;
确定留痕打印方式,并基于所述留痕打印方式对所述学生作答原卷进行留痕打印。
在上述实施例的基础上,本发明实施例中提供的作业批改留痕打印装置,还包括学生信息识别模块,用于:
识别所述学生作答试卷图像中的学生信息,并确定所述目标作业的学生信息集合中与所述学生信息匹配的目标学生信息;
将所述目标学生信息与所述学生作答试卷图像进行绑定。
在上述实施例的基础上,本发明实施例中提供的作业批改留痕打印装置,所述作业批改模块,具体用于:
确定所述标准作答结果的等价答案和等义答案,并对所述标准作答结果、所述等价答案以及所述等义答案进行归一化处理,得到归一化处理结果;
基于所述归一化处理结果,对所述学生作答结果进行批改。
在上述实施例的基础上,本发明实施例中提供的作业批改留痕打印装置,所述第二图像获取模块,具体用于:
确定所述标准作答试卷图像的标准题块信息;所述标准题块信息包括所述标准作答试卷图像中的各标准题块;
识别所述标准作答试卷图像的第二印刷体区域和第二作答笔迹区域,并对所述标准题块信息与所述第二作答笔迹区域进行关联匹配,得到所述各标准题块的作答笔迹区域;
对所述各标准题块的作答笔迹区域进行识别,得到所述各标准题块的作答笔迹信息,并对所述第二印刷体区域进行识别,得到第二印刷体信息;
基于所述第二印刷体信息以及所述各标准题块的作答笔迹信息,确定对应于所述各标准题块的标准作答结果。
在上述实施例的基础上,本发明实施例中提供的作业批改留痕打印装置,所述第一图像获取模块,还具体用于:
对所述目标作业的学生作答试卷进行扫描或拍摄,得到所述学生作答试卷图像。
在上述实施例的基础上,本发明实施例中提供的作业批改留痕打印装置,所述学生作答试卷图像包括多个;
还包括汇总显示模块,用于:
对多个所述学生作答试卷图像中的学生作答结果的批改结果进行汇总,并对错误的学生作答结果以及对应的题干信息进行显示。
具体地,本发明实施例中提供的作业批改留痕打印装置中各模块的作用与上述方法类实施例中各步骤的操作流程是一一对应的,实现的效果也是一致的,具体参见上述实施例,本发明实施例中对此不再赘述。
图3示例了一种电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(Processor)310、通信接口(Communications Interface)320、存储器(Memory)330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令,以执行上述各实施例中提供的作业批改留痕打印方法。
此外,上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各实施例中提供的作业批改留痕打印方法。可以理解的是,该计算机可读存储介质可以是非暂态计算机可读存储介质,也可以是暂态计算机可读存储介质,此处不作具体限定。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例中提供的作业批改留痕打印方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (14)
1.一种作业批改留痕打印方法,其特征在于,包括:
获取目标作业的学生作答试卷图像,并提取所述学生作答试卷图像中的学生作答结果;
获取所述目标作业的标准作答试卷图像,并提取所述标准作答试卷图像中的标准作答结果;
利用所述标准作答结果对所述学生作答结果进行批改,得到批改结果;
基于所述批改结果,将批改痕迹与所述学生作答试卷图像的学生作答区域进行对齐并对学生作答原卷进行留痕打印;
其中,所述标准作答试卷图像为对所述目标作业的空白试卷进行标准作答后得到的图像。
2.根据权利要求1所述的作业批改留痕打印方法,其特征在于,所述提取所述学生作答试卷图像中的学生作答结果,包括:
确定所述学生作答试卷图像的学生题块信息;所述学生题块信息包括所述学生作答试卷图像中的各学生题块;
识别所述学生作答试卷图像的第一印刷体区域和第一作答笔迹区域,并对所述学生题块信息与所述第一作答笔迹区域进行关联匹配,得到所述各学生题块的作答笔迹区域;
对所述各学生题块的作答笔迹区域进行识别,得到所述各学生题块的作答笔迹信息,并对所述第一印刷体区域进行识别,得到第一印刷体信息;
基于所述第一印刷体信息以及所述各学生题块的作答笔迹区域,确定对应于所述各学生题块的学生作答结果。
3.根据权利要求2所述的作业批改留痕打印方法,其特征在于,所述确定所述学生作答试卷图像的学生题块信息,包括:
将所述学生作答试卷图像进行二值化处理,得到二值化图像;
对所述二值化图像进行直线检测,得到直线检测结果,并基于所述直线检测结果,以目标角度,对所述学生作答试卷图像进行旋转处理,得到所述学生作答试卷图像的水平矫正结果;所述目标角度基于对所述二值化图像进行旋转处理时竖直方向的投影像素值累积平方和确定;
对所述学生作答试卷图像的水平矫正结果进行划题,得到所述学生题块信息。
4.根据权利要求2所述的作业批改留痕打印方法,其特征在于,所述确定所述学生作答试卷图像的学生题块信息,还包括:
对所述目标作业的空白试卷图像与所述学生作答试卷图像进行对齐,并基于所述空白试卷图像的空白题块信息,确定所述学生题块信息;
和/或,对所述标准作答试卷图像与所述学生作答试卷图像进行对齐,并基于所述标准作答试卷图像的标准题块信息,确定所述学生题块信息。
5.根据权利要求2所述的作业批改留痕打印方法,其特征在于,所述对所述第一印刷体区域进行识别,得到第一印刷体信息,包括:
将所述第一印刷体区域进行切图,得到第一印刷体切图;
将所述第一印刷体切图输入至第一光学字符识别模型,由所述第一光学字符识别模型采用动态规划算法确定并输出所述第一印刷体信息;
和/或,所述对所述各学生题块的作答笔迹区域进行识别,得到所述各学生题块的作答笔迹信息,包括:
将所述各学生题块的作答笔迹区域进行切图,得到作答笔迹切图;
将所述作答笔迹切图输入至第二光学字符识别模型,由所述第二光学字符识别模型采用动态规划算法确定并输出所述各学生题块的作答笔迹信息;
其中,所述第一光学字符识别模型基于带有印刷体信息标签的印刷体图像进行训练得到,所述第二光学字符识别模型基于带有笔迹信息标签的手写图像进行训练得到。
6.根据权利要求1-5中任一项所述的作业批改留痕打印方法,其特征在于,所述基于所述批改结果,将批改痕迹与所述学生作答试卷图像的学生作答区域进行对齐并对学生作答原卷进行留痕打印,包括:
确定批改痕迹样式,并基于所述批改结果以及所述批改痕迹样式,确定所述批改痕迹,并将所述批改痕迹与所述学生作答区域进行对齐;
确定留痕打印方式,并基于所述留痕打印方式对所述学生作答原卷进行留痕打印。
7.根据权利要求1-5中任一项所述的作业批改留痕打印方法,其特征在于,所述方法还包括:
识别所述学生作答试卷图像中的学生信息,并确定所述目标作业的学生信息集合中与所述学生信息匹配的目标学生信息;
将所述目标学生信息与所述学生作答试卷图像进行绑定。
8.根据权利要求1-5中任一项所述的作业批改留痕打印方法,其特征在于,所述利用所述标准作答结果对所述学生作答结果进行批改,得到批改结果,包括:
确定所述标准作答结果的等价答案和等义答案,并对所述标准作答结果、所述等价答案以及所述等义答案进行归一化处理,得到归一化处理结果;
基于所述归一化处理结果,对所述学生作答结果进行批改,得到所述批改结果。
9.根据权利要求1-5中任一项所述的作业批改留痕打印方法,其特征在于,所述提取所述标准作答试卷图像中的标准作答结果,包括:
确定所述标准作答试卷图像的标准题块信息;所述标准题块信息包括所述标准作答试卷图像中的各标准题块;
识别所述标准作答试卷图像的第二印刷体区域和第二作答笔迹区域,并对所述标准题块信息与所述第二作答笔迹区域进行关联匹配,得到所述各标准题块的作答笔迹区域;
对所述各标准题块的作答笔迹区域进行识别,得到所述各标准题块的作答笔迹信息,并对所述第二印刷体区域进行识别,得到第二印刷体信息;
基于所述第二印刷体信息以及所述各标准题块的作答笔迹信息,确定对应于所述各标准题块的标准作答结果。
10.根据权利要求1-5中任一项所述的作业批改留痕打印方法,其特征在于,所述获取目标作业的学生作答试卷图像,包括:
对所述目标作业的学生作答试卷进行扫描或拍摄,得到所述学生作答试卷图像。
11.根据权利要求1-5中任一项所述的作业批改留痕打印方法,其特征在于,所述学生作答试卷图像包括多个;
所述利用所述标准作答结果对所述学生作答结果进行批改,得到批改结果,之后还包括:
对多个所述学生作答试卷图像中的学生作答结果的批改结果进行汇总,并对错误的学生作答结果以及对应的题干信息进行显示。
12.一种作业批改留痕打印装置,其特征在于,
第一图像获取模块,用于获取目标作业的学生作答试卷图像,并提取所述学生作答试卷图像中的学生作答结果;
第二图像获取模块,用于获取所述目标作业的标准作答试卷图像,并提取所述标准作答试卷图像中的标准作答结果;
作业批改模块,用于利用所述标准作答结果对所述学生作答结果进行批改,得到批改结果;
留痕打印模块,用于基于所述批改结果,将批改痕迹与所述学生作答试卷图像的学生作答区域进行对齐并对学生作答原卷进行留痕打印;
其中,所述标准作答试卷图像为对所述目标作业的空白试卷进行标准作答后得到的图像。
13.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-11中任一项所述的作业批改留痕打印方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-11中任一项所述的作业批改留痕打印方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410795912.6A CN118607470A (zh) | 2024-06-19 | 2024-06-19 | 作业批改留痕打印方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410795912.6A CN118607470A (zh) | 2024-06-19 | 2024-06-19 | 作业批改留痕打印方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118607470A true CN118607470A (zh) | 2024-09-06 |
Family
ID=92559272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410795912.6A Pending CN118607470A (zh) | 2024-06-19 | 2024-06-19 | 作业批改留痕打印方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118607470A (zh) |
-
2024
- 2024-06-19 CN CN202410795912.6A patent/CN118607470A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110008933B (zh) | 一种通用智能阅卷系统和方法 | |
CN109710590B (zh) | 一种错题本生成方法及装置 | |
CN107657255B (zh) | 网络阅卷方法、装置、可读存储介质以及电子设备 | |
CN109242856A (zh) | 一种纸质作业电子化批阅方法及装置 | |
CN111242045A (zh) | 自动化作业习题对错指示方法及系统 | |
CN113159014B (zh) | 基于手写题号的客观题批阅方法、装置、设备及存储介质 | |
CN112446259A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
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 | |
CN106599887A (zh) | 试卷答题区域识别及试题评阅方法、系统 | |
CN112686263A (zh) | 文字识别方法、装置、电子设备及存储介质 | |
CN112837031A (zh) | 一种基于高速扫描并打印的作业自动批阅方法及装置 | |
US7227997B2 (en) | Image recognition apparatus, image recognition method, and image recognition program | |
CN113793538B (zh) | 一种教辅作业错题收集的方法及系统 | |
JP2008020506A (ja) | 画像処理装置および画像処理プログラム | |
CN107220610A (zh) | 一种应用于阅卷系统的主观题分数识别方法 | |
CN115050039A (zh) | 自动化试卷分析方法、系统、电子设备、存储介质 | |
CN111008594A (zh) | 改错题评阅方法、相关设备及可读存储介质 | |
CN107066939A (zh) | 一种网上阅卷系统的试卷切割处理方法 | |
US20060194187A1 (en) | Material processing apparatus, material processing method, and program product | |
CN115620332B (zh) | 一种基于纸质作业的自动批阅方法及设备 | |
CN118607470A (zh) | 作业批改留痕打印方法、装置、电子设备及存储介质 | |
CN111291591A (zh) | 一种试卷智能批阅打印方法及装置 | |
CN115482535A (zh) | 一种试卷自动批改方法、存储介质及设备 | |
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 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |