[發明專利]一種移動終端系統的自動閱卡評分方法

在審

• 申請號: 201711078531.2
• 申請日: 2017-11-06
• 公開（公告）號: CN107909066A
• 公開（公告）日: 2018-04-13
• 發明（設計）人: 王懷鑫
• 申請（專利權）人: 泉州市雄藍教育科技有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/68;G06Q50/20
• 代理公司: 泉州市博一專利事務所35213
• 代理人: 洪淵源,莊俊佳

技術領域

本發明涉及的是智能考試信息管理領域，更具體地說是一種移動終端系統的自動閱卷評分方法。

背景技術

在傳統的考試系統中，一般都是使用專用的答題卡進行作答，而在評分過程時，該答題卡上的客觀題都需要使用專用的儀器設備進行答案的讀取，然后再與標準答案進行比對，獲得該部分的成績；而答題卡上的主觀題則由評分老師進行數字評分，然后再進行人工統計成績，最終得到考試的成績。

傳統的答題卡應試過程存在著非常大的局限和缺點，首先，答題卡客觀題的讀取設備和讀取方式都比較原始，不僅局限在專用的設備，而且讀取方式的效率及準確性比較差，第三，答題卡主觀題的讀取與統計還處在人工操作的水平，無法智能化、自動化地完成分數識別、計算和統計。

當今機器人智能技術領域中，AlphaGo即“阿爾法狗”是通過蒙特卡洛樹搜索算法和兩個深度神經網絡合作來完成下棋，在與李世石對陣之前，谷歌公司首先用人類對弈的近3000萬種走法來訓練“阿爾法狗”的神經網絡，讓它學會預測人類專業棋手怎么落子，然后更進一步，讓AlphaGo自己跟自己下棋，從而又產生規模龐大的全新的棋譜。

蒙特卡洛算法和深度神經網絡的解釋：假如籃子里有1000個蘋果，讓你每次閉著眼睛找一個最大的，可以不限制挑選次數。于是，你可以閉著眼隨機拿了一個，然后再隨機拿一個與第一個比，留下大的，再隨機拿一個，與前次留下的比較，又可以留下大的。循環往復這樣，拿的次數越多，挑出最大蘋果的可能性也就越大，但除非你把1000個蘋果都挑一遍，否則你無法肯定最終挑出來的就是最大的一個。蒙特卡洛算法和深度神經網絡是樣本越多，越能找到最佳的解決辦法。

所以，將機器人的人工智能技術應用到考試系統中，使考試過程中使用的答題卡在掃描統分過程中，不僅不需要專用設備，普通的移動終端就可以實現對客觀題、主觀題的自動掃描，而且能夠智能化地自動識別、生成、計算和統計，完全實現智能化、自動化地閱卷評分處理，提高閱卷效率以及考試結果的計算、統計的準確性。

發明內容

本發明公開的是一種移動終端系統的自動閱卷評分方法，其主要目的在于克服現有技術存在的上述不足和缺點。

本發明采用的技術方案如下：

一種移動終端系統的自動閱卡評分方法，所述閱卷評分方法包括以下具體步驟：

步驟一：答題卡數據獲取：移動終端通過攝像頭對已完成客觀題作答及主觀題評分的答題卡進行拍照或掃描，獲取答題卡信息；

步驟二：答題卡客觀題的自動閱卡評分：移動終端通過圖像、圖形識別技術以及云計算方法，自動將步驟一獲取的答題卡信息中的客觀題答題信息進行自動識別、評分、計算和統計，得到答題卡客觀題的評分統計結果；

步驟三：答題卡主觀題的自動閱卡評分：移動終端通過人工智能算法和深度學習構筑的神經網絡系統，自動將步驟一獲取的答題卡信息中的主觀題評分結果進行識別、計算和統計，得到答題卡主觀題的評分統計結果；

步驟四：得到閱卡評分結果：移動終端自動計算和統計步驟二和步驟三的結果，得出最終的閱卷評分結果，完成答題卡的自動閱卡和評分統計。

更進一步，所述步驟二中對答題卡中已作答的客觀題進行自動閱卡評分的過程包括：通過移動終端的攝像頭自動地捕捉到答題卡客觀題區域，應用直線檢測、圖像識別、條碼識別、圖形矯正以及OCR識別技術，在移動終端的系統上進行識別，獲取有效的答題卡客觀題數據，最后通過云計算進行統計。

更進一步，所述步驟三中對答題卡中已評分的主觀題進行自動閱卡評分的過程包括：移動終端的攝像頭自動地捕捉到答題卡主觀題區域，通過搭建符號、公式、手寫數字識別神經網絡系統、再運用顏色判斷、直線檢測、圖像識別、圖像處理、OCR技術等、自動捕捉答題卡區域中評分人員已經過評分的主觀題的評分，進行手寫數字識別，最后進行計算統計，得到主觀題的統計結果。

更進一步，所述移動終端包括手機移動終端設備或帶攝像頭的移動智能設備。

更進一步，所述步驟三中的人工智能算法包括蒙特卡洛算法。

通過上述對本發明的描述可知，和現有技術相比，本發明的優點在于：

本發明通過手機移動終端就可以實現對答題卡客觀題、主觀題的自動掃描，對客觀題進行自動識別、評分、計算和統計，同時，在主觀題上能夠智能化地自動識別、計算和統計，利用手寫文字、文字檢測、以及建立的機器神經網絡，使之可以自動準確地識別主觀題手寫的評分數字，自動進行計算統計，完全實現試卷評閱的智能化、自動化處理，提高閱卷計算和統計的準確性。