[發明專利]一種智能識別手寫數學公式批閱系統

在審

• 申請號: 201911064853.0
• 申請日: 2019-11-04
• 公開（公告）號: CN110837793A
• 公開（公告）日: 2020-02-25
• 發明（設計）人: 駱研;吳奐;陶雙全
• 申請（專利權）人: 駱研
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62
• 代理公司: 常州佰業騰飛專利代理事務所(普通合伙) 32231
• 代理人: 顧翰林

1.一種智能識別手寫數學公式批閱系統，其特征在于，包括如下步驟：

(1)識別：基于CHROME數據集訓練用于識別手寫卷子上數學公式的模型，該模型用于識別所述手寫卷子上的各個題目的手寫區域，其中，所述模型是基于lenet5的卷積神經網絡的模型；

(2)預處理：根據收集的學生手寫數學試卷拍照或掃描成圖片文檔，所述圖片文檔使用opencv對輸入的圖像進行預處理，包括灰度化、二值化、高斯濾波和字符分割，所述字符分割是將字符裁剪出來再歸一化成固定大小的矩陣；

(3)字符識別：根據分割出的字符采用深度學習預先訓練的模型分類器完成字符識別，所述模型是基于lenet5的卷積神經網絡的模型，該模型圖像識別精確度高；

(4)生產正答率：根據將各個非選擇題單獨進行與標準答案識別匹配，并逐題生成各個非選擇題的正答率，可為各類學校和考試機構提高閱卷效率，并根據各類題目的正答率，得出本批答題者對各個題目的掌握程度。

2.如權利要求1所述智能識別手寫數學公式批閱系統，其特征在于，步驟(1)中的所述模型用于識別字符，所述字符包括打印字體和手寫字符組成；所述手寫字符是特指手寫數學公式的計算題。

3.如權利要求1所述的智能識別手寫數學公式批閱系統，其特征在于，所述的模型是通過以下步驟訓練得到的：

在TensorFlow上訓練了一個lenet5的卷積神經網絡，所述網絡用來識別數學字符，所述數據集是使用CHROME數據集。

4.如權利要求1所述的智能識別手寫數學公式批閱系統，其特征在于，所述的神經網路是基于tensorflow上訓練的深度學習網絡模型。

5.如權利要求1所述的智能識別手寫數學公式批閱系統，其特征在于，卷積神經網絡模型從所述手寫數學公式試卷的影像中提取二維特征向量，包括灰度化、二值化、高斯濾波和字符分割。