[發明專利]一種基于深度學習的校園動態閱卷系統

在審

• 申請號: 202011517003.4
• 申請日: 2020-12-21
• 公開（公告）號: CN112613500A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 殷金杰;郭春年;杜靈芝
• 申請（專利權）人: 安徽科迅教育裝備集團有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/34;G06F40/30;G06N3/04;G06N3/08;G06Q50/20
• 代理公司: 合肥律眾知識產權代理有限公司 34147
• 代理人: 龍海麗

1.一種基于深度學習的校園動態閱卷系統，其特征在于：包括控制器，所述控制器與用于接收答題卷掃描圖像的掃描圖像接收模塊相連，所述控制器與用于對掃描圖像進行預處理的圖像預處理模塊相連，所述圖像預處理模塊與用于從預處理后的圖像中識別讀取答題人信息的試卷信息識別模塊相連，所述控制器與用于識別圖像中答題區域的答題區域識別模塊相連，所述控制器與用于根據答題區域識別結果對圖像進行切割的圖像切割模塊相連，所述控制器與用于根據原答題順序對切割圖片進行排序的圖片排序模塊相連；

所述控制器分別與文字識別模型構建模塊、語義識別模型構建模塊相連，所述文字識別模型構建模塊與用于訓練文字識別模型的文字識別模型訓練模塊相連，所述語義識別模型構建模塊與用于訓練語義識別模型的語義識別模型訓練模塊相連；

所述控制器與用于存儲標準答案語義的答案語義存儲模塊相連，所述控制器與用于將切割圖片輸入文字識別模型、語義識別模型，并根據語義識別結果進行評分的評分匯總模塊相連，所述控制器與用于對評分成績進行排序的成績排序模塊相連，所述控制器與用于顯示成績排序的數據顯示模塊相連。

2.根據權利要求1所述的基于深度學習的校園動態閱卷系統，其特征在于：所述圖像預處理模塊基于深度學習的修正算法對掃描圖像進行處理，得到去噪及增強的試卷圖像，再進行邊緣檢測，查找出掃描圖像中所有的邊緣輪廓并記錄下來。

3.根據權利要求2所述的基于深度學習的校園動態閱卷系統，其特征在于：所述答題區域識別模塊從所有邊緣輪廓中查找面積最大的封閉框體，并將該封閉框體從掃描圖像中摳出，再對封閉框體中的子封閉框體進行進行切割，形成切割圖片。

4.根據權利要求3所述的基于深度學習的校園動態閱卷系統，其特征在于：所述文字識別模型構建模塊構建的文字識別模型對切割圖片進行文字識別，包括：

獲取包含待識別文字字符的切割圖片；將切割圖片輸入訓練好的神經網絡模型中進行特征提取，得到特征圖；通過神經網絡模型對特征圖中的文字字符進行識別。

5.根據權利要求4所述的基于深度學習的校園動態閱卷系統，其特征在于：所述文字識別模型訓練模塊采集大量包含文字字符的封閉框體圖像及對應文字字符識別結果，輸入構建的文字識別模型進行訓練。

6.根據權利要求4所述的基于深度學習的校園動態閱卷系統，其特征在于：所述語義識別模型構建模塊構建的語義識別模型對文字識別結果進行語義識別，包括：

刪除文字識別結果中的無意義詞、停止詞，并對保留的文字字符進行詞語分割；將詞語分割后的文字字符編碼成向量矩陣，并將向量矩陣輸入訓練好的神經網絡模型中進行語義識別。

7.根據權利要求6所述的基于深度學習的校園動態閱卷系統，其特征在于：所述語義識別模型訓練模塊采集大量包含試卷相關知識點的關鍵詞，以及解題過程的文字字符，輸入構建的語義識別模型進行訓練。

8.根據權利要求6所述的基于深度學習的校園動態閱卷系統，其特征在于：所述語義識別模型對文字識別結果進行語義識別時，將標準答案語義作為參照；當語義識別結果越接近標準答案語義時，所述評分匯總模塊的評分越高。

9.根據權利要求8所述的基于深度學習的校園動態閱卷系統，其特征在于：所述評分匯總模塊將每個切割圖片的評分結果按照原答題順序對應權重進行加權，計算評分成績，并將評分成績打包發送至成績排序模塊。

10.根據權利要求9所述的基于深度學習的校園動態閱卷系統，其特征在于：所述數據顯示模塊以動態折線圖的形式，顯示每個學生不同時間段內的評分成績變化。