[發明專利]一種基于神經網絡的涂卡題云批閱系統及方法

在審

• 申請號: 202111139971.0
• 申請日: 2021-09-27
• 公開（公告）號: CN113920521A
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 陳先意;顧軍;張震添;付章杰;王保衛;孫星明
• 申請（專利權）人: 江蘇羽馳區塊鏈科技研究院有限公司
• 主分類號: G06V30/412
• 分類號: G06V30/412;G06V20/10;G06V10/26;G06Q10/06;G06Q50/20;G06N3/02
• 代理公司: 北京翔甌知識產權代理有限公司 11480
• 代理人: 向維登

1.一種基于神經網絡的涂卡題云批閱系統及方法，其特征在于：系統包括：

可配置相關參數的智能客戶端，用于拍攝并保存答題卡信息的本地智能攝像頭，用于對答題卡信息進行傳輸并處理分析的云平臺；

方法包括：

步驟(1)在智能客戶端配置設置相關參數；

步驟(2)調用本地智能攝像頭連拍答題卡并保存；

步驟(3)遠程連接云平臺并上傳答題卡圖像；

步驟(4)在云端服務器對答題卡圖像進行處理分析，得到結果并生成報告；

步驟(5)將評分報告通過云平臺返回至本地客戶端。

2.如權利要求1所述的一種基于神經網絡的涂卡題云批閱系統及方法，其特征在于：所述智能客戶端為手機客戶端或電腦客戶端；所述本地智能攝像頭為手機自帶攝像頭或外置智能攝像頭。

3.如權利要求1所述的一種基于神經網絡的涂卡題云批閱系統及方法，其特征在于：所述步驟(1)中在智能客戶端配置設置相關參數包括在客戶端完成注冊、登錄等個人信息配置項，同時設置連拍時間間隔，選擇已訓練好的批閱神經網絡，上傳作答人員花名冊，并設置標準答案。

4.如權利要求3所述的一種基于神經網絡的涂卡題云批閱系統及方法，其特征在于：所述已訓練好的批閱神經網絡包括：Segmenter語義分割網絡、基于Transformer的目標檢測網絡、數字字符識別網絡和基于小目標檢測的目標識別網絡。

5.如權利要求2所述的一種基于神經網絡的涂卡題云批閱系統及方法，其特征在于：所述步驟(3)中遠程連接云平臺并上傳答題卡圖像，包括：

針對手機客戶端，通過手機APP，每拍完一張答題卡圖像后直接將圖像上傳至云平臺；

針對電腦客戶端，等待所有的答題卡圖像全部拍完后，一起通過瀏覽器上傳至云平臺。

6.如權利要求1所述的一種基于神經網絡的涂卡題云批閱系統及方法，其特征在于：所述步驟(4)中在云端服務器對答題卡圖像進行處理分析，得到結果并生成報告，包括：

步驟A：對答題卡圖像進行預處理；

步驟B：使用Transformer目標檢測網絡自動劃分涂卡區域；

步驟C：使用小目標檢測網絡識別被涂選項；

步驟D：與標準答案進行目標匹配判斷得分；

步驟E：生成評分報告。

7.如權利要求6所述的一種基于神經網絡的涂卡題云批閱系統及方法，其特征在于：所述步驟A中對答題卡圖像進行預處理，包括在云端服務器上，首先使用Segmenter語義分割網絡提取答題卡主圖像，排除背景對答題卡圖像的影響；再通過圖像處理算法，包括縮放變換、旋轉變換、透視變換、明暗調整等圖像增強算法對圖像進行處理。

8.如權利要求6所述的一種基于神經網絡的涂卡題云批閱系統及方法，其特征在于：所述步驟B中使用Transformer目標檢測網絡自動劃分涂卡區域，包括通過使用Transformer目標檢測網絡，提取每一塊涂卡區域的特征，將涂卡區域進行自動劃分，劃分成身份信息涂卡區域和每一道題的涂卡區域。

9.如權利要求6所述的一種基于神經網絡的涂卡題云批閱系統及方法，其特征在于：所述步驟C中使用小目標檢測網絡識別被涂選項，包括針對步驟B中劃分后的每一塊涂卡區域，對該區域圖像二值化處理，首先調用數字字符識別網絡識別題號，再使用小目標檢測網絡結合自定義滑動窗口識別被涂選項。

10.如權利要求6所述的一種基于神經網絡的涂卡題云批閱系統及方法，其特征在于：所述步驟E中生成評分報告，包括：在云平臺上，首先檢測上傳的答題卡圖像是否存在重復上傳或者錯誤涂卡等情況，生成檢測報告；然后對每一份答題卡圖像匯總得到最終評分，并針對此批次的所有答題卡進行數據分析，統計每一道題的錯誤率及錯誤選項的數量，生成統計報告；最后將檢測報告和統計報告匯總得到評分報告。