基于深度学习的高效阅卷方法和阅卷系统与流程

本发明涉及一种阅卷方法和阅卷系统，具体涉及一种基于深度学习的高效阅卷方法和阅卷系统；属于人工智能技术领域。

背景技术：

随着计算机和人工智能的高速发展，无论是工作还是生活都得到了极大地改善，其中教育领域尤为突出。传统的阅卷方式存在诸多的问题，一方面给教师造成了极大的工作负担，甚至压缩了教师备课的时间；另一方面，主观题的批阅带有较强的主观性。根据人脑工作质量与工作时长的分析，长期批阅可能造成批阅的误差性。

传统电子阅卷主要针对的只有客观题，采用的处理方法是读取填图卡的数据，将其和标准答案进行对比，这个方法有效的提高了批阅速度，但是需要学生作答时使用2b铅笔进行客观题的作答，不仅多有不便，还容易出现误涂、漏涂等情况。此外，如果一份试卷只有客观题显然是很不具有参考价值的，因此，试卷上通常也会有主观题。但是，主观题的答案具有仁者见仁智者见智的特点，每个人都不完全一样，表达的形式也不一，所以主观题的自动批阅一直是个很大的难题。

技术实现要素：

为解决现有技术的不足，本发明的目的在于提供一种基于深度学习的高效阅卷方法，能够实现高准确度的手写字符识别以及客观题、主观题的全卷智能批阅。

为了实现上述目标，本发明采用如下的技术方案：

基于深度学习的高效阅卷方法，包括如下步骤：

(1)、图像定位：将答卷位置确定好方便系统正确地扫描答卷；

(2)、图像扫描：将手写字符录入到系统中；

(3)、图像预处理：处理后使系统识别答卷上手写的字符；

(4)、标准学习：建立答案库，用于主观题权重计算；

(5)、试卷批阅：对照答案库分别对客观题和主观题进行批阅，并对照评分规则给出得分。

优选地，前述的图像扫描基于摄像头扫描技术：将摄像头对准答题卡拍摄，系统自动匹配扫描准线，并将对应的原始字符输出到终端。

另一种优选地，前述的图像扫描基于光束扫描技术：将试卷中所有印迹都扫描至终端。

更优选地，前述图像预处理包括：图像灰度化处理、图像二值化处理以及图像去噪处理。

更优选地，在图像预处理时，以字符的结构为标准，对字符进行分模块识别，参考模块库输出识别出来的字符；所述模块库是以汉字、26个字母、10个数字为标准建立的样本库经过模块化处理得到的。

具体地，前述标注学习的具体方法为：首先在系统中输入一份标准答案，然后随机抽取多份样本供计算机学习，答案词条匹配时采用模糊匹配方法和同义词条替换技术，在机器学习时不断更新匹配库以及词条库，输出一个新的答案库，并对答案库中的答案以n个字符为节点分解成多个模块。

优选地，前述样本数量为总批卷量的1/10，这样能够保证深度学习的准确性。

优选地，n等于10，方便系统进行比对。

此外，本发明还公开了实现如前所述的高效阅卷方法的阅卷系统，包括：图像扫描模块、图像预处理模块、图像存储模块、标准学习模块、答案库模块以及试卷批阅模块，所述图像扫描模块扫描试卷上的字符后经图像预处理模块处理后输出至图像存储模块，标准学习模块调取图像存储模块中的多个样本进行深度学习后输出新的主观题答案并输出至答案库模块中，所述试卷批阅模块调取答案库模块中的数据进行比对后给出每题作答者最后的总权值，并根据负责人给定的评分规则给出最终的得分。

鉴于目前大多数考试中大多数考生还是更加倾向于手写答卷，本系统保留了手写考试的形式。基于机器视觉或传统的光束扫描技术将考生考试的考卷录入系统，扫描完成后，系统进行答卷的字符智能识别，将每个字符按照其结构进行分解，对每个部首识别，进行特征拾取，最后输出响应的字符。本系统的主要亮点是实现了主观题的批阅，主观题批阅中引用了深度学习技术，结合抽取的样本以及标准答案对系统进行“学习和训练”，建立新的答案库，对作答者的答案进行智能对比，得到该作答的权重最后对应评分规则得到最终得分。

本发明的有益之处在于：有效的解决了现在大型考试需要人力阅卷，工作量太大的问题。在实施过程中，对考试者而言，弥补了之前电子阅卷解答时也需要网上作答的弊端或者需要填涂答题卡的问题；对批阅者而言，不再需要人工改卷，只需要对一份试题给出一份标准答案以及评分准则并录入该系统即可完成从批阅到分数输出。

附图说明

图1是本发明的一种基于深度学习的高效阅卷方法的整体流程示意图；

图2是本发明的方法中图像扫描的样图；

图3是本发明中针对客观题的批阅流程；

图4是本发明中针对主观题的批阅流程；

图5是本发明中识别字符并输出字符的处理方法流程图；

图6是本发明中输出主观题答案库的流程图。

具体实施方式

以下结合附图和具体实施例对本发明作具体的介绍。

参见图1，本发明的高效阅卷方法包括：图像定位、图像扫描、图像预处理、标准学习、主观题审阅和客观题审阅。

首先，图像定位是将试卷的位置确定好，方便系统正确地扫描答卷，使扫描准确率达到100％，然后通过图像扫描将答卷上的手写字符录入到系统中，扫描思路如图2所示：答题纸中对各个信息模块进行划分，主要分为：个人信息填写区、考试信息公示区、客观题答题区以及主观题答题区。

本发明提供两种扫描方式：

第一种，基于摄像头的扫描方式。用户使用如图2所示的样卷的答题卡，并在扫描前在系统预置x1,x2,x3，……，xn以及y1,y2,y3，……，yn等参数。操作时，只需要将摄像头对准答题卡拍摄，系统自动匹配扫描准线(图2中的粗黑线，细黑线为说明图标)，细并将对应的原始字符输出到终端(包含电脑、手机等终端)。

第二种，基于光束扫描技术的实现方法。试卷中所有的印迹(包括扫描准线以及答题痕迹)全部被扫描进电脑。

接着，通过预处理完成卷面字符的识别，然后进行标准学习，也就是引入深度学习，建立一个主观题答案库，用于主观题的权重计算。

图5所示为本发明识别字符并输出字符的处理方法。首先需要对图像进行灰度化处理，继而进行图像二值化处理和图像去噪处理，完成这些预处理后进行图像的特征提取。为了降低数据库的维度，同时提高识别精度，本发明以文字的结构和部件作为两项主要参考参数，首先对字符的结构进行分析，其次对字符按照结构进行拆解，对各个拆开的部首进行识别，参考模块库输出识别出来的字符。其中，模块库也是以汉字、26个字母、10个数字为标准建立的样本库经过模块化处理得到的。

图6所示为本发明输出主观题批阅标准的方法简要流程，首先在系统中输入一份标准答案(也即传统考试中给出的参考答案)，然后随机抽取多份样本以供计算机学习，建议选择总批卷量的1/10。答案词条匹配时采用模糊匹配方法和同义词条替换技术，在机器学习时不断更新匹配库以及词条库。在批阅试卷时，系统对比经过学习后建立的“答案库”给出每题作答者最后的总权值，并根据负责人给定的评分规则给出该题目最终的得分。

最后，对照答案库分别进行客观题和主观题的审阅，并对照评分规则给出得分，分别如图3和图4所示。具体实施包括以下步骤：

(1)、在完成试卷的扫描工作后，对试卷上的字符进行识别，识别实现原理如前所述，识别完成后输出试卷上的的字符信息。

(2)、标准录入。对于客观题而言，只要将标准答案输入系统即可；对于主观题而言，本实施例突出了一种高精度的多元主观题答案输出方式，首先，输入“标准”答案，然后计算机学习多份答卷(建议为总阅卷量1/10)，输出一个新的答案库，并对答案库中的答案以n个字符(建议为10个字符左右)为节点分解成多个模块，即标准库模块化，如图6所示。

(3)、试卷的批阅。将输出字符和答案库进行匹配，输出批阅结果，结合原先既定的评分标准给出最终该题的得分。

综上，本发明的阅卷方法在主观题的答案库输出过程中引入了深度学习技术，提出了一种将样本库进行模块化的新思路，极大地提高了识别速度以及精准度，在阅卷前首先对系统进行学习，提出多种符合题意的主观题答案库，有效解决了主观题机器化评阅复杂的难题。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。