您所在的位置: 成果库 基于深度学习的主观题智能阅卷方法、系统及存储介质

基于深度学习的主观题智能阅卷方法、系统及存储介质

成果类型：: 发明专利

发布时间: 2023-10-16 10:14:21

科技成果产业化落地方案
方案提交机构：成果发布人| 涂媛 | 2023-10-16 10:14:21
成果简介 技术亮点 应用前景 团队概括 产生的效益 转化方式

本发明公开了基于深度学习的主观题智能阅卷方法、系统及存储介质，包括：获取答题卡的图像；对所获取的图像进行预处理；利用OpenCV的图像分割处理对答题卡图像进行切分，切分为客观题的答题区域和主观题的答题区域；然后，采用OMR方式对客观题的答题区域进行识别；采用OCR方式对主观题的答题区域进行识别；将客观题和主观题的标准答案均录入到数据库中；所述主观题，包括：设有标准答案的主观题和没有标准答案的主观题；依次统计出客观题和主观题的分值。如果在阅卷过程中发现异常分值的试卷，则需要人工评阅干预，实现对异常试卷的纠偏处理。

针对现有技术中存在的不足，本发明提供了基于深度学习的主观题智能阅卷方法、系统及存储介质，依托互联网和云计算技术，通过大数据分析，为学校用户提供更加真实的考试分析数据、为学生家庭用户提供更具有参考价值的个性化考试分析报告，最终达到提高学生学业水平、减轻教师负担、提高教师学生教与学效率。

近年来，答题卡识别系统以及被社会熟知多年，一直在发展进步，随着大数据时代和云计算的到来，网上阅卷也根据需求逐渐改进和完善。目前主要包括传统的光学字符识别OCR(Optical Character Recognition)和光学标记识别OMR(Optical Mark Recognition)，它们是目前解决录入数据信息最有效的良好总手段，通过光学成像的方法，将图像中的数据信息输入到计算机中，并对图像中的信息进行有效识的识别过程。

此技术是山东师范大学吕蕾研发，山东师范大学，位于山东省济南市，宗旨和业务范围是“面向社会培养高等学历师资人才，进行成人教育，促进教育事业发展”。

与现有技术相比，本发明的有益效果是：

深度学习技术在智能阅卷过程中发挥了巨大作用，具体表现在以下四个方面:译

1.本发明将OMR识别用于客观题评阅，OCR识别用于主观题，并结合深度学习的神经网络进行模型的训练，达到对客观题和主观题的快速评阅，旨在提升阅卷的数量、质量、效率。

2.随着训练样本和卷积层数的增加，模型性能也在逐渐的提升，评阅的准确度也会越来越高。对于评阅人来说，在阅卷的前期需要干预的程度较高；越是到了后期，人工干预的越少。对于大批量的主观题评阅能在很大程度上减少阅卷人的工作量。

3.对于利用深度学习的CNN卷积神经网络训练的模型进行试卷评判后会有一些异常的试卷，比如某篇写作分值很低，可以通过人工干预修正结果。

4.训练好的模型应用场景广泛。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。