[发明专利]一种基于神经网络的涂卡题云批阅系统及方法在审

专利信息
申请号: 202111139971.0 申请日: 2021-09-27
公开(公告)号: CN113920521A 公开(公告)日: 2022-01-11
发明(设计)人: 陈先意;顾军;张震添;付章杰;王保卫;孙星明 申请(专利权)人: 江苏羽驰区块链科技研究院有限公司
主分类号: G06V30/412 分类号: G06V30/412;G06V20/10;G06V10/26;G06Q10/06;G06Q50/20;G06N3/02
代理公司: 北京翔瓯知识产权代理有限公司 11480 代理人: 向维登
地址: 210000 江苏省南京市玄武区领智路56*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 神经网络 涂卡题云 批阅 系统 方法
【说明书】:

发明公开一种基于神经网络的涂卡题云批阅系统及方法,系统包括可配置相关参数的智能客户端,用于拍摄并保存答题卡信息的本地智能摄像头,用于对答题卡信息进行传输并处理分析的云平台;方法包括在智能客户端配置设置相关参数;调用本地智能摄像头连拍答题卡并保存;远程连接云平台并上传答题卡图像;在云端服务器对答题卡图像进行处理分析,得到结果并生成报告;将评分报告通过云平台返回至本地客户端。本发明无需专门读卡器,使用手机或电脑智能摄像头即可,使用者亦无需具备人工智能和目标检测识别领域相关知识,操作简单,方便实用;使用神经网络技术和人工智能算法,提高了识别速度和准确性,减少了工作量,有效缓解了阅卷人的阅卷压力。

技术领域

本发明涉及人工智能处理领域与目标检测识别技术领域,具体涉及到一种基于神经网络的涂卡题云批阅系统及方法。

背景技术

各类考试中,与文字主观题不同,选择题和判断题是事先拟定了正确答案的题目,选择题和判断题具有灵活性大、知识覆盖面广以及采分客观性强等优点。因此,大多试卷命题人都会出选择题和判断题来命题,选择题和判断题成为了主流的出题类型。现如今,选择题和判断题经常都是以涂卡的方式来作答,一方面,涂卡的答题方式排除了作答人书写风格、笔迹可能带来的批阅干扰,保证了作答的规范性和批阅的客观性;另一方面,将所有的答案集中填涂在一张答题卡上,方便批阅。

针对涂卡题的批阅,当前在各种考试中,国内的批阅方式一般分为人工批阅和机器批阅。人工批阅指阅卷人人工或者使用蒙版批阅答题卡,批改完成后,人工统计成绩;机器批阅指使用专业读卡机器批改答题卡,然后获取答题成绩。

然而一般情况下,除了大型正规考试外,一般并不使用专门读卡机器批阅答题卡。一方面是因为普通答题纸在批量扫描时容易卡纸,而使用质量更好、更厚的纸张,例如铜版纸,会导致考试成本大增;另一方面,出于节约成本的考虑,在实际应用中,除了大型考试中心,极少有阅卷单位拥有专门的阅卷设备。这就导致在绝大多数场景下,阅卷人需要采用人工阅卷的方式大量重复批阅涂卡题,批阅工作枯燥无趣,且工作量极大。

为了解决这一现实问题,我们研发出一种基于神经网络的涂卡题云批阅系统及方法,致力于缓解阅卷人的批阅压力。

发明内容

为了解决上述技术问题,提高阅卷效率,降低阅卷成本,本发明提供了一种基于神经网络的涂卡题云批阅系统及方法。

本发明采用的技术方案如下:一种基于神经网络的涂卡题云批阅系统及方法,系统包括:

可配置相关参数的智能客户端,用于拍摄并保存答题卡信息的本地智能摄像头,用于对答题卡信息进行传输并处理分析的云平台;

方法包括:

步骤(1)在智能客户端配置设置相关参数;

步骤(2)调用本地智能摄像头连拍答题卡并保存;

步骤(3)远程连接云平台并上传答题卡图像;

步骤(4)在云端服务器对答题卡图像进行处理分析,得到结果并生成报告;

步骤(5)将评分报告通过云平台返回至本地客户端。

本发明的有益效果是:本发明无需专门读卡器,使用手机或电脑智能摄像头即可,使用者亦无需具备人工智能和目标检测识别领域相关知识,操作简单,方便实用;使用神经网络技术和人工智能算法,在保证识别速度实时性与识别精度准确性的前提下,减少了工作量,减少了时间和资源的浪费,降低了成本,有效缓解了阅卷人的阅卷压力。

优选的:所述智能客户端为手机客户端或电脑客户端;所述本地智能摄像头为手机自带摄像头或外置智能摄像头。

优选的:所述步骤(1)中在智能客户端配置设置相关参数包括在客户端完成注册、登录等个人信息配置项,同时设置连拍时间间隔,选择已训练好的批阅神经网络,上传作答人员花名册,并设置标准答案。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏羽驰区块链科技研究院有限公司,未经江苏羽驰区块链科技研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111139971.0/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top