一种智能自动阅卷服务方法、系统及装置与流程

1.本发明涉及教育信息化技术领域，具体为一种智能自动阅卷服务方法、系统及装置。


背景技术：

2.现有阅卷评分系统，主要针对大型考试，如中考，高考等大型考试，一般采用前置试卷结构化，并配置答题卡的方式完成阅卷。这种方式的一般工作流程为:
①
答题卡制作，制作过程中，工作人员需要根据试卷题型，格式，答题方式，进行手动排版；
②
评分，该过程中，题目分为主观题和客观题，客观题一般采用涂的方式，主观题则需要专用机器进行扫描读取，再与标准答案进行比较，获得成绩，再由老师进行分数评价；
③
人工统计成绩，将机器评分与老师评分相加后计算最后得分。
3.现有答题卡阅卷方式有以下弊端，1、需要人工制作答题卡，答题卡结构需与试卷结构相匹配，前期成本高；2、答题卡客观题读取设备和方式都比较原始，需要专用设备；3、主观题的读取以及计数需要人工操作，无法智能化，耗费人工和时间；4、应用场景狭窄，针对大型考试，无法满足普通老师评阅要求。


技术实现要素：

4.本发明的目的在于提供一种智能自动阅卷服务方法、系统及装置，取消了传统答题卡阅卷而采用预设阅卷规则直接对试卷进行识别并自动计算得分，实现了对各种学科及不同题型试卷的自适应阅卷，减少了人工操作并扩大了应用场景。
5.为实现上述目的，本发明提供如下技术方案：一种智能自动阅卷服务方法，包括如下步骤：获取一组试卷图像，所述试卷包括主观题和客观题；根据预设切题规则对试卷图像中的内容进行切题处理，确定每道大题的范围及每道小题的范围；对每道大题所确定的范围内的内容进行目标检测，确定大题题号特征；对每道小题所确定的范围内的内容进行目标检测，确定小题题号特征；分别识别大题题号特征和小题题号特征中的内容，得到大题题号和小题题号；根据预设对应关系将所有大题分为客观题和主观题，并对每道小题进行标记；对标记为客观题的每道小题所确定的范围内的内容进行目标检测，确定答题内容特征，对标记为主观题的每道小题所确定的范围内的内容进行目标检测，确定批改内容特征；识别所述答题内容特征中的内容，得到答题内容，识别所述批改内容特征中的内容，得到批改内容；将所述答题内容与预设正确答案一一对比，确定客观题得分；若批改内容为分数，则将其求和得到主观题得分，若批改内容为对错符号，则根据
对错符号计算主观题得分；根据所述客观题得分和主观题得分计算每份试卷的总分。
6.进一步地，所述一组试卷图像由如下方法获得：获取多个试卷图像，从第一个图像开始对所有图像逐个扫描，将含有学号的图像及其后面连续的所有不含学号的图像划分成对应一位学生的一组试卷图像。
7.进一步地，所述预设切题规则由如下方法获得：获取一组样卷图像；对所述样卷图像中的内容进行目标检测，确定大题题号特征和小题题号特征；根据所述大题题号特征和小题题号特征对图像中的内容进行切题处理，分别确定每道大题的范围和每道小题的范围。
8.进一步地，所述获得预设切题规则的方法还包括：对所述样卷图像的内容进行文本检测，确定页面的分栏线；根据所述分栏线截取每栏内容并拼接成长图，将所述长图作为切题处理的输入图像。
9.进一步地，还包括：对所述样卷图像进行图像增强处理，并将处理后的图像作为目标检测处理的输入图像。
10.进一步地，所述样卷图像的获取方法包括：扫描一份空白试卷得到样卷图像；或者扫描一份作答试卷得到试卷图像，然后将其备份，并对备份试卷图像进行去笔迹处理，得到样卷图像。
11.进一步地，选择题和判断题为客观题，其余题型均为主观题。
12.本发明还提供了一种智能自动阅卷服务系统，包括：试卷获取模块，用于获取试卷图像并将其分成对应每个学生的一组试卷图像，所述试卷包括主观题和客观题；切题模块，用于根据预设切题规则对试卷图像中的内容进行切题处理，确定每道大题的范围及每道小题的范围；目标检测模块，用于对每道大题所确定的范围内的内容进行目标检测，确定大题题号特征；对每道小题所确定的范围内的内容进行目标检测，确定小题题号特征；用于对标记为客观题的每道小题所确定的范围内的内容进行目标检测，确定答题内容特征，对标记为主观题的每道小题所确定的范围内的内容进行目标检测，确定批改内容特征；识别模块，用于分别识别大题题号特征和小题题号特征中的内容，得到大题题号和小题题号；用于识别所述答题内容特征中的内容，得到答题内容，识别所述批改内容特征中的内容，得到批改内容；分类模块，用于根据预设对应关系将所有大题分为客观题和主观题，并对每道小题进行标记；客观题算分模块，用于将所述答题内容与预设正确答案一一对比，确定客观题得分；主观题算分模块，用于在批改内容为分数时，将其求和得到主观题得分，在批改内
容为对错符号时，则根据对错符号计算主观题得分；总分计算模块，用于根据所述客观题得分和主观题得分计算每份试卷的总分。
13.本发明还提供了一种智能自动阅卷服务装置，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行计算机程序时实现上述方法的步骤。
14.与现有技术相比，本发明的有益效果是：1、本发明无需提前制作答题卡，减少了前期准备的成本，并且利用识别技术对任一类型的试卷进行识别及结构化处理，从而准确定位题目范围、类型及答案，自动计算题目得分，大大减少了人力成本，提高了阅卷效率，拓宽了应用范围。
15.2、本发明中利用对样卷的切题处理，确定了题目的范围，从而提高对试卷的识别效率和准确率。
16.3、本发明中通过直接扫描空白试卷或将已作答试卷去笔迹处理的方式获得样卷，提升了用户体验。
附图说明
17.图1为样卷图像的示意图；图2为经过本发明中的方法处理后的示意图。
具体实施方式
18.下面结合附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
19.如图1至2所示，本实施提供了一种智能自动阅卷服务方法，包括如下步骤：s10、获取一份样卷图像。试卷题型包括主观题和客观题。试卷由学生作答后，由老师对主观题进行批改，然后通过本发明中的阅卷服务方法进行评分。样卷图像的获取方法包括：s101、扫描一份空白试卷得到样卷图像；或者s102、从扫描n份已作答试卷得到的图像中任选一份试卷图像，将其备份后对备份试卷图像进行去笔迹处理，得到样卷图像。其余n份试卷图像用作后续阅卷使用。这一步的目的是将手写笔记和批改痕迹擦除。
20.s20、对样卷图像进行切题处理，确定切题规则。
21.s201、对样卷图像进行拼接处理。具体包括：s2011、对样卷图像的内容进行文本检测，确定页面的分栏线；s2012、根据分栏线截取每栏内容并拼接成长图，将长图作为切题处理的输入图像。
22.s202、对长图中的内容进行目标检测，确定大题题号特征和小题题号特征。
23.s203、根据大题题号特征和小题题号特征对图像中的内容进行切题处理，分别确定每道大题的范围和每道小题的范围。该步骤利用题号的位置确定题目的范围，从而便于后续步骤中对答题内容位置的检测及内容的识别。
24.s30、获取一组试卷图像。具体包括：s301、通过扫描仪等设备扫描若干试卷，并生成特定格式文件，包括但不限于pdf文件。所有已作答试卷均事先按照顺序排列。教师或者其他人，通过电脑或者手机等装置来建立扫描任务，对一个班级乃至一个年级的学生试卷进行扫描，生成特定格式文件，包括但不限于pdf文件。
25.其中，试卷图像需要具备一定的特征，但是不需要拘泥具体格式；如图2所示，由于每位学生的试卷不止一面，但是，每位学生的试卷的第一面需要包括学号。
26.s302、对生成的特定文件格式建立任务节点，从而将其拆分成对应每位学生的子文件。具体地，从第一个图像开始对所有图像逐个扫描，将含有学号的图像及其后面连续的所有不含学号的图像划分成对应一位学生的一组试卷图像。
27.也就是说，当扫描到其中一个图像含有学号图像时记为第一页，此后所有连续的n-1个不含学号图像的所有图像记为第2页、
……
、第n页，该n个图像即为学生a1的所有试卷扫描得到的全部图像。以此类推得到每个学生的全部试卷的全部图像。在进行拆分操作时，如果扫描时第一个图像不含学号，则舍弃该图像，直到扫描到第一个含有学号的图像，继续提取，直到遇到下一张含有学号的图像，期间都属于一位学生的试卷，从而进行一次请求。
28.对于完成拆分的图像文件，定于组，每一组只包含一个学生的试卷图像，并将该组图像上传到服务器存储，同时，每一张试卷图像会生成url地址，将每组的试卷图像产生的urls作为服务请求的一个参数。扫描数据传输出去，等待扫描结果，直到任务完全结束。其中，服务还支持直传模式，即扫描图像可直接通上传服务，并生成urls，作为服务请求的一个参数。
29.s40、根据步骤s20确定的切题规则对每组试卷图像中的内容进行切题处理，确定每道大题的范围及每道小题的范围。
30.s50、对每道大题所确定的范围内的内容进行目标检测，确定大题题号特征；对每道小题所确定的范围内的内容进行目标检测，确定小题题号特征。目标检测模型采用yolo系列但不限于该系列算法，采用该司标注数据进行训练，更加适用于该实施例。步骤s30、s40和s50属于对试卷图像的结构化处理。
31.例如，目标检测模型表示对输入的图像进行目标检测，目标检测模型可以采用机器学习技术（例如神经网络技术）实现并运行在通用计算机装置或者内嵌的专用计算机装置，该目标检测模型为预训练好的模型。例如，应用于目标检测模型的神经网络可以包括深度神经网络、区域神经网络（r-cnn）、选择性搜索替换成区域提议网络等。
32.yolov5模型搭建过程包括：数据处理：数据通过高清扫描仪采集，并通过步骤s11中得到增强后的图像。
33.数据标注：采用标注工具labelme，共38个类别。即1至16，-1至-16，a、b、c、d，√，
×
，共38个类别。
34.模型选择与设计：采用深度学习目标检测网络yolov5。
35.模型训练：将网络分辨，将输入图像尺寸设为512
×
512，由于答题卡图像中3号目标和4号目标属于小目标检测，为提高检测精度，需要增大图像分辨率。最后通过反复迭代学习，获得最佳模型权重，将每个页面输入yolov5推理模型，网络预测出五个类别所在位置的bounding box。
36.该步骤中，为了后续能更好的处理，同时采用区域定位模型，来定位学号、题目范围以及答题区的矫正。例如，针对答题区，需要对目标检测后的坐标进行微调，此步骤是为了能够使得检测到的目标坐标更准确。微调操作可采用现有技术里的识别技术完成，故不赘述。
37.s60、分别识别大题题号特征和小题题号特征中的内容，得到大题题号和小题题号。题号识别跟学号识别均采用ocr技术，其属于现有技术，故不赘述。
38.s70、根据预设对应关系将所有大题分为客观题和主观题，并对每道小题进行标记。预设对应关系为：选择题和判断题为客观题，其余题型均为主观题。如图2中，第一大题为选择题，则属于客观题，第二大题和第三大题分别为填空题和解答题，均属于主观题。
39.s80、对标记为客观题的每道小题所确定的范围内的内容进行目标检测，确定答题内容特征，对标记为主观题的每道小题所确定的范围内的内容进行目标检测，确定批改内容特征。目标检测的原理及过程与s50中的相同，故不再赘述。
40.s90、识别答题内容特征中的内容，得到答题内容，识别批改内容特征中的内容，得到批改内容。
41.s100、将答题内容与预设正确答案一一对比，确定客观题得分；若批改内容为分数，则将其求和得到主观题得分，若批改内容为对错符号，则根据对错符号计算主观题得分。需要说明的是，对于主观题而言，有的老师习惯采用加分的方式进行批改，而有的老师则习惯采用扣分的方式进行批改。因此需要在阅卷前确定采用加分还是扣分的方式进行算分。如果采取加分式，则客观题算分也应当采取加分方式，同理扣分方式也需要两种类型的题目的算分方式相互统一。
42.s110、根据客观题得分和主观题得分计算每位学生的试卷总分。需要说明的是，由于在阅卷时对学号、题号、分数进行了记录，因此可以统计某班级或某年级所有学生的得分情况和扣分情况，从而为老师的教学工作提供指导。
43.作为优选，还包括：对样卷图像和试卷图像进行图像增强处理，并将处理后的图像作为目标检测处理的输入图像。图像增强处理包括图像矫正、亮度调节、对比度调节等操作，目的是能够使图像上的文字更加板正和清楚，利于后续处理。
44.基于同一发明构思，本发明还提供了一种智能自动阅卷服务系统，包括：试卷获取模块，用于获取试卷图像并将其分成对应每个学生的一组试卷图像，试卷包括主观题和客观题。试卷获取模块还包括样卷获取子模块，用于获取一份样卷图像。样卷获取子模块用于扫描一份空白试卷得到样卷图像；或者用于从扫描n份已作答试卷得到的图像中任选一份试卷图像，将其备份后对备份试卷图像进行去笔迹处理，得到样卷图像。其余n份试卷图像用作后续阅卷使用。
45.预处理模块，用于对样卷图像和试卷图像进行图像增强处理，并将处理后的图像作为其他模块的输入图像。图像增强处理包括图像矫正、亮度调节、对比度调节等操作，目的是能够使样卷图像上的文字更加板正和清楚，利于后续处理。
46.切题模块，用于根据预设切题规则对试卷图像中的内容进行切题处理，确定每道大题的范围及每道小题的范围。切题模块还包括切题规则子模块，用于对样卷图像进行切题处理，确定切题规则。具体包括：图像拼接模块，用于对样卷图像进行拼接处理。具体包括：分栏子模块，用于对样
卷图像的内容进行文本检测，确定页面的分栏线；拼接子模块，用于根据分栏线截取每栏内容并拼接成长图，将长图作为切题处理的输入图像。
47.目标检测子模块，用于对长图中的内容进行目标检测，确定大题题号特征和小题题号特征。
48.切题子模块，用于根据大题题号特征和小题题号特征对图像中的内容进行切题处理，分别确定每道大题的范围和每道小题的范围。
49.目标检测模块，用于对每道大题所确定的范围内的内容进行目标检测，确定大题题号特征；对每道小题所确定的范围内的内容进行目标检测，确定小题题号特征；用于对标记为客观题的每道小题所确定的范围内的内容进行目标检测，确定答题内容特征，对标记为主观题的每道小题所确定的范围内的内容进行目标检测，确定批改内容特征。
50.识别模块，用于分别识别大题题号特征和小题题号特征中的内容，得到大题题号和小题题号；用于识别答题内容特征中的内容，得到答题内容，识别批改内容特征中的内容，得到批改内容；分类模块，用于根据预设对应关系将所有大题分为客观题和主观题，并对每道小题进行标记。
51.客观题算分模块，用于将答题内容与预设正确答案一一对比，确定客观题得分。
52.主观题算分模块，用于在批改内容为分数时，将其求和得到主观题得分，在批改内容为对错符号时，则根据对错符号计算主观题得分。
53.总分计算模块，用于根据客观题得分和主观题得分计算每份试卷的总分。
54.本发明还提供一种智能自动阅卷服务装置，包括处理器和存储器，存储器存储有计算机程序，处理器执行计算机程序时实现上述方法的步骤。
55.本发明未详述之处，均为本领域技术人员的公知技术。
56.最后所要说明的是：以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改和等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。