CN104809677A - 基于统计和分析知识点掌握情况的自动阅卷方法 - Google Patents

Abstract

本发明公开了一种基于统计和分析知识点掌握情况的自动阅卷方法，包括：试卷信息采集、上传试卷图片和主观题批阅信息、统一自动阅卷、修整存疑项和考试结果统计。通过上述方式，本发明基于统计和分析知识点掌握情况的自动阅卷方法，不仅可通过特定的答题卡答题；也可以在普通试卷上答题也可以进行自动阅卷，另外，不仅能对考试结果进行分数统计，还能进行知识点掌握情况的统计和分析。

Description

基于统计和分析知识点掌握情况的自动阅卷方法

技术领域

本发明涉及自动阅卷***领域，特别是涉及一种基于统计和分析知识点掌握情况的自动阅卷方法。

背景技术

不管是在校学习，还是在入职后，考试都是会在人们的生活中扮演者重要的角色，特别是学生，从幼儿园开始，考试就无法避免了，考试不仅可以让学生对一个阶段的学习情况进行检测，也是升学的决定性指标。

原来，人们都是靠纯手工进行阅卷和批改的，但是近年来，由于科技的进步，人们逐渐开始使用自动化设备进行阅卷，可是对于目前的自动阅卷***，存在以下问题：

1.需要通过特定的答题卡答题；

2.考试的分析结果中只能进行分数统计，不能进行知识点掌握情况的统计和分析；

3.通过考试只能达到判断以前所学知识的掌握情况的目的，而不能达到自动的通过对考试结果中的知识点的掌握情况，对学员进行有针对性的训练的目的；所以人们需要更加满足要求的自动阅卷***。

发明内容

本发明主要解决的技术问题是提供一种基于统计和分析知识点掌握情况的自动阅卷方法，具有可靠性高、定位准确、功能多样、操作简单等优点，同时在自动阅卷***的应用及普及上有着广泛的市场前景。

为解决上述技术问题，本发明采用的一个技术方案是：

提供一种基于统计和分析知识点掌握情况的自动阅卷方法，其步骤包括：1）试卷信息采集：在客户端判断和选择试卷的类型，并获取试卷定位信息和试题信息；

1.1）在客户端新建试卷信息和试卷位置的定位点，并获取试卷的图片；

1.2）对试卷的图片进行预处理；

1.3）采集试卷图片上的定位信息：使用类似算法，找出定位字符或者普通字符的所在位置；在试卷图片上，分散的选取出N个定位区域，并利用自动分割算法，将定位区域切割成独立图片区域；扫描独立图片区域上的内容，确定每个独立图片区域在真个试卷图片上的位置；在独立图片区域内，连续的选取和得到N个第二独立区域上的图案；判断在第二独立区域外的独立图片区域上，是否存在与第二独立区域上的图案相同的区域，如果存在，则继续在独立图片区域内，选取N+1个第二独立区域，如果不存在，则记录N个第二独立区域上的图案，并将第二独立区域的所处位置设置为定位点；将定位字符或者普通字符与定位点进行对比，校正试卷图片的范围和大小；

1.4）版面分割：根据定位点和试卷内容，将试卷图片分割成若干个版面图片，并对这些版面图片进行重排；

1.5）试题信息采集与保存：扫描各个版面图片，获取和采集各个版面上的试题信息和答题区域，并将有相同内容的版面图片放置在一个集合中；设置和采集试题信息的增量向导式信息，并将采集到的试题信息按照增量向导式信息进行保存；生成并打印出试卷采集信息的图码或ID号，将图码或ID号粘贴在试卷上；

2）上传试卷图片和主观题批阅信息：根据试卷的类型，选择批阅的方式；

当试卷的类型是考试试卷时，选择纸质批阅或电脑批阅；

当选择纸质试卷批阅时，阅卷老师直接在试卷上批阅主观题，然后将批阅好的试卷统一扫描成图片，批量上传到服务端进行统一自动阅卷；

当选择电脑批阅时，先统一扫描成图片，批量上传到服务端，然后用户用客户端***辅助批阅主观题，最后在服务端进行统一自动阅卷；

当试卷的类型是练习卷时，用户可以利用客户端对练习卷拍照，并将照片上传到服务端；然后阅卷老师用客户端辅助批阅主观题；最后将批阅好主观题的练习卷上传至服务端，进行统一自动阅卷；

3）统一自动阅卷：获取试卷图片或同一个集合中的版面图片；

新建一个作业任务信息表，扫描并获取每张试卷图片或版面图片上的学生信息，并将学生信息保存在作业任务信息表中；

客观题批阅：提取与试卷图片上的学生信息相对应的作业任务信息表，当扫描试卷图片或版面图片上的客观题时，提取客观题的答案，然后对答案进行扫描和自动识别，判断和计算客观题的得分，同时提取客观题的问题知识点，并将得分和问题知识点保存在作业任务信息表；

主观题批阅：如果是在电脑上阅卷，阅卷老师可在答题图片上标注对、错或半对符号，或者通过手写控件在作业任务信息表中输入得分和问题知识点；如果是在纸上阅卷，则由阅卷老师直接在试卷答题区上手写标注对、错或半对符号，同时写上得分和问题知识点；客户端直接对试卷进行扫描，提取试卷图片上的学生信息，并调取该学生的作业任务信息表；服务端自动识别阅卷老师的批阅的得分和问题知识点，并将得分和问题知识点保存至作业任务信息表中；

在客观题批阅和主观题批阅时，如果服务端无法自动识别试卷图片或版面图片上的答案，则将无法识别的存疑图片发送至存疑项集合中；

在作业任务信息表中，提取每个学生对应的所有得分和问题知识点，计算并保存每个学生的综合成绩；

4）修整存疑项：提取存疑项集合，逐个查看存疑项，获取该存疑项中的存疑图片；获取服务端自动识别时判断的内容信息，如果服务端判断的内容信息正确，则选择并保存该内容信息；如果判断的内容信息不正确，则阅卷老师手动输入正确的判断信息；根据存疑项的修改信息，重新计算与该存疑项对应的学生的综合成绩；

5）考试结果统计：根据报告角色、报告时间和报告空间的不同，生成不同的统计报告；根据作业任务信息表中每个学生的问题知识点，自动归纳知识点，并生成相对应的问题知识点的训练集；按照时间或者知识点，自动生成错题集。

在本发明一个较佳实施例中，所述对试卷的图片进行预处理依次包括二值化、去噪和图像纠正。

在本发明一个较佳实施例中，所述批量上传试卷图片的具体步骤包括：新建上传任务信息表，然后将试卷图片全部上传至服务端；对试卷图片进行预处理；获取试卷采集信息的图码或ID号：判断第一张试卷上是否有图码或ID号，如果没有，就提示用户手动输入图码或ID号；如果有，就扫描和解读图码或ID号；根据ID号，判断改ID号对应的试卷采集信息是否保存在服务端，如果没有保存，则提示重新进行试卷信息采集，如果已经保存，则将改试卷的ID号添加在上传任务信息表中；扫描并获取第一张试卷上的班级信息，如果没有班级信息，则提示手动输入班级信息；将班级信息保存在上传任务信息表中；将上传任务信息表上传给服务端，将并启动统一自动阅卷。

在本发明一个较佳实施例中，所述对试卷图片进行预处理的具体步骤依次包括：图像转正、图像分层、二值化和去噪。

在本发明一个较佳实施例中，所述扫描并获取每张试卷图片上的学生信息的具体步骤包括：扫描试卷图片，自动识别并提取出每张试卷图片上的学号信息和姓名信息；根据学号信息，在服务端的数据库中进行检索，查找出与学号对应的姓名信息；将查找到的姓名信息与识别到的姓名信息进行对比验证，如果两者不一致，则提示出错；如果一致，则将1个学号信息和对应的1个姓名信息组成一个集合；当一个集合中出现学号信息或对应的姓名信息的数量不是1个时，则对该集合进行标识，并将该集合发送至存疑项集合中；客户端接收存疑项集合的信息，并提示出错。

在本发明一个较佳实施例中，所述学生信息包括学号和姓名。

在本发明一个较佳实施例中，所述试题信息包括如题型、题面、分值、正确答案、答题区和对应知识点。

在本发明一个较佳实施例中，所述作业任务信息表建立在所述上传任务信息表中。

本发明的有益效果是：不仅可通过特定的答题卡答题；也可以在普通试卷上答题也可以进行自动阅卷，另外，不仅能对考试结果进行分数统计，还能进行知识点掌握情况的统计和分析。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：

图1是本发明的基于统计和分析知识点掌握情况的自动阅卷方法的流程示意图；

图2是本发明的所述试卷信息采集的流程图；

图3是本发明的上传试卷图片和主观题批阅信息的流程图；

图4是本发明的统一自动阅卷的流程图；

图5是本发明的所述修正存疑项的流程图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，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它实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例包括：

一种基于统计和分析知识点掌握情况的自动阅卷方法，步骤包括：

1）试卷信息采集：在客户端判断和选择试卷的类型，并获取试卷定位信息和试题信息，所述试题信息包括如题型、题面、分值、正确答案、答题区和对应知识点，该步骤只要在阅卷前完成即可，试卷包含第三方通用试卷和用自己开发的试卷生成***生成的试卷，对于用自己开发的试卷生成***生成的试卷，其试卷信息在生成试卷的过程中可同步自动生成；

1.1）在客户端新建试卷信息和试卷位置的定位点，并获取试卷的图片；

1.2）对试卷的图片进行预处理，所述对试卷的图片进行预处理依次包括二值化、去噪和图像纠正；

1.3）采集试卷图片上的定位信息：使用类似算法，找出定位字符或者普通字符的所在位置；在试卷图片上，分散的选取出N个定位区域，并利用自动分割算法，将定位区域切割成独立图片区域；扫描独立图片区域上的内容，确定每个独立图片区域在真个试卷图片上的位置；在独立图片区域内，连续的选取和得到N个第二独立区域上的图案；判断在第二独立区域外的独立图片区域上，是否存在与第二独立区域上的图案相同的区域，如果存在，则继续在独立图片区域内，选取N+1个第二独立区域，如果不存在，则记录N个第二独立区域上的图案，并将第二独立区域的所处位置设置为定位点；将定位字符或者普通字符与定位点进行对比，校正试卷图片的范围和大小；

1.4）版面分割：根据定位点和试卷内容，将试卷图片分割成若干个版面图片，并对这些版面图片进行重排；

1.5）试题信息采集与保存：扫描各个版面图片，获取和采集各个版面上的试题信息和答题区域，并将有相同内容的版面图片放置在一个集合中；设置和采集试题信息的增量向导式信息，并将采集到的试题信息按照增量向导式信息进行保存；生成并打印出试卷采集信息的图码或ID号，将图码或ID号粘贴在试卷上;

在设置和采集试题信息的增量向导式信息时,即在全卷扫描，最大限度的自动识别题面信息的时候，生成一个可能信息采集框架，并将题面信息以下面的“向导式”的格式记录：

a.一级目录：通用逻辑：题标+关键字:以题标辅以“选择”、“判断”、“填空”、“问答”等关键字自动识别；找出规律自动识别分值；

b.次级目录：通用逻辑：题标+答题区特征:

客观题:以题面最开始的标号，辅以空白内容的括号“（）”或下划线“k”为识别标志识别；可以用区域生长的算法，长出一个答题区域，以简化用户的操作；

主观题：以题面最开始的标号，辅以作为答题区的大片空白区域为标志识别；

c.题面采集可以写为接口，面向接口编程，可以实现手动采集的接口和自动识别题面信息的自动采集接口；

设置和采集试题信息的增量向导式信息，并对所有设置和采集到的信息进

行保存,具体步骤：

1.增量式添加，提示性添加：对下一个状态的所有可能性做提示,用户选择后往原信息基础上添加；

2.可采用MVC结构：Model：各种题型；View：题型对应的视图；Controller：视图与用户的交互和控制；

3.可采用Command模式：支持用户的Redo、Undo操作；

4.将所有的节点的下一个可能的可选操作和该节点的可编辑项都写到XML文件中：编辑（缺省状态），对应该Model的Controller：可以编辑如一级目录的题型和总分，二级目录的标准答案、考点；删除；添加兄弟；添加孩子；上移（平级）；下移（平级）；升级；降级；如果没能成功长出答题区，可以以手绘的方法选取；

5.程序代码只面向抽象节点，而与具体的某个节点的选项无关；

6.整体是一个树形目录；

7.将所有的采集信息保存成XML文件（预留保存用户答案等信息的条目）；

8.对没能正确识别的题目信息，可以通过该节点的编辑项（下面有子项，如“选择答题区”按钮）手动修改，尽量方便用户操作；

9.保存成XML文件（预留保存用户答案等信息的条目）；

10.将采集信息保存到数据库中；

11.将采集信息生成二维码（保存全部采集信息）或一维码（只保存ID号）；

12.打印出图码或ID号，贴在试卷封袋及单独的一页纸上;

2）上传试卷图片和主观题批阅信息：根据试卷的类型，选择批阅的方式；

当试卷的类型是考试试卷时，选择纸质批阅或电脑批阅；

当选择纸质试卷批阅时，阅卷老师直接在试卷上批阅主观题，然后将批阅好的试卷统一扫描成图片，批量上传到服务端进行统一自动阅卷；

当选择电脑批阅时，先统一扫描成图片，批量上传到服务端，然后用户用客户端***辅助批阅主观题，最后在服务端进行统一自动阅卷；

当试卷的类型是练习卷时，用户可以利用客户端对练习卷拍照，并将照片上传到服务端；然后阅卷老师用客户端辅助批阅主观题；最后将批阅好主观题的练习卷上传至服务端，进行统一自动阅卷。

所述批量上传试卷图片的具体步骤包括：新建上传任务信息表（Task），然后将试卷图片全部上传至服务端；对试卷图片进行预处理；获取试卷采集信息的图码或ID号：判断第一张试卷上是否有图码或ID号，如果没有，就提示用户手动输入图码或ID号；如果有，就扫描和解读图码或ID号；根据ID号，判断改ID号对应的试卷采集信息是否保存在服务端，如果没有保存，则提示重新进行试卷信息采集，如果已经保存，则将改试卷的ID号添加在上传任务信息表中；扫描并获取第一张试卷上的班级信息，如果没有班级信息，则提示手动输入班级信息；将班级信息保存在上传任务信息表中；将上传任务信息表上传给服务端，将并启动统一自动阅卷，所述对试卷图片进行预处理的具体步骤依次包括：图像转正、图像分层、二值化和去噪。

3）统一自动阅卷：获取试卷图片或同一个集合中的版面图片；

在上传任务信息表中新建一个作业任务信息表，扫描并获取每张试卷图片或版面图片上的学生信息，并将学生信息保存在作业任务信息表中；

客观题批阅：提取与试卷图片上的学生信息相对应的作业任务信息表，当扫描试卷图片或版面图片上的客观题时，提取客观题的答案，然后对答案进行扫描和自动识别，判断和计算客观题的得分，同时提取客观题的问题知识点，并将得分和问题知识点保存在作业任务信息表；

主观题批阅：如果是在电脑上阅卷，阅卷老师可在答题图片上标注对、错或半对符号，或者通过手写控件在作业任务信息表中输入得分和问题知识点；如果是在纸上阅卷，则由阅卷老师直接在试卷答题区上手写标注对、错或半对符号，同时写上得分和问题知识点；客户端直接对试卷进行扫描，提取试卷图片上的学生信息，并调取该学生的作业任务信息表；服务端自动识别阅卷老师的批阅的得分和问题知识点，并将得分和问题知识点保存至作业任务信息表中；

在客观题批阅和主观题批阅时，如果服务端无法自动识别试卷图片或版面图片上的答案，则将无法识别的存疑图片发送至存疑项集合中；

在作业任务信息表中，提取每个学生对应的所有得分和问题知识点，计算并保存每个学生的综合成绩；

在同一自动阅卷中，最学生答卷优一定的要求：每张试卷上必有填写姓名的区域，但可能没有填写学号的区域，如果没有学号区域，则规定学号必须写在姓名后面；

在客观题中，批阅单选题（适用于判断题）：下述两个方案二选一

　　A.增量扩张式删除方案+识别度最高原则：推荐此方案，因为具有更高的通用型，对用户习惯约束更小；

B.多选题：增量扩张式删除+识别度最高原则；

主观题判卷要求：

A.主观题阅卷统一只写正分或统一只写负分；

B.对错和半对可以不标，但一定要标分数；

C.对于有多问（或多个小题）的主观题，有错（不全对，如果只标分数就是非满分）的情况下：

　　C1.一定要标明具体得分或失分，以及知识点掌握情况：要么针对整道大题标注、要么细化到每道小题都标注；

　　C2.否则的话（没有标明具体得分或失分以及知识点掌握情况），应该设定给分规则和知识点分析规则（可通过XML配置文件解决）；

D.全对或全错等可以自动分析出知识点掌握情况的情况下，可以不标注知识点掌握情况；

E.增量扩张式删除+识别度最高原则。

主观题阅卷原则：只关注大题的总的判题结果：即只关注大题的总得分和总的知识点的掌握情况，不关注每一小题的具体得分情况和每一小题的知识点的掌握情况；即不关注判题结果书写的位置；

分数和知识点情况识别的优先级：如果有显式标注分数和知识点，以显式标注的分数和知识点为最优先；如果没有显式标注分数和知识点，则可以通过推断的方式推导出分数和知识点（如全对或全错的情况可以不标注知识点）。

4）修整存疑项，即对自动识别过程中的一些存疑项进行人工修正：提取存疑项集合，逐个查看存疑项，获取该存疑项中的存疑图片；获取服务端自动识别时判断的内容信息，如果服务端判断的内容信息正确，则选择并保存该内容信息；如果判断的内容信息不正确，则阅卷老师手动输入正确的判断信息；根据存疑项的修改信息，重新计算与该存疑项对应的学生的综合成绩；

5）考试结果统计：根据报告角色、报告时间和报告空间的不同，生成不同的统计报告；根据作业任务信息表中每个学生的问题知识点，自动归纳知识点，并生成相对应的问题知识点的训练集；按照时间或者知识点，自动生成错题集。

按报告角色不同，可以呈报不同的统计分析结果，如：

学生：对某学生参加过的考试所涉及的知识点的掌握情况进行统计分析；

家长：对某家长的孩子（可能有多个）参加过的考试所涉及的知识点的掌握情况进行统计分析；

老师：对某老师的学生参加过的考试所涉及的知识点的掌握情况进行统计分析；

主任：对某年级的学生参加过的考试所涉及的知识点的掌握情况进行统计分析；

校长：对某学校的学生参加过的考试所涉及的知识点的掌握情况进行统计分析；

按包含时间的不同，可以呈报不同的统计分析结果，如：

本学期：对本学期的考试所涉及的知识点的掌握情况进行统计分析；

本月：对本月的考试所涉及的知识点的掌握情况进行统计分析；

本周：对本周的考试所涉及的知识点的掌握情况进行统计分析；

从Data1~Data2期间：对从Data1~Data2期间的考试所涉及的知识点的掌握情况进行统计分析；

按包含空间的不同，可以呈报不同的统计分析结果，如:

所有知识点：对所有知识点的掌握情况进行统计分析；

本学期知识点：对本学期的知识点的掌握情况进行统计分析；

某单元知识点：对某单元的知识点的掌握情况进行统计分析；

某知识点：对某知识点的掌握情况进行统计分析；

某次考试：对某次考试的知识点的掌握情况进行统计分析；

某单元的考试：对某单元的知识点的掌握情况进行统计分析；

某学期的考试：对某学期的知识点的掌握情况进行统计分析；

针对性学习和训练：可以根据上面统计出的知识点掌握情况，自动生成相应知识点的讲解和总结，让学生进行针对性的学习；可以根据上面统计出的知识点掌握情况，自动生成相应知识点的训练题，让学生进行针对性训练；

错题集：自动形成学生在某一阶段的错题集：可支持按时间、知识点等；

不同条件进行查询；可支持按知识点的薄弱程度等不同条件进行排列；

数据挖掘：学习（教学）习惯数据分析挖掘：记录学生的长期考试数据，

分析挖掘学生学习习惯（老师教学习惯）上的不足；学习（教学）习惯针对性改进意见和训练；针对学生学习习惯（老师教学习惯）上的不足，提出改进意见，并进行针对性训练；

所述扫描并获取每张试卷图片上的学生信息的具体步骤包括：

扫描试卷图片，自动识别并提取出每张试卷图片上的学号信息和姓名信息；

根据学号信息，在服务端的数据库中进行检索，查找出与学号对应的姓名信息；

将查找到的姓名信息与识别到的姓名信息进行对比验证，如果两者不一致，则提示出错；如果一致，则将1个学号信息和对应的1个姓名信息组成一个集合；

当一个集合中出现学号信息或对应的姓名信息的数量不是1个时，则对该集合进行标识，并将该集合发送至存疑项集合中；客户端接收存疑项集合的信息，并提示出错。

所述学生信息包括学号和姓名。

本发明基于统计和分析知识点掌握情况的自动阅卷方法的有益效果是：

1.不仅可通过特定的答题卡答题；也可以在普通试卷上答题也可以进行自动阅卷；

2.不仅能对考试结果进行分数统计，还能进行知识点掌握情况的统计和分析；

3.通过考试不仅能达到判断以前所学知识的掌握情况的目的，还能达到自动的通过对考试结果中的知识点的掌握情况，对学员进行有针对性的训练的目的。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种基于统计和分析知识点掌握情况的自动阅卷方法，其特征在于，步骤包括：

1）试卷信息采集：在客户端判断和选择试卷的类型，并获取试卷定位信息和试题信息；

1.1）在客户端新建试卷信息和试卷位置的定位点，并获取试卷的图片；

1.2）对试卷的图片进行预处理；

1.3）采集试卷图片上的定位信息：使用类似算法，找出定位字符或者普通字符的所在位置；在试卷图片上，分散的选取出N个定位区域，并利用自动分割算法，将定位区域切割成独立图片区域；扫描独立图片区域上的内容，确定每个独立图片区域在真个试卷图片上的位置；在独立图片区域内，连续的选取和得到N个第二独立区域上的图案；判断在第二独立区域外的独立图片区域上，是否存在与第二独立区域上的图案相同的区域，如果存在，则继续在独立图片区域内，选取N+1个第二独立区域，如果不存在，则记录N个第二独立区域上的图案，并将第二独立区域的所处位置设置为定位点；将定位字符或者普通字符与定位点进行对比，校正试卷图片的范围和大小；

1.4）版面分割：根据定位点和试卷内容，将试卷图片分割成若干个版面图片，并对这些版面图片进行重排；

1.5）试题信息采集与保存：扫描各个版面图片，获取和采集各个版面上的试题信息和答题区域，并将有相同内容的版面图片放置在一个集合中；设置和采集试题信息的增量向导式信息，并将采集到的试题信息按照增量向导式信息进行保存；生成并打印出试卷采集信息的图码或ID号，将图码或ID号粘贴在试卷上；

2）上传试卷图片和主观题批阅信息：根据试卷的类型，选择批阅的方式；

当试卷的类型是考试试卷时，选择纸质批阅或电脑批阅；

当选择纸质试卷批阅时，阅卷老师直接在试卷上批阅主观题，然后将批阅好的试卷统一扫描成图片，批量上传到服务端进行统一自动阅卷；

当选择电脑批阅时，先统一扫描成图片，批量上传到服务端，然后用户用客户端***辅助批阅主观题，最后在服务端进行统一自动阅卷；

当试卷的类型是练习卷时，用户可以利用客户端对练习卷拍照，并将照片上传到服务端；然后阅卷老师用客户端辅助批阅主观题；最后将批阅好主观题的练习卷上传至服务端，进行统一自动阅卷；

3）统一自动阅卷：获取试卷图片或同一个集合中的版面图片；

新建一个作业任务信息表，扫描并获取每张试卷图片或版面图片上的学生信息，并将学生信息保存在作业任务信息表中；

客观题批阅：提取与试卷图片上的学生信息相对应的作业任务信息表，当扫描试卷图片或版面图片上的客观题时，提取客观题的答案，然后对答案进行扫描和自动识别，判断和计算客观题的得分，同时提取客观题的问题知识点，并将得分和问题知识点保存在作业任务信息表；

主观题批阅：如果是在电脑上阅卷，阅卷老师可在答题图片上标注对、错或半对符号，或者通过手写控件在作业任务信息表中输入得分和问题知识点；如果是在纸上阅卷，则由阅卷老师直接在试卷答题区上手写标注对、错或半对符号，同时写上得分和问题知识点；客户端直接对试卷进行扫描，提取试卷图片上的学生信息，并调取该学生的作业任务信息表；服务端自动识别阅卷老师的批阅的得分和问题知识点，并将得分和问题知识点保存至作业任务信息表中；

在客观题批阅和主观题批阅时，如果服务端无法自动识别试卷图片或版面图片上的答案，则将无法识别的存疑图片发送至存疑项集合中；

在作业任务信息表中，提取每个学生对应的所有得分和问题知识点，计算并保存每个学生的综合成绩；

4）修整存疑项：提取存疑项集合，逐个查看存疑项，获取该存疑项中的存疑图片；获取服务端自动识别时判断的内容信息，如果服务端判断的内容信息正确，则选择并保存该内容信息；如果判断的内容信息不正确，则阅卷老师手动输入正确的判断信息；根据存疑项的修改信息，重新计算与该存疑项对应的学生的综合成绩；

5）考试结果统计：根据报告角色、报告时间和报告空间的不同，生成不同的统计报告；根据作业任务信息表中每个学生的问题知识点，自动归纳知识点，并生成相对应的问题知识点的训练集；按照时间或者知识点，自动生成错题集。

2.根据权利要求1所述的基于统计和分析知识点掌握情况的自动阅卷方法，其特征在于，所述对试卷的图片进行预处理依次包括二值化、去噪和图像纠正。

3.根据权利要求1所述的基于统计和分析知识点掌握情况的自动阅卷方法，其特征在于，所述批量上传试卷图片的具体步骤包括：

新建上传任务信息表，然后将试卷图片全部上传至服务端；

对试卷图片进行预处理；

获取试卷采集信息的图码或ID号：判断第一张试卷上是否有图码或ID号，如果没有，就提示用户手动输入图码或ID号；如果有，就扫描和解读图码或ID号；根据ID号，判断改ID号对应的试卷采集信息是否保存在服务端，如果没有保存，则提示重新进行试卷信息采集，如果已经保存，则将改试卷的ID号添加在上传任务信息表中；

扫描并获取第一张试卷上的班级信息，如果没有班级信息，则提示手动输入班级信息；将班级信息保存在上传任务信息表中；

将上传任务信息表上传给服务端，将并启动统一自动阅卷。

4.根据权利要求1所述的基于统计和分析知识点掌握情况的自动阅卷方法，其特征在于，所述对试卷图片进行预处理的具体步骤依次包括：图像转正、图像分层、二值化和去噪。

5.根据权利要求1所述的基于统计和分析知识点掌握情况的自动阅卷方法，其特征在于，所述扫描并获取每张试卷图片上的学生信息的具体步骤包括：

扫描试卷图片，自动识别并提取出每张试卷图片上的学号信息和姓名信息；

根据学号信息，在服务端的数据库中进行检索，查找出与学号对应的姓名信息；

将查找到的姓名信息与识别到的姓名信息进行对比验证，如果两者不一致，则提示出错；如果一致，则将1个学号信息和对应的1个姓名信息组成一个集合；

当一个集合中出现学号信息或对应的姓名信息的数量不是1个时，则对该集合进行标识，并将该集合发送至存疑项集合中；客户端接收存疑项集合的信息，并提示出错。

6.根据权利要求1所述的基于统计和分析知识点掌握情况的自动阅卷方法，其特征在于，所述学生信息包括学号和姓名。

7.根据权利要求1所述的基于统计和分析知识点掌握情况的自动阅卷方法，其特征在于，所述试题信息包括如题型、题面、分值、正确答案、答题区和对应知识点。

8.根据权利要求1所述的基于统计和分析知识点掌握情况的自动阅卷方法，其特征在于，所述作业任务信息表建立在所述上传任务信息表中。