CN107832758A - 智能生成答题卡以及服务器终端自动阅卷评分的考试*** - Google Patents
智能生成答题卡以及服务器终端自动阅卷评分的考试*** Download PDFInfo
- Publication number
- CN107832758A CN107832758A CN201711079326.8A CN201711079326A CN107832758A CN 107832758 A CN107832758 A CN 107832758A CN 201711079326 A CN201711079326 A CN 201711079326A CN 107832758 A CN107832758 A CN 107832758A
- Authority
- CN
- China
- Prior art keywords
- answering card
- card
- server terminal
- answering
- examination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims description 16
- 210000005036 nerve Anatomy 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000019771 cognition Effects 0.000 claims 1
- 238000010408 sweeping Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 4
- 238000013461 design Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 241000220225 Malus Species 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 238000010845 search algorithm Methods 0.000 description 3
- 206010054949 Metaplasia Diseases 0.000 description 2
- 235000021016 apples Nutrition 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000015689 metaplastic ossification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries
- G06V30/244—Division of the character sequences into groups prior to recognition; Selection of dictionaries using graphical properties, e.g. alphabet type or font
- G06V30/2455—Discrimination between machine-print, hand-print and cursive writing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的是一种智能生成答题卡以及服务器终端自动阅卷评分的考试***,考试***包括:智能化生成答题卡模块、扫描仪以及服务器终端自动阅卷评分模块,智能化生成答题卡模块,用于将试卷文档进行智能识别,并自动生成答题卡以及自动规划和布置答题卡区域;扫描仪:用于扫描答题卡内容,并得到扫描数据;服务器终端自动阅卷评分模块,用于将扫描仪得到的答题卡扫描数据进行自动识别答题卡区域中已作答的客观题以及已经过评分的主观题,并进行计算及统计。本发明不仅实现答题卡可以根据考试试卷进行智能解析和自动生成,不再需要人工排版和制作,而且实现普通的服务器终端就可对客观题、主观题的自动识别、计算和统计,自动完成阅卷评分处理。
Description
技术领域
本发明涉及的是智能考试信息管理领域,更具体地说是一种智能生成答题卡以及服务器终端自动阅卷评分的考试***。
背景技术
在传统的考试***中,一般都是使用答题卡进行考试,使用答题卡不仅可以节省评分人员批判时间,提高判题的准确性,当前,大多数的答题卡在在使用时一般都要经过以下过程:首先是答题卡卷的制作,工作人员根据考试试卷的题型、格式、答题方式手动排版制作相对应的答题卡卷,然后应试人员在该答题卡上进行作答,评分过程中,该答题卡上的客观题都需要使用专用的仪器设备进行答案的读取,然后再与标准答案进行比对,获得该部分的成绩;而主观题则由评分老板进行数字平分,然后再进行人工统计成绩,最终得到考试的成绩。
传统的答题卡应试过程存在着非常大的局限和缺点,首先,需要人工完成答题卡卷的制作,以对应相应的试卷内容及格式,其次,答题卡客观题的读取设备和读取方式都比较原始,不仅局限在专用的设备,而且读取方式的效率及准确性比较差,第三,答题卡主观题的读取与统计还处在人工操作的水平 ,无法智能化、自动化地完成分数识别、计算和统计。
当今机器人智能技术领域中,AlphaGo即“阿尔法狗”是通过蒙特卡洛树搜索算法和两个深度神经网络合作来完成下棋,在与李世石对阵之前,谷歌公司首先用人类对弈的近3000万种走法来训练“阿尔法狗”的神经网络,让它学会预测人类专业棋手怎么落子,然后更进一步,让AlphaGo自己跟自己下棋,从而又产生规模庞大的全新的棋谱。
蒙特卡洛算法和神经网络***的解释:假如篮子里有1000个苹果,让你每次闭着眼睛找一个最大的,可以不限制挑选次数。于是,你可以闭着眼随机拿了一个,然后再随机拿一个与第一个比,留下大的,再随机拿一个,与前次留下的比较,又可以留下大的。循环往复这样,拿的次数越多,挑出最大苹果的可能性也就越大,但除非你把1000个苹果都挑一遍,否则你无法肯定最终挑出来的就是最大的一个。蒙特卡洛算法是样本越多,越能找到最佳的解决办法。
所以,将机器人智能技术应用到考试***中,使考试过程中使用的答题卡可以根据考试试卷进行智能解析和自动生成,不再需要人工排版和制作,同时,在答题卡扫描统分过程中,不仅不需要专用设备,普通的服务器终端就可以实现对客观题、主观题的自动扫描,而且能够智能化地自动识别、计算和统计,完全实现智能化、自动化地阅卷评分处理,提高阅卷计算和统计的准确性。
发明内容
本发明公开的是一种智能生成答题卡以及服务器终端自动阅卷评分的考试***,其主要目的在于克服现有技术存在的上述不足和缺点。
本发明采用的技术方案如下:
智能生成答题卡以及服务器终端自动阅卷评分的考试***,所述考试***包括:智能化生成答题卡模块、扫描仪以及服务器终端自动阅卷评分模块,所述智能化生成答题卡模块,用于将试卷文档进行智能识别,并自动生成答题卡以及自动规划和布置答题卡区域;扫描仪:用于扫描答题卡内容,得到扫描数据,并与所述服务器终端自动阅卷评分模块相输送连接;所述服务器终端自动阅卷评分模块,用于将所述扫描仪得到的答题卡扫描数据进行自动识别答题卡区域中已作答的客观题以及已经过评分的主观题,并进行计算及统计。
更进一步,所述考试***的实现方法包括以下具体步骤:
步骤一:试卷输入:上传考试的试卷文档;
步骤二:自动解析:所述智能化生成答题卡模块通过人工智能算法和深度学习构筑的神经网络***,自动地将步骤一输入的试卷文档中的题目、选项、内容、答题方式进行分类、统计、解析;
步骤三:自动生成答题卡:根据步骤二得到的试题解析数据信息,所述智能化生成答题卡模块自动生成答题卡,同时自动规划和布置答题卡作答区域;
步骤四:考试作答及主观题的评分:应试人员在步骤三得到的答题卡上进行考试作答,评分人员对已经作答的答题卡主观题部分进行评分;
步骤五:答题卡数据扫描:扫描仪将步骤四完成的答题卡进行扫描,并将该扫描数据传输给所述服务器终端自动阅卷评分模块;
步骤六:客观题的阅卷评分:所述服务器终端自动阅卷评分模块根据步骤五中扫描的数据信息自动识别答题卡区域中已作答的客观题,并进行评分以及计算统计,得到客观题的统计结果;
步骤七:主观题的阅卷评分:所述服务器终端自动阅卷评分模块根据步骤五中扫描的数据信息自动识别答题卡区域中已经过评分的主观题的评分结果,然后进行计算统计,得到主观题的统计结果;
步骤八:得到阅卷评分结果:自动统计步骤六与步骤七的结果,计算得出最终的阅卷评分结果,完成考试及评分统计。
更进一步,所述步骤一中的试卷文档为word文档或jpg、pdf、jpeg图片格式中任意一种格式的文档或图片。
更进一步,所述步骤二中自动解析包括:所述智能化生成答题卡模块通过使用大量的考题数据与答题数据训练计算机,建立含有计算机视觉、自然语言理解与交流、认知与推理的统计分析算法模型,使该智能化生成答题卡模块形成可以对输入的试题进行自动分类与判别的神经网络***,自动地完成将步骤一输入的试卷文档中的题目、选项、内容、答题方式进行分类、统计、解析。
更进一步,所述步骤三中的自动生成包括:自动匹配题型、内容、问题、自动识别考试所属题型和考试所属答题方式,生成答题卡。
更进一步,所述步骤五中扫描仪的扫描包括答题卡客观题的扫描和答题卡主观题的扫描。
更进一步,所述步骤六自动识别答题卡区域中已作答的客观题的过程包括:通过扫描仪自动地扫描到答题卡客观题区域,应用直线检测、图形检测、图形矫正以及OCR识别技术,在服务器终端的***上进行识别,获取有效的答题卡客观题数据,最后通过云计算进行统计。
更进一步,所述步骤七自动识别答题卡区域中已评分的主观题的过程包括:扫描仪自动扫描答题卡主观题的作答区域,通过搭建符号、公式、手写数字识别神经网络***、再运用颜色判断、直线检测、图像识别、图像处理、OCR技术等、自动捕捉答题卡区域中教师已经过评分的主观题的评分,进行手写数字识别,最后进行计算统计,得到主观题的统计结果。
更进一步,所述步骤二中的人工智能算法包括蒙特卡洛算法。
通过上述对本发明的描述可知,和现有技术相比,本发明的优点在于:
本发明通过蒙特卡洛树搜索算法和其他人工智能算法以及其对已有答题卡的学习构筑的神经网络模型来自动完成试卷文档的自动比对、解析,自动生成答题卡,实现了答题卡的智能化生成及设计,完全改变了传统的答题卡人工排版制作的方式和方法,实现只要输入试卷文档,就可以自动生成相对应的答题卡。在与自动生成答题卡之前,本发明的智能化生成答题卡模块首先通过大量的不同题型和答题卡,进行机器学习,通过自然语言、文本分类、图像分类等各种算法建立起神经网络模型,让它学会不同考试试卷对应生成不同的答题卡结构,以适应不同题型、格式和问法的试卷类型。
另一方面,本发明通过扫描仪和服务器移动终端就可以实现对答题卡客观题、主观题的自动扫描,而且能够智能化地自动识别、计算和统计,利用手写文字、文字检测、以及建立的机器神经网络,使之可以自动准确地识别主观题手写的评分数字,自动进行计算统计,完全实现试卷评阅的智能化、自动化处理,提高阅卷计算和统计的准确性。
具体实施方式
一种智能生成答题卡以及服务器终端自动阅卷评分的考试***,所述考试***包括:智能化生成答题卡模块、扫描仪以及服务器终端自动阅卷评分模块,所述智能化生成答题卡模块,用于将试卷文档进行智能识别,并自动生成答题卡以及自动规划和布置答题卡区域;扫描仪:用于扫描答题卡内容,得到扫描数据,并与所述服务器终端自动阅卷评分模块相输送连接;所述服务器终端自动阅卷评分模块,用于将所述扫描仪得到的答题卡扫描数据进行自动识别答题卡区域中已作答的客观题以及已经过评分的主观题,并进行计算及统计。
更进一步,所述考试***的实现方法包括以下具体步骤:
步骤一:试卷输入:上传考试的试卷文档;
步骤二:自动解析:所述智能化生成答题卡模块通过人工智能算法和深度学习构筑的神经网络***,自动地将步骤一输入的试卷文档中的题目、选项、内容、答题方式进行分类、统计、解析;
步骤三:自动生成答题卡:根据步骤二得到的试题解析数据信息,所述智能化生成答题卡模块自动生成答题卡,同时自动规划和布置答题卡作答区域;
步骤四:考试作答及主观题的评分:应试人员在步骤三得到的答题卡上进行考试作答,评分人员对已经作答的答题卡主观题部分进行评分;
步骤五:答题卡数据扫描:扫描仪将步骤四完成的答题卡进行扫描,并将该扫描数据传输给所述服务器终端自动阅卷评分模块;
步骤六:客观题的阅卷评分:所述服务器终端自动阅卷评分模块根据步骤五中扫描的数据信息自动识别答题卡区域中已作答的客观题,并进行评分以及计算统计,得到客观题的统计结果;
步骤七:主观题的阅卷评分:所述服务器终端自动阅卷评分模块根据步骤五中扫描的数据信息自动识别答题卡区域中已经过评分的主观题的评分结果,然后进行计算统计,得到主观题的统计结果;
步骤八:得到阅卷评分结果:自动统计步骤六与步骤七的结果,计算得出最终的阅卷评分结果,完成考试及评分统计。
更进一步,所述步骤一中的试卷文档为word文档或jpg、pdf、jpeg图片格式中任意一种格式的文档或图片。
更进一步,所述步骤二中自动解析包括:所述智能化生成答题卡模块通过使用大量的考题数据与答题数据训练计算机,建立含有计算机视觉、自然语言理解与交流、认知与推理的统计分析算法模型,使该智能化生成答题卡模块形成可以对输入的试题进行自动分类与判别的神经网络***,自动地完成将步骤一输入的试卷文档中的题目、选项、内容、答题方式进行分类、统计、解析。
更进一步,所述步骤三中的自动生成包括:自动匹配题型、内容、问题、自动识别考试所属题型和考试所属答题方式,生成答题卡。
更进一步,所述步骤五中扫描仪的扫描包括答题卡客观题的扫描和答题卡主观题的扫描。
更进一步,所述步骤六自动识别答题卡区域中已作答的客观题的过程包括:通过扫描仪自动地扫描到答题卡客观题区域,应用直线检测、图形检测、图形矫正以及OCR识别技术,在服务器终端的***上进行识别,获取有效的答题卡客观题数据,最后通过云计算进行统计。
更进一步,所述步骤七自动识别答题卡区域中已评分的主观题的过程包括:扫描仪自动扫描答题卡主观题的作答区域,通过搭建符号、公式、手写数字识别神经网络***、再运用颜色判断、直线检测、图像识别、图像处理、OCR技术等、自动捕捉答题卡区域中教师已经过评分的主观题的评分,进行手写数字识别,最后进行计算统计,得到主观题的统计结果。
更进一步,所述步骤二中的人工智能算法包括蒙特卡洛算法。
本发明通过蒙特卡洛树搜索算法和其他人工智能算法以及其对已有答题卡的学习构筑的神经网络模型来自动完成试卷文档的自动比对、解析,自动生成答题卡,实现了答题卡的智能化生成及设计,完全改变了传统的答题卡人工排版制作的方式和方法,实现只要输入试卷文档,就可以自动生成相对应的答题卡。在与自动生成答题卡之前,本发明的智能化生成答题卡模块首先通过大量的不同题型和答题卡,进行机器学习,通过自然语言、文本分类、图像分类等各种算法建立起神经网络模型,让它学会不同考试试卷对应生成不同的答题卡结构,以适应不同题型、格式和问法的试卷类型。
另一方面,本发明通过扫描仪和服务器移动终端就可以实现对答题卡客观题、主观题的自动扫描,而且能够智能化地自动识别、计算和统计,利用手写文字、文字检测、以及建立的机器神经网络,使之可以自动准确地识别主观题手写的评分数字,自动进行计算统计,完全实现试卷评阅的智能化、自动化处理,提高阅卷计算和统计的准确性。
上述仅为本发明的具体实施方式,但本发明的设计构思并不仅局限于此,凡是利用此构思对本发明进行非实质性地改进,均应该属于侵犯本发明保护范围的行为。
Claims (9)
1.智能生成答题卡以及服务器终端自动阅卷评分的考试***,其特征在于:所述考试***包括:智能化生成答题卡模块、扫描仪以及服务器终端自动阅卷评分模块,所述智能化生成答题卡模块,用于将试卷文档进行智能识别,并自动生成答题卡以及自动规划和布置答题卡区域;扫描仪:用于扫描答题卡内容,得到扫描数据,并与所述服务器终端自动阅卷评分模块相输送连接;所述服务器终端自动阅卷评分模块,用于将所述扫描仪得到的答题卡扫描数据进行自动识别答题卡区域中已作答的客观题以及已经过评分的主观题,并进行计算及统计。
2.根据权利要求1所述的智能生成答题卡以及服务器终端自动阅卷评分的考试***,其特征在于:所述考试***的实现方法包括以下具体步骤:
步骤一:试卷输入:上传考试的试卷文档;
步骤二:自动解析:所述智能化生成答题卡模块通过人工智能算法和深度学习构筑的神经网络***,自动地将步骤一输入的试卷文档中的题目、选项、内容、答题方式进行分类、统计、解析;
步骤三:自动生成答题卡:根据步骤二得到的试题解析数据信息,所述智能化生成答题卡模块自动生成答题卡,同时自动规划和布置答题卡作答区域;
步骤四:考试作答及主观题的评分:应试人员在步骤三得到的答题卡上进行考试作答,评分人员对已经作答的答题卡主观题部分进行评分;
步骤五:答题卡数据扫描:扫描仪将步骤四完成的答题卡进行扫描,并将该扫描数据传输给所述服务器终端自动阅卷评分模块;
步骤六:客观题的阅卷评分:所述服务器终端自动阅卷评分模块根据步骤五中扫描的数据信息自动识别答题卡区域中已作答的客观题,并进行评分以及计算统计,得到客观题的统计结果;
步骤七:主观题的阅卷评分:所述服务器终端自动阅卷评分模块根据步骤五中扫描的数据信息自动识别答题卡区域中已经过评分的主观题的评分结果,然后进行计算统计,得到主观题的统计结果;
步骤八:得到阅卷评分结果:自动统计步骤六与步骤七的结果,计算得出最终的阅卷评分结果,完成考试及评分统计。
3.根据权利要求2所述的智能生成答题卡以及服务器终端自动阅卷评分的考试***,其特征在于:所述步骤一中的试卷文档为word文档或jpg、pdf、jpeg图片格式中任意一种格式的文档或图片。
4.根据权利要求2所述的智能生成答题卡以及服务器终端自动阅卷评分的考试***,其特征在于:所述步骤二中自动解析包括:所述智能化生成答题卡模块通过使用大量的考题数据与答题数据训练计算机,建立含有计算机视觉、自然语言理解与交流、认知与推理的统计分析算法模型,使该智能化生成答题卡模块形成可以对输入的试题进行自动分类与判别的神经网络***,自动地完成将步骤一输入的试卷文档中的题目、选项、内容、答题方式进行分类、统计、解析。
5.根据权利要求2所述的智能生成答题卡以及服务器终端自动阅卷评分的考试***,其特征在于:所述步骤三中的自动生成包括:自动匹配题型、内容、问题、自动识别考试所属题型和考试所属答题方式,生成答题卡。
6.根据权利要求2所述的智能生成答题卡以及服务器终端自动阅卷评分的考试***,其特征在于:所述步骤五中扫描仪的扫描包括答题卡客观题的扫描和答题卡主观题的扫描。
7.根据权利要求2所述的智能生成答题卡以及服务器终端自动阅卷评分的考试***,其特征在于:所述步骤六自动识别答题卡区域中已作答的客观题的过程包括:通过扫描仪自动地扫描到答题卡客观题区域,应用直线检测、图形检测、图形矫正以及OCR识别技术,在服务器终端的***上进行识别,获取有效的答题卡客观题数据,最后通过云计算进行统计。
8.根据权利要求2所述的智能生成答题卡以及服务器终端自动阅卷评分的考试***,其特征在于:所述步骤七自动识别答题卡区域中已评分的主观题的过程包括:扫描仪自动扫描答题卡主观题的作答区域,通过搭建符号、公式、手写数字识别神经网络***、再运用颜色判断、直线检测、图像识别、图像处理、OCR技术等、自动捕捉答题卡区域中教师已经过评分的主观题的评分,进行手写数字识别,最后进行计算统计,得到主观题的统计结果。
9.根据权利要求2所述的智能生成答题卡以及服务器终端自动阅卷评分的考试***,其特征在于:所述步骤二中的人工智能算法包括蒙特卡洛算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711079326.8A CN107832758A (zh) | 2017-11-06 | 2017-11-06 | 智能生成答题卡以及服务器终端自动阅卷评分的考试*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711079326.8A CN107832758A (zh) | 2017-11-06 | 2017-11-06 | 智能生成答题卡以及服务器终端自动阅卷评分的考试*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107832758A true CN107832758A (zh) | 2018-03-23 |
Family
ID=61654606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711079326.8A Pending CN107832758A (zh) | 2017-11-06 | 2017-11-06 | 智能生成答题卡以及服务器终端自动阅卷评分的考试*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107832758A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108710605A (zh) * | 2018-08-07 | 2018-10-26 | 深圳迪普乐宁科技有限公司 | 一种纸上手工阅卷电脑统分的方法与*** |
CN108992033A (zh) * | 2018-07-26 | 2018-12-14 | 上海慧子视听科技有限公司 | 一种视觉测试的评分方法、装置、设备和存储介质 |
CN109086261A (zh) * | 2018-08-07 | 2018-12-25 | 深圳迪普乐宁科技有限公司 | 一种纸上手工阅卷电脑统分的方法与*** |
CN109146740A (zh) * | 2018-09-07 | 2019-01-04 | 江苏曲速教育科技有限公司 | 一种基于智能阅卷的动态答题卷模板*** |
CN109993153A (zh) * | 2019-04-18 | 2019-07-09 | 江苏曲速教育科技有限公司 | 一种基于边缘计算的人工智能阅卷*** |
CN110008933A (zh) * | 2019-04-18 | 2019-07-12 | 江苏曲速教育科技有限公司 | 一种通用智能阅卷***和方法 |
CN110766015A (zh) * | 2019-10-11 | 2020-02-07 | 深圳市鹰硕技术有限公司 | 一种答题卡识别方法、装置和服务器、***及存储介质 |
CN111144251A (zh) * | 2019-12-17 | 2020-05-12 | 广东德诚大数据科技有限公司 | 一种基于图像采集的自动化扫描识别*** |
CN112766213A (zh) * | 2021-01-29 | 2021-05-07 | 育林汇软件有限公司 | 一种电子阅卷式答题卡彩色呈现方法 |
CN113256252A (zh) * | 2021-05-25 | 2021-08-13 | 上海金程教育培训有限公司 | 一种基于b/s架构的考测*** |
EP3859558A4 (en) * | 2018-09-26 | 2022-06-22 | Hangzhou Dana Technology Inc. | ANSWER MARKING PROCEDURE FOR HEADPHONES, DEVICE, ELECTRONIC DEVICE AND STORAGE MEDIA |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334814A (zh) * | 2008-04-28 | 2008-12-31 | 华北电力大学 | 一种自动化的扫描阅卷***及阅卷方法 |
CN104143094A (zh) * | 2014-07-08 | 2014-11-12 | 北京彩云动力教育科技有限公司 | 一种无需答题卡的试卷自动阅卷处理方法及*** |
CN105184232A (zh) * | 2015-08-12 | 2015-12-23 | 祁亨年 | 一种o2o互联网作业本、***及实现方法 |
CN105912993A (zh) * | 2016-03-31 | 2016-08-31 | 深圳感官密码科技有限公司 | 自动阅卷图像识别方法和*** |
CN106407936A (zh) * | 2016-09-22 | 2017-02-15 | 福建省百互联网科技有限公司 | 一种阅卷方法和*** |
CN106874508A (zh) * | 2017-02-28 | 2017-06-20 | 江苏中育优教科技发展有限公司 | 基于网格化图像处理的答卷生成及阅卷方法 |
CN107025456A (zh) * | 2017-03-20 | 2017-08-08 | 安徽七天教育科技有限公司 | 一种教师批改痕迹自动识别的方法 |
-
2017
- 2017-11-06 CN CN201711079326.8A patent/CN107832758A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334814A (zh) * | 2008-04-28 | 2008-12-31 | 华北电力大学 | 一种自动化的扫描阅卷***及阅卷方法 |
CN104143094A (zh) * | 2014-07-08 | 2014-11-12 | 北京彩云动力教育科技有限公司 | 一种无需答题卡的试卷自动阅卷处理方法及*** |
CN105184232A (zh) * | 2015-08-12 | 2015-12-23 | 祁亨年 | 一种o2o互联网作业本、***及实现方法 |
CN105912993A (zh) * | 2016-03-31 | 2016-08-31 | 深圳感官密码科技有限公司 | 自动阅卷图像识别方法和*** |
CN106407936A (zh) * | 2016-09-22 | 2017-02-15 | 福建省百互联网科技有限公司 | 一种阅卷方法和*** |
CN106874508A (zh) * | 2017-02-28 | 2017-06-20 | 江苏中育优教科技发展有限公司 | 基于网格化图像处理的答卷生成及阅卷方法 |
CN107025456A (zh) * | 2017-03-20 | 2017-08-08 | 安徽七天教育科技有限公司 | 一种教师批改痕迹自动识别的方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108992033A (zh) * | 2018-07-26 | 2018-12-14 | 上海慧子视听科技有限公司 | 一种视觉测试的评分方法、装置、设备和存储介质 |
CN108710605A (zh) * | 2018-08-07 | 2018-10-26 | 深圳迪普乐宁科技有限公司 | 一种纸上手工阅卷电脑统分的方法与*** |
CN109086261A (zh) * | 2018-08-07 | 2018-12-25 | 深圳迪普乐宁科技有限公司 | 一种纸上手工阅卷电脑统分的方法与*** |
CN109146740A (zh) * | 2018-09-07 | 2019-01-04 | 江苏曲速教育科技有限公司 | 一种基于智能阅卷的动态答题卷模板*** |
EP3859558A4 (en) * | 2018-09-26 | 2022-06-22 | Hangzhou Dana Technology Inc. | ANSWER MARKING PROCEDURE FOR HEADPHONES, DEVICE, ELECTRONIC DEVICE AND STORAGE MEDIA |
US11721229B2 (en) | 2018-09-26 | 2023-08-08 | Hangzhou Dana Technology Inc. | Question correction method, device, electronic equipment and storage medium for oral calculation questions |
CN109993153A (zh) * | 2019-04-18 | 2019-07-09 | 江苏曲速教育科技有限公司 | 一种基于边缘计算的人工智能阅卷*** |
CN110008933A (zh) * | 2019-04-18 | 2019-07-12 | 江苏曲速教育科技有限公司 | 一种通用智能阅卷***和方法 |
CN110766015A (zh) * | 2019-10-11 | 2020-02-07 | 深圳市鹰硕技术有限公司 | 一种答题卡识别方法、装置和服务器、***及存储介质 |
CN111144251A (zh) * | 2019-12-17 | 2020-05-12 | 广东德诚大数据科技有限公司 | 一种基于图像采集的自动化扫描识别*** |
CN112766213A (zh) * | 2021-01-29 | 2021-05-07 | 育林汇软件有限公司 | 一种电子阅卷式答题卡彩色呈现方法 |
CN113256252A (zh) * | 2021-05-25 | 2021-08-13 | 上海金程教育培训有限公司 | 一种基于b/s架构的考测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832758A (zh) | 智能生成答题卡以及服务器终端自动阅卷评分的考试*** | |
CN107909067A (zh) | 智能生成答题卡以及移动终端自动阅卷评分的考试*** | |
CN108764074B (zh) | 基于深度学习的主观题智能阅卷方法、***及存储介质 | |
CN107506762B (zh) | 一种基于图像分析的成绩自动录入方法 | |
CN110222792A (zh) | 一种基于孪生网络的标签缺陷检测算法 | |
CN109213999A (zh) | 一种主观题评分方法 | |
CN107832768A (zh) | 基于深度学习的高效阅卷方法和阅卷*** | |
CN110322379A (zh) | 试卷处理方法和试卷处理*** | |
CN104239850B (zh) | 基于图像综合特征的答题卡填涂信息自动识别方法 | |
CN107909066A (zh) | 一种移动终端***的自动阅卡评分方法 | |
US11194997B1 (en) | Method and system for thermal infrared facial recognition | |
CN110689013A (zh) | 一种基于特征识别的自动阅卷方法及*** | |
CN108182541A (zh) | 一种混合学习效果评估与干预方法与装置 | |
CN106599887B (zh) | 试卷答题区域识别及试题评阅方法、*** | |
Visaniy et al. | Icdar 2013 music scores competition: Staff removal | |
CN106446882A (zh) | 一种基于8字码的智能留痕阅卷方法 | |
CN110503054A (zh) | 文本图像的处理方法及装置 | |
CN105869085A (zh) | 一种成绩录入***及图像处理的方法 | |
CN108876195A (zh) | 一种智能化的教师教学质量评测*** | |
CN107785061A (zh) | 孤独症谱系障碍儿童情绪能力干预*** | |
CN108345833A (zh) | 数学公式的识别方法及***和计算机设备 | |
EP3567597A1 (en) | Method and apparatus of diagnostic test | |
CN110909035A (zh) | 个性化复习题集生成方法、装置、电子设备及存储介质 | |
CN109034590A (zh) | 一种智能化的教师教学质量评价管理*** | |
CN106778717A (zh) | 一种基于图像识别和k近邻的测评表识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180323 |