CN113408520A - 有痕阅卷方法、批阅装置及存储介质 - Google Patents

有痕阅卷方法、批阅装置及存储介质 Download PDF

Info

Publication number
CN113408520A
CN113408520A CN202110803979.6A CN202110803979A CN113408520A CN 113408520 A CN113408520 A CN 113408520A CN 202110803979 A CN202110803979 A CN 202110803979A CN 113408520 A CN113408520 A CN 113408520A
Authority
CN
China
Prior art keywords
area
score
determining
marking
identification
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.)
Granted
Application number
CN202110803979.6A
Other languages
English (en)
Other versions
CN113408520B (zh
Inventor
张亮
王志明
王玉芳
卢肖帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Nanhao Science And Technology Co ltd
Huayun Hebei Xiong'an Big Data Technology Co ltd
Original Assignee
Jinghao Hebei Xiong'an Data Technology Co ltd
Beijing Nanhao Science And Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jinghao Hebei Xiong'an Data Technology Co ltd, Beijing Nanhao Science And Technology Co ltd filed Critical Jinghao Hebei Xiong'an Data Technology Co ltd
Priority to CN202110803979.6A priority Critical patent/CN113408520B/zh
Publication of CN113408520A publication Critical patent/CN113408520A/zh
Application granted granted Critical
Publication of CN113408520B publication Critical patent/CN113408520B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/186—Templates
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Character Input (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种有痕阅卷方法、批阅装置及存储介质，所述有痕阅卷方法包括：根据预先设置的批阅分数区域模板确定试卷扫描图片上的各个批阅分数区域；对于每个批阅分数区域，根据该批阅分数区域中分数总数将该批阅分数区域划分为多个识别区域；根据各个识别区域的阅卷痕迹确定被选择的识别区域；根据被选择的识别区域对应的分数，确定该批阅分数区域的分数。本申请可以实现主观题阅卷，阅卷分数修改方便；阅卷对于笔的颜色没有限制，对于试卷的纸张无要求，有效降低了试卷及阅卷成本。

Description

有痕阅卷方法、批阅装置及存储介质
技术领域
本申请涉及图像识别领域，尤其涉及一种有痕阅卷方法、批阅装置及存储介质。
背景技术
随着科技不断发展，教学设备、移动设备越来越普及，引入智能***作为教学工具已经大势所趋。传统纸质批改教学模式与科技结合带来教学新方向。
有痕阅卷***不改变教师评阅试卷的教学习惯，不改变学生的作答习惯，弥补了网上阅卷***无法纸质批阅主观题的不足。通过有痕阅卷***，老师批阅完成后，将主客观题得分数据统一采集并且分析生成成绩报表。有痕阅卷技术既全样本采集了卷面数据，又为教师、学生、家长提供了评阅痕迹，从而达到了事半功倍的双赢效果。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种有痕阅卷方法、批阅装置及存储介质。
第一方面，本申请提供一种有痕阅卷方法，所述有痕阅卷方法包括：
根据预先设置的批阅分数区域模板确定试卷扫描图片上的各个批阅分数区域；
对于每个批阅分数区域，根据该批阅分数区域中分数总数将该批阅分数区域划分为多个识别区域；
根据各个识别区域的阅卷痕迹确定被选择的识别区域；
根据被选择的识别区域对应的分数，确定该批阅分数区域的分数。
可选地，所述根据各个识别区域的阅卷痕迹确定被选择的识别区域包括：
对于每个识别区域，确定该识别区域中黑色像素与该识别区域总像素的比值；
根据每个识别区域的比值与预设的分数选择阈值和分数取消阈值，确定具有阅卷痕迹的识别区域；
根据所述有阅卷痕迹确定被选择的识别区域。
可选地，所述分数选择阈值小于所述分数取消阈值。
可选地，所述有痕阅卷方法还包括：
根据预先获取的笔尖规格，确定所述分数选择阈值和所述分数取消阈值。
可选地，所述根据每个识别区域的比值与预设的分数选择阈值和分数取消阈值，确定被选择的识别区域，包括：
对于每个识别区域，在该识别区域的比值处于所述分数选择阈值和所述分数取消阈值之间时，确定该识别区域被选择；在该识别区域的比值大于所述分数取消阈值时，确定该识别区域被取消。
可选地，所述确定被选择的识别区域还包括：
在确定被选择的识别区域数量为0时，确定该批阅分数区域未有识别区域被选择；
在确定被选择的识别区域数量为1时，确定该识别区域被选择；
在确定被选择的识别区域数量大于1时，确定该批阅分数区域中被选择的识别区域存在异常。
可选地，所述根据预先设置批阅分数区域模板确定试卷扫描图片上的各个批阅分数区域之后包括：
对每个批阅分数区域进行灰度处理；
对每个灰度处理后的批阅分数区域进行二值化处理。
可选地，所述对每个灰度处理后的批阅分数区域进行二值化处理，包括：
根据预先设置的二值化阈值分割点，将对每个灰度处理后的批阅分数区域中小于所述二值化阈值分割点的像素设置为0，大于所述二值化阈值分割点的像素设置为255。
第二方面，本申请提供一种批阅装置，所述批阅装置包括存储器和处理器；所述存储器存储有计算机程序；所述计算机程序被所述处理器执行时实现如上任一项所述的有痕阅卷方法的步骤。
第三方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质上存储有有痕阅卷程序，所述答题图片识别程序被处理器执行时实现如上任一项所述的有痕阅卷方法的步骤。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：
本发明实施例的有痕阅卷方法，可以实现主观题阅卷，阅卷分数修改方便；阅卷对于笔的颜色没有限制，对于试卷的纸张无要求，有效降低了试卷及阅卷成本。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请各个实施例提供的有痕阅卷方法的流程图；
图2为本申请各个实施例提供的识别区域的示意图；
图3为本申请各个实施例提供的被选择的识别区域的示意图；
图4为本申请各个实施例提供的被取消选择的识别区域的示意图。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
实施例一
本发明实施例提供一种有痕阅卷方法，如图1所示，所述有痕阅卷方法包括：
S101,根据预先设置的批阅分数区域模板确定试卷扫描图片上的各个批阅分数区域，
S102,对于每个批阅分数区域，根据该批阅分数区域中分数总数将该批阅分数区域划分为多个识别区域；如图2所示，每个识别区域对应一个分数；
S103,根据各个识别区域的阅卷痕迹确定被选择的识别区域；
S104，根据被选择的识别区域对应的分数，确定该批阅分数区域的分数。
本发明实施例的有痕阅卷方法，可以实现对主观题阅卷，阅卷修改操作方便；阅卷对于笔的颜色没有限制，红色、黑色、蓝色等都可以；对于试卷的纸张无要求，薄厚都可以，降低了试卷的成本。
在一些实施例中，所述根据各个识别区域的阅卷痕迹确定被选择的识别区域包括：
对于每个识别区域，确定该识别区域中黑色像素与该识别区域总像素的比值；
根据每个识别区域的比值与预设的分数选择阈值和分数取消阈值，确定具有阅卷痕迹的识别区域；
根据所述有阅卷痕迹的识别区域确定被选择的识别区域。
本发明实施例的有痕阅卷方法在不改变教师批阅习惯的前提下，先针对于主观题进行批阅，只需在相应得分处用笔画一条竖线即可，然后再采用扫描仪录入答题卡，将主观题与客观题分数统一识别录入到***进行统计分析，省去了教师累加卷面分，减轻了教师工作量。学生作答和教师批改痕迹都在纸质答题卡方便了教师讲评。
其中，所述分数选择阈值小于所述分数取消阈值。可选地，所述分数取消阈值不小于2倍的所述分数选择阈值。
可选地，所述有痕阅卷方法还包括：根据预先获取的笔尖规格，确定所述分数选择阈值和所述分数取消阈值。
例如，笔尖直径为0.5mm，可以根据笔尖直径和识别区域的宽度确定分数选择阈值。也就是说用笔画一条竖线设置为分数选择阈值。
在一些实施例中，所述根据每个识别区域的比值与预设的分数选择阈值和分数取消阈值，确定被选择的识别区域，包括：
对于每个识别区域，在该识别区域的比值处于所述分数选择阈值和所述分数取消阈值之间时，确定该识别区域被选择；在该识别区域的比值大于所述分数取消阈值时，确定该识别区域被取消。
如图3所示，教师只需要在相应得分处画一条线即可，根据分数所在位置，得到分数为6分。如图4所示，如果需要修改分值，只需在错误分值处多划几条竖线。
在一些实施例中，所述确定被选择的识别区域还包括：
在确定被选择的识别区域数量为0时，确定该批阅分数区域未有识别区域被选择；
在确定被选择的识别区域数量为1时，确定该识别区域被选择；
在确定被选择的识别区域数量大于1时，确定该批阅分数区域中被选择的识别区域存在异常。
在一些实施例中，对每个批阅分数区域进行灰度处理；对每个灰度处理后的批阅分数区域进行二值化处理。
可选地，所述对每个灰度处理后的批阅分数区域进行二值化处理，包括：
根据预先设置的二值化阈值分割点，将对每个灰度处理后的批阅分数区域中小于所述二值化阈值分割点的像素设置为0，大于所述二值化阈值分割点的像素设置为255。
其中，二值化阈值分割点取128，小于128为0，大于等于128的为255，二值化处理使图像变得简单，减少数据量，提高运算速度，同时将感兴趣区域与背景分离。
以下提供一种具体的有痕阅卷方法，包括：
步骤1，确定批阅分数的区域，制作批阅分数区域模板。
步骤2，对每个批阅分数区域进行灰度处理；对每个灰度处理后的批阅分数区域进行二值化处理。其中，所述对每个灰度处理后的批阅分数区域进行二值化处理，包括：
根据预先设置的二值化阈值分割点，将对每个灰度处理后的批阅分数区域中小于所述二值化阈值分割点的像素设置为0，大于所述二值化阈值分割点的像素设置为255。
步骤3，对图像进行校正。
步骤4，根据批阅分数区域模板确定试卷扫描图片(答题卡)上的各个批阅分数区域,。
步骤5，对于每个批阅分数区域，根据该批阅分数区域中分数总数将该批阅分数区域划分为多个识别区域；例如，根据分数的起始值和终止值，以及分数间隔，获取区域内可划分的分数总个数N。
步骤6，设置每个划分区域黑色像素占比的最小值P_Min(分数选择阈值)和最大值P_Max(分数取消阈值)。
步骤,7，根据各个识别区域的阅卷痕迹确定被选择的识别区域；根据被选择的识别区域对应的分数，确定该批阅分数区域的分数。具体地：
对于每个识别区域，确定该识别区域中黑色像素与该识别区域总像素的比值；
根据每个识别区域的比值与预设的分数选择阈值和分数取消阈值，确定具有阅卷痕迹的识别区域；
根据所述有阅卷痕迹的识别区域确定被选择的识别区域。
步骤8，对于每个识别区域，在该识别区域的比值处于所述分数选择阈值和所述分数取消阈值之间时，确定该识别区域被选择；在该识别区域的比值大于所述分数取消阈值时，确定该识别区域被取消。也就是说，判断每个划分区域黑色像素占比Pn。Pn在P_Min和P_Max之间，记录为选择该区域；Pn>＝P_Max，记录为修改分值，取消选择；Pn<＝P_Min，记录为没有选择。
步骤9，汇总选择区域总数M。M＝0,未选择任何分数；M＝1，根据选择区域的位置，获得批阅成绩；M>1，选择多个分数区域，异常状态。
本发明实施例主观题打分简单，修改操作方便；阅卷对于笔的颜色没有限制，红色、黑色、蓝色等都可以；对于试卷的纸张无要求，薄厚都可以，降低了试卷的成本。
本发明实施例在不改变教师批阅习惯的前提下，先针对于主观题进行批阅，只需在相应得分处用笔画一条竖线即可，然后再采用扫描仪录入答题卡，将主观题与客观题分数统一识别录入到***进行统计分析，省去了教师累加卷面分，减轻了教师工作量。学生作答和教师批改痕迹都在纸质答题卡方便了教师讲评。
实施例二
本发明实施例提供一种批阅装置，所述批阅装置包括存储器和处理器；所述存储器存储有计算机程序；所述计算机程序被所述处理器执行时实现如实施例一中任一项所述的有痕阅卷方法的步骤。
实施例三
本发明实施例一种计算机可读存储介质，所述计算机可读存储介质上存储有有痕阅卷程序，所述答题图片识别程序被处理器执行时实现如实施例一中任一项所述的有痕阅卷方法的步骤。
实施例二和实施例三在具体实现过程中，可以参阅实施例一，具有相应的技术效果。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种有痕阅卷方法，其特征在于，所述有痕阅卷方法包括：
根据预先设置的批阅分数区域模板确定试卷扫描图片上的各个批阅分数区域；
对于每个批阅分数区域，根据该批阅分数区域中分数总数将该批阅分数区域划分为多个识别区域；
根据各个识别区域的阅卷痕迹确定被选择的识别区域；
根据被选择的识别区域对应的分数，确定该批阅分数区域的分数。
2.根据权利要求1所述的有痕阅卷方法，其特征在于，所述根据各个识别区域的阅卷痕迹确定被选择的识别区域包括：
对于每个识别区域，确定该识别区域中黑色像素与该识别区域总像素的比值；
根据每个识别区域的比值与预设的分数选择阈值和分数取消阈值，确定具有阅卷痕迹的识别区域；
根据所述有阅卷痕迹确定被选择的识别区域。
3.根据权利要求2所述的有痕阅卷方法，其特征在于，所述分数选择阈值小于所述分数取消阈值。
4.根据权利要求3所述的有痕阅卷方法，其特征在于，所述有痕阅卷方法还包括：
根据预先获取的笔尖规格，确定所述分数选择阈值和所述分数取消阈值。
5.根据权利要求3所述的有痕阅卷方法，其特征在于，所述根据每个识别区域的比值与预设的分数选择阈值和分数取消阈值，确定被选择的识别区域，包括：
对于每个识别区域，在该识别区域的比值处于所述分数选择阈值和所述分数取消阈值之间时，确定该识别区域被选择；在该识别区域的比值大于所述分数取消阈值时，确定该识别区域被取消。
6.根据权利要求5所述的有痕阅卷方法，其特征在于，所述确定被选择的识别区域还包括：
在确定被选择的识别区域数量为0时，确定该批阅分数区域未有识别区域被选择；
在确定被选择的识别区域数量为1时，确定该识别区域被选择；
在确定被选择的识别区域数量大于1时，确定该批阅分数区域中被选择的识别区域存在异常。
7.根据权利要求1-6中任意一项所述的有痕阅卷方法，其特征在于，所述根据预先设置批阅分数区域模板确定试卷扫描图片上的各个批阅分数区域之后包括：
对每个批阅分数区域进行灰度处理；
对每个灰度处理后的批阅分数区域进行二值化处理。
8.根据权利要求7所述的有痕阅卷方法，其特征在于，所述对每个灰度处理后的批阅分数区域进行二值化处理，包括：
根据预先设置的二值化阈值分割点，将对每个灰度处理后的批阅分数区域中小于所述二值化阈值分割点的像素设置为0，大于所述二值化阈值分割点的像素设置为255。
9.一种批阅装置，其特征在于，所述批阅装置包括存储器和处理器；所述存储器存储有计算机程序；所述计算机程序被所述处理器执行时实现如权利要求1-8中任一项所述的有痕阅卷方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有有痕阅卷程序，所述答题图片识别程序被处理器执行时实现如权利要求1-8中任一项所述的有痕阅卷方法的步骤。
CN202110803979.6A 2021-07-16 2021-07-16 有痕阅卷方法、批阅装置及存储介质 Active CN113408520B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110803979.6A CN113408520B (zh) 2021-07-16 2021-07-16 有痕阅卷方法、批阅装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110803979.6A CN113408520B (zh) 2021-07-16 2021-07-16 有痕阅卷方法、批阅装置及存储介质

Publications (2)

Publication Number Publication Date
CN113408520A true CN113408520A (zh) 2021-09-17
CN113408520B CN113408520B (zh) 2023-12-12

Family

ID=77686818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110803979.6A Active CN113408520B (zh) 2021-07-16 2021-07-16 有痕阅卷方法、批阅装置及存储介质

Country Status (1)

Country Link
CN (1) CN113408520B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114639108A (zh) * 2022-05-19 2022-06-17 江西风向标智能科技有限公司 主观题的判分标记识别方法、***、存储介质及设备

Citations (7)

* Cited by examiner, † Cited by third party
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
CN109460762A (zh) * 2018-10-19 2019-03-12 南京理工大学 一种基于图像识别的答题卡评分方法
WO2019075820A1 (zh) * 2017-10-20 2019-04-25 深圳市鹰硕技术有限公司 一种试卷批阅***
CN110321838A (zh) * 2019-07-02 2019-10-11 南京怀宇科技有限公司 一种阅卷方法、装置、终端及存储介质
CN110321837A (zh) * 2019-07-02 2019-10-11 南京怀宇科技有限公司 一种试题得分的识别方法、装置、终端及存储介质
CN110659584A (zh) * 2019-08-30 2020-01-07 石家庄云松信息科技有限公司 一种基于图像识别的智能留痕阅卷***
KR20200107709A (ko) * 2019-03-07 2020-09-16 윤성욱 Omr 시스템

Patent Citations (7)

* Cited by examiner, † Cited by third party
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
WO2019075820A1 (zh) * 2017-10-20 2019-04-25 深圳市鹰硕技术有限公司 一种试卷批阅***
CN109460762A (zh) * 2018-10-19 2019-03-12 南京理工大学 一种基于图像识别的答题卡评分方法
KR20200107709A (ko) * 2019-03-07 2020-09-16 윤성욱 Omr 시스템
CN110321838A (zh) * 2019-07-02 2019-10-11 南京怀宇科技有限公司 一种阅卷方法、装置、终端及存储介质
CN110321837A (zh) * 2019-07-02 2019-10-11 南京怀宇科技有限公司 一种试题得分的识别方法、装置、终端及存储介质
CN110659584A (zh) * 2019-08-30 2020-01-07 石家庄云松信息科技有限公司 一种基于图像识别的智能留痕阅卷***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
程淑红;尚果超;: "基于视觉的答题卡自动判分***设计", 计量学报, no. 06 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114639108A (zh) * 2022-05-19 2022-06-17 江西风向标智能科技有限公司 主观题的判分标记识别方法、***、存储介质及设备

Also Published As

Publication number Publication date
CN113408520B (zh) 2023-12-12

Similar Documents

Publication Publication Date Title
CN110008933B (zh) 一种通用智能阅卷***和方法
US11790641B2 (en) Answer evaluation method, answer evaluation system, electronic device, and medium
CN110110581B (zh) 一种基于人工智能的试卷批改方法和***
CN110659584B (zh) 一种基于图像识别的智能留痕阅卷***
CN106846961B (zh) 电子试卷的处理方法和装置
CN105046200B (zh) 基于直线检测的电子阅卷方法
KR101945692B1 (ko) 성적 처리 방법 및 시스템
CN101866415A (zh) 一种计算机阅卷***的答题卡识别装置及方法
CN111814616A (zh) 一种无需答题卡的试卷自动阅卷处理***及其实现方法
US20190272769A1 (en) Information processing device, information processing method, and non-transitory computer readable medium storing information processing program
CN110879965A (zh) 试卷客观题的自动批阅方法、电子装置、设备及存储介质
CN114140280A (zh) 一种基于ai批改的数据处理方法、***和电子设备
CN111814798A (zh) 题目数字化处理方法和可读存储介质
CN113159014A (zh) 基于手写题号的客观题批阅方法、装置、设备及存储介质
CN111008594A (zh) 改错题评阅方法、相关设备及可读存储介质
CN113408520A (zh) 有痕阅卷方法、批阅装置及存储介质
CN106815814B (zh) 一种应用于阅卷***的图像污染处理方法
CN115050039A (zh) 自动化试卷分析方法、***、电子设备、存储介质
CN113822907A (zh) 图像处理方法及装置
US20060194187A1 (en) Material processing apparatus, material processing method, and program product
CN113095312A (zh) 一种基于标识码采集试卷中手写答案区域的方法
CN115482535A (zh) 一种试卷自动批改方法、存储介质及设备
CN116824607A (zh) 一种高精度的答题卡识别方法
CN115620332A (zh) 一种基于纸质作业的自动批阅方法及设备
CN113903039A (zh) 一种基于颜色的答题卡答案区域采集的方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220324

Address after: 100085 205, floor 2, building 8, Shangdi Fourth Street, Haidian District, Beijing

Applicant after: Beijing Nanhao Science and Technology Co.,Ltd.

Applicant after: Huayun (Hebei xiong'an) big data Technology Co.,Ltd.

Address before: 100085 205, floor 2, building 8, Shangdi Fourth Street, Haidian District, Beijing

Applicant before: Beijing Nanhao Science and Technology Co.,Ltd.

Applicant before: Jinghao (Hebei xiong'an) data Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant