[实用新型]一种试卷批改一体机有效
申请号: | 201822036224.4 | 申请日: | 2018-12-05 |
公开(公告)号: | CN210348859U | 公开(公告)日: | 2020-04-17 |
发明(设计)人: | 何涛;毛礼辉;罗欢;陈明权 | 申请(专利权)人: | 杭州大拿科技股份有限公司 |
主分类号: | G09B7/00 | 分类号: | G09B7/00;G06K15/02;G06K9/62;G06K9/00 |
代理公司: | 上海思捷知识产权代理有限公司 31295 | 代理人: | 王宏婧 |
地址: | 310053 浙江省杭州市滨江*** | 国省代码: | 浙江;33 |
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 试卷 批改 一体机 | ||
1.一种试卷批改一体机,其特征在于,包括:扫描模块、与所述扫描模块连接的识别模块、与所述识别模块连接的存储模块和批改模块,所述存储模块与所述批改模块连接;
所述扫描模块,用于扫描标准试卷获得标准试卷扫描文件,以及扫描学生试卷获得学生试卷扫描文件;
所述识别模块,用于识别所述标准试卷扫描文件中每道题目的题干和答案,以及识别所述学生试卷扫描文件中的每道题目的题干和答案;
所述存储模块,用于存储所述识别模块识别出的所述标准试卷扫描文件中每道题目的题干和答案;
所述批改模块,用于根据所述存储模块存储的所述标准试卷扫描文件中每道题目的题干和答案以及所述识别模块识别出的所述学生试卷扫描文件中每道题目的题干和答案,对所述学生试卷扫描文件中每道题目进行批改;
其中,所述识别模块包括:检测子模块和识别子模块;
所述检测子模块,用于利用预先训练好的检测模型对所述标准试卷扫描文件进行检测,检测出所述标准试卷扫描文件中的每道题目的区域,以及利用预先训练好的检测模型对所述学生试卷扫描文件进行检测,检测出所述学生试卷扫描文件中每道题目的区域,其中,所述检测模型是基于神经网络的模型;
所述识别子模块,用于利用预先训练好的识别模型识别所述标准试卷扫描文件中的每道题目的区域中题干和答案的文字内容,以及利用预先训练好的识别模型识别所述学生试卷扫描文件中每道题目的区域中题干和答案的文字内容,其中,所述识别模型是基于神经网络的模型。
2.如权利要求1所述的试卷批改一体机,其特征在于,还包括:打印模块,所述打印模块与所述批改模块连接,用于将所述批改模块批改后的所述学生试卷扫描文件打印出来。
3.如权利要求1所述的试卷批改一体机,其特征在于,还包括:组卷模块,所述组卷模块与所述存储模块连接,用于从所述存储模块所存储的题目中选择题目组成试卷,或直接从所述存储模块所存储的试卷模板中选择试卷;
还包括:打印模块,所述打印模块分别与所述批改模块和所述组卷模块连接,用于将所述批改模块批改后的所述学生试卷扫描文件打印出来,以及,将所述组卷模块所组成的试卷或选择的试卷打印出来。
4.如权利要求1所述的试卷批改一体机,其特征在于,所述标准试卷为单张时,所述批改模块,具体用于按照题目位置或序号,将识别出的所述标准试卷扫描文件和所述学生试卷扫描文件中的答案进行比对,对所述学生试卷扫描文件中每道题目进行批改。
5.如权利要求1所述的试卷批改一体机,其特征在于,所述标准试卷为多张不同的试卷时,所述批改模块包括:搜索子模块和批改子模块;
所述搜索子模块,用于根据所述识别模块识别出的所述学生试卷扫描文件中每道题目的题干,在所述存储模块存储的题目中进行搜索,确定与所述学生试卷匹配的标准试卷;
所述批改子模块,用于针对所述学生试卷扫描文件中的每道题目,根据所确定的标准试卷上与该题目相匹配的题目的答案,对该题目的答案进行批改。
6.如权利要求5所述的试卷批改一体机,其特征在于,所述搜索子模块,包括:
第一获得单元,用于将所述学生试卷扫描文件中每一题目的题干的文字内容输入预先训练的题干向量化模型中,得到每一题目的题干的特征向量,作为每一题目的特征向量,其中,所述题干向量化模型是基于神经网络的模型;
查找单元,用于针对每一题目,在所述存储模块存储的题目中进行搜索,查找与该题目的特征向量相匹配的特征向量,将所述存储模块存储的题目中相匹配的特征向量对应的题目确定为与该题目最接近的题目;
确定单元,用于汇总查找到的所有题目的最接近题目所在的试卷,将满足预设条件的试卷确定为与所述学生试卷匹配的标准试卷。
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杭州大拿科技股份有限公司,未经杭州大拿科技股份有限公司许可,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/201822036224.4/1.html,转载请声明来源钻瓜专利网。