[发明专利]一种基于卷积神经网络的错题检测及靶向推荐系统和方法

说明书

本发明提供一种能够实现错题自动检测统计并且“靶向推荐”的错题集生成系统，它包含：1、带学生个人信息二维码的习题册；2、批阅过程中画红色圈的错题号；3、可以实时拍照扫描的高拍仪；4拥有GPU的作业信息处理服务器；5、基于卷积神经网络YOLO V4检测模型的深度学习算法；6、面向教师的班级错题统计信息文档；7、面向学生的个人错题集文档，解决在不改变传统试卷纸质书写的使用模式下，帮助学生在学习过程中产生的数据进行有效统计存储、反馈，实现真正的“靶向教育”。

技术领域

教育电子化的实施主要通过智能终端的使用，不仅成本高难以管理，而且会损害学生视力。因此，暂时未出现可以在不增加教师以及学生负担的前提下，实现教育信息化，推送靶向化的错题检测统计系统。对于教师而言，传统纸质的试卷需要教师人工批改试卷、人工计分、人工统计、记载，这都需要耗费阅卷教师大量的时间，也会对导致教师阅卷效率下降；并且当教师忙于批改作业后，教改的时间和精力也受到限制，对之后的教学也会产生消极的影响。而对于学生而言，其学习资料多而杂，难分类，同时对错题的分析与统计需要耗费大量时间，因此，传统的学生自己抄写错题集的方式亟待改进。基于此现状，本发明提供一种智能纸笔书写试卷的自动批改系统，解决在不改变传统试卷纸质书写的使用模式下，实现教育信息化，为教师减轻批阅负担、统计负担以及存档负担；并且帮助学生在学习过程中产生的数据进行有效统计存储、反馈，实现真正的“靶向教育”。

背景技术

随着互联网技术的不断发展，利用教育信息化手段提高试卷批改效率成为技术趋势。目前实施教育电子化的主要手段是让学生采用智能终端，如pad和电脑等，然后由系统进行自动批改。但是让学生教师都用智能终端的成本太高且难以管理，最重要的是由于长时间使用平板电脑会对学生视力造成严重损害；在此情况下，教育部联合国家卫生健康委等有关部门研究制定了《综合防控儿童青少年近视实施方案》,并向相关部门和社会广泛征求意见。方案提出了防控儿童青少年近视的阶段性目标,明确了家庭、学校、医疗卫生机构等各方面责任,并决定建立全国儿童青少年近视防控工作评议考核制度。教育部发文限制控制一种产品使用时长，原则上采用纸质书写。

而传统纸质书写方式难以实现教育信息化问题。对于教师而言，传统纸质的试卷需要教师人工批改试卷、人工计分、人工统计、记载，这都需要耗费阅卷教师大量的时间，也会对导致教师阅卷效率下降；并且当教师忙于批改作业后，教改的时间和精力也受到限制，对之后的教学也会产生消极的影响。而对于学生而言，其学习资料多而杂，难分类，同时对错题的分析与统计需要耗费大量时间，因此，传统的学生自己抄写错题集的方式亟待改进。

随着目标检测技术的发展，特别是近几年，基于深度学习的目标检测算法的提出，例如Faster-RCNN、 SSD系列，这些算法与传统目标检测算法相比，基于深度学习的目标检测算法在准确率以及效率上都大大超过了传统检测算法。但是目前的算法都是基于现有的数据集进行优化，如ImageNet、COCO等，处理小尺寸或不同尺寸的灵活度较低，YOLOv4更是改进了大尺寸输入图像目标检测造成计算量的加大以及目标检测的速度降低的问题。本发明将使用YOLOv4检测模型来完成对教师所画圈的错题的精准识别。

发明内容：

鉴于以上所述现有技术的缺点，本发明的目的在于针对传统纸质试卷的缺陷和不足，提供一种智能纸笔书写试卷的自动批改系统，解决在不改变传统试卷纸质书写的使用模式下，实现教育信息化，为教师减轻批阅负担、统计负担以及存档负担；并且帮助学生在学习过程中产生的数据进行有效统计存储、反馈，实现真正的“靶向教育”。

为实现上述目的，本发明提供一种能够实现错题自动检测统计并且“靶向推荐”的错题集生成系统，它包含：1、带学生个人信息二维码的习题册；2、批阅过程中画红色圈的错题号；3、可以实时拍照扫描的高拍仪；4拥有GPU的作业信息处理服务器；5、基于卷积神经网络YOLO V4检测模型的深度学习算法； 6、面向教师的班级错题统计信息文档；7、面向学生的个人错题集文档。