[发明专利]一种基于无监督学习的实验智能评分方法和系统

说明书

本发明公开了一种基于无监督学习的实验智能评分方法，在该方法中，首先，收集实验操作图片和学生在实验操作台进行实验操作的视频数据，其中实验操作图片包括已标注数据的实验操作图片和未标注数据的实验操作图片；然后，对视频数据进行特征提取和图像分割，得到包含三维信息的实验器材图片；接着，基于对比学习方法，将实验操作图片和实验器材图片输入预先构建的可视化卷积神经网络中进行训练，得到最优目标检测模型；最后将待评分图片输入最优目标检测模型中进行目标检测，基于目标检测结果得到待评分图片的实验得分。该方案通过无监督学习方法去掉人工标注环节，可以对新的知识点或评分点进行自动标注，提高了模型的自适应性。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于无监督学习的实验智能评分方法、系统、计算设备及存储介质。

背景技术

目前，在中学物理、化学、生物等实验教学或考试中，无法对每个学生进行针对性、全面性的教学指导和监督，导致实验教学或考试效率低；传统的实验考试评分采用教师现场对多位学生监考和打分的方式，评分效率低，且存在不客观的评分因素。作为新一轮科技革命和产业革命的重要驱动力量，人工智能正在深刻改变人们的生活、工作和教育学习方式。近年来，人工智能技术越来越多的应用在教学管理的各个环节。

为了实现实验考试评分的智能化，需要对实验操作数据进行智能赋分。现有的智能赋分算法以监督学习为基础，不但需要大量的数据做支撑，同时在数据的标注、处理环节也需要大量的人力和财力；而且无法对数据未覆盖、未进行监督学习的相关评价点、操作点、需求点做判断和应用。

因此，需要提供一种基于无监督学习的智能评分系统和方法，能够应用于中学实验教学和考试场景中，以解决人工数据标注成本高、评分结果不全面、评分效率低、评分标准不一致的问题。

发明内容

鉴于上述问题，本发明提出一种克服上述问题或者至少部分地解决上述问题的一种基于无监督学习的实验智能评分方法、系统、计算设备以及存储介质。

根据本发明的一个方面，提供一种基于无监督学习的实验智能评分方法，在该方法中，首先，收集实验操作图片和学生在实验操作台进行实验操作的视频数据，其中实验操作图片包括已标注数据的实验操作图片和未标注数据的实验操作图片；然后，对视频数据进行特征点提取和图像分割，得到包含三维信息的实验器材图片；接着，基于对比学习方法，将实验操作图片、实验器材图片输入预先构建的可视化卷积神经网络中进行训练，得到最优目标检测模型；最后，将待评分图片输入最优目标检测模型中进行目标检测，并基于目标检测结果得到待评分图片的实验得分。

该方法能够充分利用教育闭环特征，通过无监督学习方法，可以去掉繁琐、耗时、耗力的人工标注环节，同时可以对新的知识点或操作点、新的评分点进行自动标注和识别，加快了智能评分算法的应用，提高了模型的适应性和个性化。

可选地，在根据本发明的方法中，标注数据可以包括实验操作点或知识点标注数据、实验器材标签数据、实验操作评价数据、实验结果评分数据等。

可选地，在根据本发明的方法中，还可以对收集的实验操作图片进行筛选和处理，以便剔除异常数据、对已标注数据的实验操作图片的标签进行修正、对未标注数据的实验操作图片生成相应的标签。

这样可以进一步提高后续模型训练数据的可靠性，提高模型检测的准确度。

可选地，在根据本发明的方法中，可以基于聚类算法，对收集的实验操作图片进行异常数据剔除处理；对收集的实验操作图片进行数据扩充，数据扩充方法包括镜像、随机裁减、翻转、色彩转换等；基于知识图谱网络对收集的无标注数据的实验操作图片生成相应的标签或者对已标注数据的实验操作图片中的标签进行修正。