机器人教学测评方法及装置制造方法及图纸

本发明专利技术提供一种机器人教学测评方法及装置。本方法通过采集声音信号，并获得所述声音信号的声谱特征以作为目标声谱特征；将所述目标声谱特征与当前显示的试题对应的预设声谱特征进行比对，在所述目标声谱特征与所述预设声谱特征的相似度大于或等于第一阈值时，将所述目标声谱对应的答案作为当前显示试题的正确答案，并根据所述目标声谱对应的答案生成与当前显示试题对应的试题测试结果；根据每道试题的测试结果生成该套试题集合的最终测试结果，并将所述最终测试结果发送至教学终端。该方法可对采集或输入的答案数字化，以对该答案自动检测，简化了教学测评的流程，有助于相关人员快速得到评测结果。

【技术实现步骤摘要】
机器人教学测评方法及装置
本专利技术涉及机器人教学
，具体而言，涉及一种机器人教学测评方法及装置。
技术介绍
随着计算机技术的快速发展，其应用范围也越来越广泛。比如，在教学领域，学生因个体差异，对知识的掌握状况存在较大差异，可通过计算机在线测评学生对知识的掌握状况。在现有技术中，通常通过纸质试卷来测试学生对知识的掌握状况，然后由教师批阅试卷，得到测试结果。该测试方式导致教师的工作量大，需要较长时间才能得到测试结果。另外，为了让教师更好的引导教学，通常可在课前测试学生对之前学习的课堂内容的掌握状况，然后根据测试结果针对性地引导教学。然而，若采用纸质试卷测试，因测试结果需要较长时间才能得到，导致教师无法在当前课堂针对测试结果引导教学，进而影响教学成效。
技术实现思路
为了克服上述现有技术中的不足，本专利技术提供一种机器人教学测评方法及装置，可简化测评流程，快速得到测评结果，有助于教学的开展，进而解决上述问题。为了实现上述目的，本专利技术较佳实施例所提供的技术方案如下所示：本专利技术较佳实施例提供一种机器人教学测评方法，应用于与教学终端通信连接的测评终端，所述测评终端预先存储有至少一套试题集合，每套试题集合包括至少一道试题，每道所述试题对应有至少一个预设声谱特征；所述方法包括：针对一套所述试题集合，在显示或者播放该试题集合中的一道试题时，采集声音信号，并获得所述声音信号的声谱特征以作为目标声谱特征；将所述目标声谱特征与当前显示的试题对应的预设声谱特征进行比对，在所述目标声谱特征与所述预设声谱特征的相似度大于或等于第一阈值时，将所述目标声谱对应的答案作为当前显示试题的正确答案，并根据所述目标声谱对应的答案生成与当前显示试题对应的试题测试结果；根据每道试题的测试结果生成该套试题集合的最终测试结果，并将所述最终测试结果发送至所述教学终端。可选地，上述测评终端包括深度学习模型，所述采集声音信号的步骤之前，所述方法还包括：针对每道试题，获取所述试题正确答案对应的训练声音信号集，包括多个训练声音信号；使用所述训练声音信号集，采用深度学习算法训练所述深度学习模型，得到训练后的深度学习模型，以通过训练后的深度学习模型比对识别采集的声音信号。可选地，上述根据每道试题的测试结果生成该套试题集合的最终测试结果的步骤之前，所述方法还包括：采集人体的姿态图像，并提取所述姿态图像的姿态特征以作为目标姿态特征；将所述目标姿态特征与预设姿态特征进行比对，在所述目标姿态特征与所述预设姿态特征的相似度大于或等于第二阈值时，生成表征结束回答当前试题的第一结束信号，以根据所述第一结束信号生成与所述当前试题对应的试题测试结果；或者生成表征结束回答该套试题集合的第二结束信号，以根据所述第二结束信号生成该套试题集合的最终测试结果。可选地，上述测评终端包括深度学习模型，所述采集人体的姿态图像的步骤之前，所述方法还包括：获取人体姿态图像的训练图像集，包括多个训练子图像，每个所述训练子图像包括人体以预设姿态呈现的图像；使用所述训练图像集，采用深度学习算法训练所述深度学习模型，得到训练后的深度学习模型，以通过训练后的深度学习模型比对识别所述姿态图像。可选地，上述测评终端包括输入模块，所述输入模块用于根据人为输入的信号生成与当前试题对应的待校验答案；所述方法还包括：解析接收的待校验答案，并在所述待校验答案为当前试题的预设答案时，确定所述待校验答案为正确答案。可选地，多个所述测评终端与所述教学终端通信连接，所述教学终端用于根据预设分析策略分析每个教学终端发送的最终测试结果，以形成测试报表；其中，所述预设分析策略包括：针对相同的试题，计算回答所述试题的答案为正确答案的正确率；基于每个测评终端发送的最终测试结果，计算多个所述测评终端的平均测试结果；基于每个测评终端发送的最终测试结果及预设达标值，计算所述最终测试结果的合格率。本专利技术的较佳实施例还提供一种机器人教学测评装置，应用于与教学终端通信连接的测评终端，所述测评终端预先存储有至少一套试题集合，每套试题集合包括至少一道试题，每道所述试题对应有至少一个预设声谱特征；所述机器人教学测评装置包括：声音采集模块，用于针对一套所述试题集合，在显示或者播放该试题集合中的一道试题时，采集声音信号，并获得所述声音信号的声谱特征以作为目标声谱特征；特征比对模块，用于将所述目标声谱特征与当前显示的试题对应的预设声谱特征进行比对，在所述目标声谱特征与所述预设声谱特征的相似度大于或等于第一阈值时，将所述目标声谱对应的答案作为当前显示试题的正确答案，并根据所述目标声谱对应的答案生成与当前显示试题对应的试题测试结果；发送模块，用于根据每道试题的测试结果生成该套试题集合的最终测试结果，并将所述最终测试结果发送至所述教学终端。可选地，上述测评终端包括深度学习模型，所述机器人教学测评装置还包括声音获取模块及声音训练模块，在所述声音采集模块采集声音信号之前：所述声音获取模块，用于针对每道试题，获取所述试题正确答案对应的训练声音信号集，包括多个训练声音信号；所述声音训练模块，用于使用所述训练声音信号集，采用深度学习算法训练所述深度学习模型，得到训练后的深度学习模型，以通过训练后的深度学习模型比对识别采集的声音信号。可选地，上述机器人教学测评装置还包括图像采集模块及姿态比对模块，所述发送模块在根据每道试题的测试结果生成该套试题集合的最终测试结果之前：所述图像采集模块，用于采集人体的姿态图像，并提取所述姿态图像的姿态特征以作为目标姿态特征；所述姿态比对模块，用于将所述目标姿态特征与预设姿态特征进行比对，在所述目标姿态特征与所述预设姿态特征的相似度大于或等于第二阈值时，生成表征结束回答当前试题的第一结束信号，以根据所述第一结束信号生成与所述当前试题对应的试题测试结果；或者生成表征结束回答该套试题集合的第二结束信号，以根据所述第二结束信号生成该套试题集合的最终测试结果。可选地，上述测评终端包括深度学习模型，所述机器人教学测评装置还包括图像获取模块及图像训练模块，所述图像采集模块采集人体的姿态图像之前：所述图像获取模块，用于获取人体姿态图像的训练图像集，包括多个训练子图像，每个所述训练子图像包括人体以预设姿态呈现的图像；所述图像训练模块，用于使用所述训练图像集，采用深度学习算法训练所述深度学习模型，得到训练后的深度学习模型，以通过训练后的深度学习模型比对识别所述姿态图像。与现有技术相比，本专利技术提供的机器人教学测评方法及装置至少具有以下有益效果：本方法通过针对一套所述试题集合，在显示或者播放该试题集合中的一道试题时，采集声音信号，并获得所述声音信号的声谱特征以作为目标声谱特征；将所述目标声谱特征与当前显示的试题对应的预设声谱特征进行比对，在所述目标声谱特征与所述预设声谱特征的相似度大于或等于第一阈值时，将所述目标声谱对应的答案作为当前显示试题的正确答案，并根据所述目标声谱对应的答案生成与当前显示试题对应的试题测试结果；根据每道试题的测试结果生成该套试题集合的最终测试结果，并将所述最终测试结果发送至教学终端。该方法可对采集或输入的答案数字化，以对该答案自动检测，简化了教学测评的流程，有助于相关人员快速得到评测结果。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举本文档来自技高网...

【技术保护点】
一种机器人教学测评方法，其特征在于，应用于与教学终端通信连接的测评终端，所述测评终端预先存储有至少一套试题集合，每套试题集合包括至少一道试题，每道所述试题对应有至少一个预设声谱特征；所述方法包括：针对一套所述试题集合，在显示或者播放该试题集合中的一道试题时，采集声音信号，并获得所述声音信号的声谱特征以作为目标声谱特征；将所述目标声谱特征与当前显示的试题对应的预设声谱特征进行比对，在所述目标声谱特征与所述预设声谱特征的相似度大于或等于第一阈值时，将所述目标声谱对应的答案作为当前显示试题的正确答案，并根据所述目标声谱对应的答案生成与当前显示试题对应的试题测试结果；根据每道试题的测试结果生成该套试题集合的最终测试结果，并将所述最终测试结果发送至所述教学终端。

【技术特征摘要】
1.一种机器人教学测评方法，其特征在于，应用于与教学终端通信连接的测评终端，所述测评终端预先存储有至少一套试题集合，每套试题集合包括至少一道试题，每道所述试题对应有至少一个预设声谱特征；所述方法包括：针对一套所述试题集合，在显示或者播放该试题集合中的一道试题时，采集声音信号，并获得所述声音信号的声谱特征以作为目标声谱特征；将所述目标声谱特征与当前显示的试题对应的预设声谱特征进行比对，在所述目标声谱特征与所述预设声谱特征的相似度大于或等于第一阈值时，将所述目标声谱对应的答案作为当前显示试题的正确答案，并根据所述目标声谱对应的答案生成与当前显示试题对应的试题测试结果；根据每道试题的测试结果生成该套试题集合的最终测试结果，并将所述最终测试结果发送至所述教学终端。2.根据权利要求1所述的方法，其特征在于，所述测评终端包括深度学习模型，所述采集声音信号的步骤之前，所述方法还包括：针对每道试题，获取所述试题正确答案对应的训练声音信号集，包括多个训练声音信号；使用所述训练声音信号集，采用深度学习算法训练所述深度学习模型，得到训练后的深度学习模型，以通过训练后的深度学习模型比对识别采集的声音信号。3.根据权利要求1所述的方法，其特征在于，所述根据每道试题的测试结果生成该套试题集合的最终测试结果的步骤之前，所述方法还包括：采集人体的姿态图像，并提取所述姿态图像的姿态特征以作为目标姿态特征；将所述目标姿态特征与预设姿态特征进行比对，在所述目标姿态特征与所述预设姿态特征的相似度大于或等于第二阈值时，生成表征结束回答当前试题的第一结束信号，以根据所述第一结束信号生成与所述当前试题对应的试题测试结果；或者生成表征结束回答该套试题集合的第二结束信号，以根据所述第二结束信号生成该套试题集合的最终测试结果。4.根据权利要求3所述的方法，其特征在于，所述测评终端包括深度学习模型，所述采集人体的姿态图像的步骤之前，所述方法还包括：获取人体姿态图像的训练图像集，包括多个训练子图像，每个所述训练子图像包括人体以预设姿态呈现的图像；使用所述训练图像集，采用深度学习算法训练所述深度学习模型，得到训练后的深度学习模型，以通过训练后的深度学习模型比对识别所述姿态图像。5.根据权利要求1-4中任意一项所述的方法，其特征在于，所述测评终端包括输入模块，所述输入模块用于根据人为输入的信号生成与当前试题对应的待校验答案；所述方法还包括：解析接收的待校验答案，并在所述待校验答案为当前试题的预设答案时，确定所述待校验答案为正确答案。6.根据权利要求1-4中任意一项所述的方法，其特征在于，多个所述测评终端与所述教学终端通信连接，所述教学终端用于根据预设分析策略分析每个教学终端发送的最终测试结果，以形成测试报表；其中，所述预设分析策略包括：针对相同的试题，计算回答所述试题的答案为正确答案的正确率；基于...

【专利技术属性】
技术研发人员：李斌，熊伦，涂朴，竹锦霞，
申请(专利权)人：四川文理学院，
类型：发明
国别省市：四川,51