一种基于边缘计算的人工智能阅卷系统技术方案

本发明专利技术公开了一种基于边缘计算的人工智能阅卷系统，包括：图像采集装置和本地终端；本地终端与图像采集装置相连接，本地终端包括控制模块，本地终端还包括图像处理模块，图像处理模块包括：信息识别单元、图像分割单元和运算单元；本地终端还包括汇总模块，汇总模块与运算单元相连接，本地终端还包括检测模块和显示屏，检测模块和显示屏相连接。本发明专利技术在本地终端上部署有计算能力强的嵌入式神经网络处理芯片，提高了本地终端的计算能力，将阅卷的计算量设置在了本地终端上，释放对云服务器的运算压力，节省了资源，能够适用于大面积推广使用。

An Artificial Intelligence Scoring System Based on Edge Computing

【技术实现步骤摘要】
一种基于边缘计算的人工智能阅卷系统
本专利技术涉及智能阅卷领域，更具体地，涉及一种基于边缘计算的人工智能阅卷系统。
技术介绍
随着计算机和人工智能的高速发展，其逐渐应用到工作和生活的多个领域。其中，在教育教学过程中，考试是对教学成果的一种有效的评价方式，一个考试完成后教师会对大量的学生试卷进行批阅并对批阅后的所有的学生情况进行汇总分析，传统阅卷和分析工作会占用教师大量的时间，甚至压缩的教师的备课时间，所以出现了计算机智能阅卷的相关技术。在目前通常采用的方式是将计算机与扫描仪进行硬件组合，对试卷进行批量扫描后，将扫描得到的试卷图像上传到云端，在云端对图像进行算法处理，得到相应试卷的作答结果(其中包括题目对错和得分情况等)，最终形成学生的学习情况的大数据，然后反馈给老师，通过这种阅卷方式能够大大节省教师的阅卷时间。而对于上述目前的阅卷方式仍然存在一些弊端，比如，目前国内的大部分学校的考试时间都比较集中，集中的考试时间内会产生极大的并发量，即在短时间内有大量的试卷图像上传到云端，需要云端进行运算处理，此时造成云端运算负荷较重，对云端的运算要求较高，导致此种阅卷方式不利于全国内的大面积推广；在上述方案中，扫描后的试卷图像需要首先上传到云端，在云端处理后如有异常，还需要下发到电脑端进行手动确认，因此整个阅卷过程需要人员现场值守，且遇到网速较慢的情况时，会造成试卷上传慢，导致整个阅卷过程效率极低；另外，在不同的学校中，学校的电脑配置情况不尽相同，导致大面积推广应用时，在实际场景中经常出现兼容性问题，造成整个阅卷流程卡顿或者崩溃，影响了用户体验。
技术实现思路
有鉴于此，本专利技术提供了一种基于边缘计算的人工智能阅卷系统，实现在本地设备上完成阅卷工作，降低了阅卷过程对网络的依赖性，也降低了阅卷过程中的数据传输量，能够提高阅卷工作的工作效率。本专利技术提供一种基于边缘计算的人工智能阅卷系统，包括：图像采集装置和本地终端；所述本地终端与所述图像采集装置相连接，所述本地终端包括控制模块，所述控制模块用于向所述图像采集装置发送采集指令；所述图像采集装置接收所述采集指令后，开始采集学生试卷的试卷图像，并将所述试卷图像发送给所述本地终端；所述本地终端还包括图像处理模块，所述图像处理模块集成有嵌入式神经网络处理芯片，所述图像处理模块用于接收所述试卷图像，并对所述试卷图像进行处理；所述图像处理模块包括：信息识别单元、图像分割单元和运算单元；其中，所述信息识别单元，用于识别所述试卷图像中的学生数据生成学生个人信息，其中，所述学生数据包括二维码数据、条形码数据或者字符数据中任意一种；所述图像分割单元，用于对所述试卷图像进行分割，其中将试卷图像中每一道试题对应分割成一个图像块，并将分割后的所有所述图像块发送给所述运算单元；所述运算单元接收到所述图像块后，基于深度学习算法对所述图像块进行运算处理，生成相应的试题作答结果，并对同一个所述试卷图像对应的所有试题作答结果进行汇总，生成学生作答结果；所述本地终端还包括汇总模块，所述汇总模块与所述运算单元相连接，用于接收所述运算单元发送的所述学生作答结果，并将同一班级或者同一年级的所有学生的所述学生作答结果进行汇总；所述本地终端还包括检测模块和显示屏，所述检测模块和所述显示屏相连接，所述检测模块用于检测所述信息识别单元和所述运算单元的处理结果，当所述处理结果出现异常数据时，所述检测模块将所述异常数据发送给所述显示屏进行显示。可选的，所述图像采集装置接收所述采集指令后，开始采集学生试卷的试卷图像，并将所述试卷图像发送给所述本地终端；其中，所述学生试卷为学生作答且教师批阅后的试卷；所述运算单元还包括文字识别子单元，所述文字识别子单元基于深度学习的文字识别算法识别所述图像块中的教师批改内容、教师批分或者教师评语。可选的，所述文字识别子单元与所述检测模块相连接，当所述文字识别子单元识别出教师批分的数值超出正常分值范围时，向所述检测模块反馈出现异常数据；当所述文字识别子单元识别不到教师批分时，向所述检测模块反馈出现异常数据。可选的，所述图像处理模块还包括图像修正单元，所述图像修正单元基于深度学习的修正算法对所述试卷图像进行预处理，得到去噪及增强的试卷图像；所述图像修正单元与所述信息识别单元和所述图像分割单元分别相连接，将所述去噪及增强的试卷图像分别发送给所述信息识别单元和所述图像分割单元。可选的，所述系统还包括云服务器；所述本地终端与所述云服务器通信连接；所述本地终端与所述云服务器交互，用于将所述汇总模块的汇总结果发送给所述云服务器存储，同时还用于接收所述云服务器下发的数据更新包，其中所述数据更新包包括系统各模块的软件更新包。可选的，所述图像采集装置包括扫描仪。可选的，所述本地终端和所述图像采集装置绑定后形成阅卷一体机。与现有技术相比，本专利技术提供的基于边缘计算的人工智能阅卷系统，至少实现了如下的有益效果：(1)在本地终端上部署有计算能力强的嵌入式神经网络处理芯片，提高了本地终端的计算能力，将阅卷的计算量设置在了本地终端上，释放对云服务器的运算压力，节省了资源，能够适用于大面积推广使用。(2)将大部分计算和全部的图像识别算法移植到本地终端后，在阅卷过程中不需要与云服务器交互传输大量的数据，从而降低了阅卷过程中数据传输量，也降低对网络的依赖性。(3)本专利技术中阅卷工作集中在本地终端上，出现异常数据时可尽快完成人为干预处理，缩减用户参与流程数量，有效降低用户使用时间，提高效率。(4)本专利技术可基于安卓系统开发本地终端，然后在本地终端定制相应的安卓应用软件，实现安卓系统和图像采集装置(例如可以是扫描仪)组合的方式，能够实现高兼容性，能够在实际场景中的不同学校中使用，提高阅卷工作效率。通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。附图说明被结合在说明书中并构成说明书的一部分的附图示出了本专利技术的实施例，并且连同其说明一起用于解释本专利技术的原理。图1为本专利技术实施例提供的基于边缘计算的人工智能阅卷系统框图一；图2为本专利技术实施例提供的基于边缘计算的人工智能阅卷系统的框图二；图3为本专利技术实施例提供的基于边缘计算的人工智能阅卷系统的框图三。具体实施方式现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。本专利技术提供一种基于边缘计算的人工智能阅卷系统，图1为本专利技术实施例提供的基于边缘计算的人工智能阅卷系统框图一，如图1所示，本专利技术提供的系统包括：图像采集装置10和本地终端20；可选的，本专利技术中所述本地终端和所述图像采集装置绑本文档来自技高网...

【技术保护点】
1.一种基于边缘计算的人工智能阅卷系统，其特征在于，包括：图像采集装置和本地终端；所述本地终端与所述图像采集装置相连接，所述本地终端包括控制模块，所述控制模块用于向所述图像采集装置发送采集指令；所述图像采集装置接收所述采集指令后，开始采集学生试卷的试卷图像，并将所述试卷图像发送给所述本地终端；所述本地终端还包括图像处理模块，所述图像处理模块集成有嵌入式神经网络处理芯片，所述图像处理模块用于接收所述试卷图像，并对所述试卷图像进行处理；所述图像处理模块包括：信息识别单元、图像分割单元和运算单元；其中，所述信息识别单元，用于识别所述试卷图像中的学生数据生成学生个人信息，其中，所述学生数据包括二维码数据、条形码数据或者字符数据中任意一种；所述图像分割单元，用于对所述试卷图像进行分割，其中将试卷图像中每一道试题对应分割成一个图像块，并将分割后的所有所述图像块发送给所述运算单元；所述运算单元接收到所述图像块后，基于深度学习算法对所述图像块进行运算处理，生成相应的试题作答结果，并对同一个所述试卷图像对应的所有试题作答结果进行汇总，生成学生作答结果；所述本地终端还包括汇总模块，所述汇总模块与所述运算单元相连接，用于接收所述运算单元发送的所述学生作答结果，并将同一班级或者同一年级的所有学生的所述学生作答结果进行汇总；所述本地终端还包括检测模块和显示屏，所述检测模块和所述显示屏相连接，所述检测模块用于检测所述信息识别单元和所述运算单元的处理结果，当所述处理结果出现异常数据时，所述检测模块将所述异常数据发送给所述显示屏进行显示。...

【技术特征摘要】
1.一种基于边缘计算的人工智能阅卷系统，其特征在于，包括：图像采集装置和本地终端；所述本地终端与所述图像采集装置相连接，所述本地终端包括控制模块，所述控制模块用于向所述图像采集装置发送采集指令；所述图像采集装置接收所述采集指令后，开始采集学生试卷的试卷图像，并将所述试卷图像发送给所述本地终端；所述本地终端还包括图像处理模块，所述图像处理模块集成有嵌入式神经网络处理芯片，所述图像处理模块用于接收所述试卷图像，并对所述试卷图像进行处理；所述图像处理模块包括：信息识别单元、图像分割单元和运算单元；其中，所述信息识别单元，用于识别所述试卷图像中的学生数据生成学生个人信息，其中，所述学生数据包括二维码数据、条形码数据或者字符数据中任意一种；所述图像分割单元，用于对所述试卷图像进行分割，其中将试卷图像中每一道试题对应分割成一个图像块，并将分割后的所有所述图像块发送给所述运算单元；所述运算单元接收到所述图像块后，基于深度学习算法对所述图像块进行运算处理，生成相应的试题作答结果，并对同一个所述试卷图像对应的所有试题作答结果进行汇总，生成学生作答结果；所述本地终端还包括汇总模块，所述汇总模块与所述运算单元相连接，用于接收所述运算单元发送的所述学生作答结果，并将同一班级或者同一年级的所有学生的所述学生作答结果进行汇总；所述本地终端还包括检测模块和显示屏，所述检测模块和所述显示屏相连接，所述检测模块用于检测所述信息识别单元和所述运算单元的处理结果，当所述处理结果出现异常数据时，所述检测模块将所述异常数据发送给所述显示屏进行显示。2.根据权利要求1所述的基于边缘计算的人工智能阅卷系统，其特征在于，所...

【专利技术属性】
技术研发人员：王培恩，郭晨阳，李可佳，
申请(专利权)人：江苏曲速教育科技有限公司，
类型：发明
国别省市：江苏,32