一种AI自动评分的方法及其系统技术方案

本发明专利技术公开了一种AI自动评分方法及其系统，包括步骤：获取摄像头的实验视频数据，数据处理模块对所述实验视频进行处理，获得实验操作的优化图片；将所述优化图片通过AI学习模块进行分析，获得优化图像上所有的特征信息数据；结合实验类型通过推理模块对所述特征信息数据进行识别，获得所述优化图像中的所有特征信息数据的图像含义；将所述图像含义与预设的实验评分标准进行对比处理，判断当前所述优化图片上所述对应的实验操作是否得分，对所述对比处理的结果进行统计和分析；将所述统计和分析的结果通过显示模块进行展示。析的结果通过显示模块进行展示。析的结果通过显示模块进行展示。

【技术实现步骤摘要】
一种AI自动评分的方法及其系统


[0001]本专利技术涉及领域，更具体的说，涉及一种AI自动评分方法及其系统。

技术介绍

[0002]物理实验是初高中阶段物理课程中包含的相关实验，包括电学实验、力学实验、热学实验、光学实验等等，常用于验证物理学科的定理定律。
[0003]现有的中学物理实验基本采用教师人工进行评分，教师在教学或考试时，不能达到对每个同学进行针对性的、全面的教学指导或监督，导致实验教学与考试效率低；而且目前市面上AI系统用在中学物理实验上需要高算力的本地服务器或者云服务器，导致成本高，安全性低。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种有效提高效率和安全性的AI 自动评分方法及其系统。
[0005]本专利技术的目的是通过以下技术方案来实现的：
[0006]一种AI自动评分方法，其特征在于，包括步骤：
[0007]获取摄像头的实验视频数据，数据处理模块对所述实验视频进行处理，获得实验操作的优化图片；
[0008]将所述优化图片通过AI学习模块进行分析，获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种AI自动评分方法，其特征在于，包括步骤：获取摄像头的实验视频数据，数据处理模块对所述实验视频进行处理，获得实验操作的优化图片；将所述优化图片通过AI学习模块进行分析，获得优化图像上所有的特征信息数据；结合实验类型通过推理模块对所述特征信息数据进行识别，获得所述优化图像中的所有特征信息数据的图像含义；将所述图像含义与预设的实验评分标准进行对比处理，判断当前所述优化图片上所述对应的实验操作是否得分，对所述对比处理的结果进行统计和分析；将所述统计和分析的结果通过显示模块进行展示。2.如权利要求1所述的一种AI自动评分方法，其特征在于，所述获取摄像头的实验视频数据，数据处理模块对所述实验视频进行处理，获得实验操作的原始图片的步骤包括:IPC摄像头实时采集操作者的实验视频数据，将所述实验视频数据通过硬解码芯片进行实时解码，获得实验操作过程中每一帧的原始图片；将所述原始图片通过双线性插值算法进行优化处理，获得实验操作的优化图片；其中，所述IPC摄像头设置4个，4个IPC摄像头分别位于操作者的试验操作台上方、前方、后方以及任一侧方。3.如权利要求2所述的一种AI自动评分方法，其特征在于，所述双线性插值算法公式为：f(x_i+x_d,y_i+y_d)＝(1
‑
x_d)(1
‑
y_d)f(x_i,y_i)+(1
‑
x_d)y_df(x_i,y_i+1)+x_d(1
‑
y_d)f(x_i+1,y_i)+x_dy_df(x_i+1,y_i+1)，其中，x_i、y_i均为浮点坐标的整数部分，x_d、y_d为浮点坐标的小数部分，是取值[0,1)区间的浮点数。4.如权利要求1所述的一种AI自动评分方法，其特征在于，所述将所述优化图片通过AI学习模块进行分析，获得优化图像上所有的特征信息数据之前还包括步骤：根据不同的实验类型对CNN模型进行针对性的训练，获得训练好的CNN模型；将训练好的所述CNN模型进行INT8量化，将INT8量化后的所属CNN模型存储到嵌入式硬件平台的NPU中；其中，所述嵌入式硬件平台的处理芯片采用RK3399Pro。5.如权利要求1所述的一种AI自动评分方法，其特征在于，所述INT8量化原理公式为：FP32 Tensor(T)＝scale_factor(sf)*8
‑
bit Tensor(t)+FP32_bias(b)...

【专利技术属性】
技术研发人员：张志标，
申请(专利权)人：深圳泰克教育科技有限公司，
类型：发明
国别省市：