一种基于图像处理技术的教学方法、系统、设备及介质技术方案

本发明专利技术提出了一种基于图像处理技术的教学方法、系统、设备及介质，涉及在线教育的技术领域。包括预设教学大纲，进行关键字提取，建立与关键字含义对应的验证图库；利用搜索引擎进行图片搜索；利用卷积神经网络对待筛选图库进行特征提取；与验证图库对比，将符合图片与验证图片关联的关键字建立连接；将所有关键字转换为词向量，计算词向量之间的相似度；若相似度符合预设范围，则将教案词向量对应的文字内容与大纲词向量对应的关键字建立连接；当用户在预设的搜索框内输入自定义的搜索内容后，搜索内容与关键字匹配，并输出与搜索内容相关的教案文字以及图片进行展示。其能够解决教师对在线课堂所需素材无法精确寻找且费时费力的问题。问题。问题。

【技术实现步骤摘要】
一种基于图像处理技术的教学方法、系统、设备及介质


[0001]本专利技术涉及在线教育的
，具体而言，涉及一种基于图像处理技术的教学方法、系统、设备及介质。

技术介绍

[0002]随着信息技术迅速发展，特别是从互联网到移动互联网，创造了跨时空的生活、工作和学习方式，使知识获取的方式发生了根本变化，教与学可以不受时间、空间和地点条件的限制，知识获取渠道灵活与多样化，在线教育越来越凸显出优势，在线教育是通过应用信息科技和互联网技术进行课程内容传播分享和快速学习的方法，以网络为介质，用户与教师通过网络即使相隔万里也可以开展教学活动。但由此也使得教师对于教案的制作也需要更高的要求，特别是在于教案中图像处理方面，对于教师来说是素材的处理是极为重要的，由此急需一种基于图像处理技术的教学方法。

技术实现思路

[0003]本专利技术的目的在于提供一种基于图像处理技术的教学方法，其能够解决教师对在线课堂所需素材无法精确寻找且费时费力的问题。
[0004]本专利技术的实施例是这样实现的：
[0005]第一方面，本申请实施例提供一种基于图像处理技术的教学方法，其包括预设教学大纲，对教学大纲进行关键字提取，得到关键字集；建立与关键字含义对应的验证图库；利用搜索引擎对关键字进行对应的图片搜索，将得到的图片储存至待筛选图库内；利用卷积神经网络对待筛选图库进行特征提取，得到特征集；将特征集与验证图库对比，若特征集中任一特征与验证图库中任一验证图片相符，则将特征对应的图片与验证图片关联的关键字建立连接；并同时将图片储存至验证图库内；预输入与根据教学大纲制作的教案文字，分别将教案文字以及关键字集内的关键字转换为词向量，得到教案词向量和大纲词向量；计算教案词向量和大纲词向量的相似度；若计算的相似度符合预设范围，则将教案词向量对应的文字内容与大纲词向量对应的关键字建立连接；当用户在预设的搜索框内输入自定义的搜索内容后，搜索内容与关键字匹配，并输出与搜索内容相关的教案文字以及图片进行展示。
[0006]在本专利技术的一些实施例中，计算教案词向量和大纲词向量的相似度的步骤包括：建立余弦计算模型；将教案词向量和大纲词向量带入计算模型中，若计算出余弦值小于等于预设值，则代表不相似；反之则相似。
[0007]在本专利技术的一些实施例中，并输出与搜索内容相关的教案文字以及图片进行展示后的步骤还包括：对关键字在教案文字中进行高亮显示；建立词向量距离模型以及知识点分布图模板；根据关键字在词向量距离模型中的欧式距离，生成知识点分布图。
[0008]在本专利技术的一些实施例中，生成知识点分布图后的步骤包括：将知识点分布图在用户端进行实时显示并上传至后台终端。
[0009]在本专利技术的一些实施例中，建立词向量距离模型的步骤包括：设置平面二维坐标系；将关键字对应的向量坐标输入至平面二维坐标系中，根据向量坐标计算距离比例，将比例带入知识点分布图模板中。
[0010]在本专利技术的一些实施例中，知识点分布图模板采用树状图。
[0011]在本专利技术的一些实施例中，建立与关键字含义对应的验证图库的步骤包括：通过互联网公开图片库进行图片以及对应描述的采集，利用人工筛选图片是否与关键字对应。
[0012]第二方面，本申请实施例提供一种基于图像处理技术的教学系统，其包括预设模块，用于预设教学大纲，对教学大纲进行关键字提取，得到关键字集；验证模块，用于建立与关键字含义对应的验证图库；图片获取模块，用于利用搜索引擎对关键字进行对应的图片搜索，将得到的图片储存至待筛选图库内；筛选模块，用于利用卷积神经网络对待筛选图库进行特征提取，得到特征集；将特征集与验证图库对比，若特征集中任一特征与验证图库中任一验证图片相符，则将特征对应的图片与验证图片关联的关键字建立连接；并同时将图片储存至验证图库内；词向量模块，用于预输入与根据教学大纲制作的教案文字，分别将教案文字以及关键字集内的关键字转换为词向量，得到教案词向量和大纲词向量；计算教案词向量和大纲词向量的相似度；判断模块，用于若计算的相似度符合预设范围，则将教案词向量对应的文字内容与大纲词向量对应的关键字建立连接；结果模块，用于当用户在预设的搜索框内输入自定义的搜索内容后，搜索内容与关键字匹配，并输出与搜索内容相关的教案文字以及图片进行展示。
[0013]第三方面，本申请实施例提供一种电子设备，包括至少一个处理器、至少一个存储器和数据总线；其中：处理器与存储器通过数据总线完成相互间的通信；存储器存储有可被处理器执行的程序指令，处理器调用程序指令以执行一种基于图像处理技术的教学方法。
[0014]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现一种基于图像处理技术的教学方法。
[0015]相对于现有技术，本专利技术的实施例至少具有如下优点或有益效果：
[0016]对于教师来说，在学生的教育上已经占用其大部分时间，而对于图片的处理以及针对化的选用，其并不能进行有效的使用，特别是一些专业的图片软件对于教师来说其更为困难。故而本设计采用深度学习的对图片进行处理，以适配教师的教案，由此解决教师对在线课堂所需素材无法精确寻找且费时费力的问题。
附图说明
[0017]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0018]图1为本专利技术中一种基于图像处理技术的教学方法的流程示意图；
[0019]图2为本专利技术中计算教案词向量和大纲词向量的相似度的流程示意图；
[0020]图3为本专利技术中知识点分布图生成的流程示意士；
[0021]图4为本专利技术中一种基于图像处理技术的教学系统的结构示意图；
[0022]图5为本专利技术中一种电子设备的结构示意图。
[0023]图标：1、预设模块；2、验证模块；3、图片获取模块；4、筛选模块；5、词向量模块；6、判断模块；7、结果模块；8、处理器；9、存储器；10、数据总线。
具体实施方式
[0024]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
[0025]因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0026]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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理技术的教学方法，其特征在于，包括：预设教学大纲，对所述教学大纲进行关键字提取，得到关键字集；建立与所述关键字含义对应的验证图库；利用搜索引擎对所述关键字进行对应的图片搜索，将得到的图片储存至待筛选图库内；利用卷积神经网络对所述待筛选图库进行特征提取，得到特征集；将所述特征集与所述验证图库对比，若所述特征集中任一特征与所述验证图库中任一验证图片相符，则将所述特征对应的图片与所述验证图片关联的关键字建立连接；并同时将所述图片储存至验证图库内；预输入与根据所述教学大纲制作的教案文字，分别将所述教案文字以及所述关键字集内的关键字转换为词向量，得到教案词向量和大纲词向量；计算所述教案词向量和所述大纲词向量的相似度；若计算的所述相似度符合预设范围，则将所述教案词向量对应的文字内容与所述大纲词向量对应的关键字建立连接；当用户在预设的搜索框内输入自定义的搜索内容后，所述搜索内容与所述关键字匹配，并输出与所述搜索内容相关的教案文字以及图片进行展示。2.如权利要求1所述的一种基于图像处理技术的教学方法，其特征在于，计算所述教案词向量和所述大纲词向量的相似度的步骤包括：建立余弦计算模型；将所述教案词向量和所述大纲词向量带入所述计算模型中，若计算出所述余弦值小于等于预设值，则代表不相似；反之则相似。3.如权利要求1所述的一种基于图像处理技术的教学方法，其特征在于，并输出与所述搜索内容相关的教案文字以及图片进行展示后的步骤还包括：对所述关键字在所述教案文字中进行高亮显示；建立词向量距离模型以及知识点分布图模板；根据所述关键字在所述词向量距离模型中的欧式距离，生成知识点分布图。4.如权利要求3所述的一种基于图像处理技术的教学方法，其特征在于，生成知识点分布图后的步骤包括：将所述知识点分布图在用户端进行实时显示并上传至后台终端。5.如权利要求3所述的一种基于图像处理技术的教学方法，其特征在于，建立词向量距离模型的步骤包括：设置平面二维坐标系；将所述关键字对应的向量坐标输入至所述平面二维坐标系中，根据所述向量坐标计算距离比例，将所述比例...

【专利技术属性】
技术研发人员：时钢，
申请(专利权)人：徐州工业职业技术学院，
类型：发明
国别省市：