[发明专利]一种移动终端系统的自动阅卡评分方法

说明书

技术领域

本发明涉及的是智能考试信息管理领域，更具体地说是一种移动终端系统的自动阅卷评分方法。

背景技术

在传统的考试系统中，一般都是使用专用的答题卡进行作答，而在评分过程时，该答题卡上的客观题都需要使用专用的仪器设备进行答案的读取，然后再与标准答案进行比对，获得该部分的成绩；而答题卡上的主观题则由评分老师进行数字评分，然后再进行人工统计成绩，最终得到考试的成绩。

传统的答题卡应试过程存在着非常大的局限和缺点，首先，答题卡客观题的读取设备和读取方式都比较原始，不仅局限在专用的设备，而且读取方式的效率及准确性比较差，第三，答题卡主观题的读取与统计还处在人工操作的水平，无法智能化、自动化地完成分数识别、计算和统计。

当今机器人智能技术领域中，AlphaGo即“阿尔法狗”是通过蒙特卡洛树搜索算法和两个深度神经网络合作来完成下棋，在与李世石对阵之前，谷歌公司首先用人类对弈的近3000万种走法来训练“阿尔法狗”的神经网络，让它学会预测人类专业棋手怎么落子，然后更进一步，让AlphaGo自己跟自己下棋，从而又产生规模庞大的全新的棋谱。

蒙特卡洛算法和深度神经网络的解释：假如篮子里有1000个苹果，让你每次闭着眼睛找一个最大的，可以不限制挑选次数。于是，你可以闭着眼随机拿了一个，然后再随机拿一个与第一个比，留下大的，再随机拿一个，与前次留下的比较，又可以留下大的。循环往复这样，拿的次数越多，挑出最大苹果的可能性也就越大，但除非你把1000个苹果都挑一遍，否则你无法肯定最终挑出来的就是最大的一个。蒙特卡洛算法和深度神经网络是样本越多，越能找到最佳的解决办法。

所以，将机器人的人工智能技术应用到考试系统中，使考试过程中使用的答题卡在扫描统分过程中，不仅不需要专用设备，普通的移动终端就可以实现对客观题、主观题的自动扫描，而且能够智能化地自动识别、生成、计算和统计，完全实现智能化、自动化地阅卷评分处理，提高阅卷效率以及考试结果的计算、统计的准确性。

发明内容

本发明公开的是一种移动终端系统的自动阅卷评分方法，其主要目的在于克服现有技术存在的上述不足和缺点。

本发明采用的技术方案如下：

一种移动终端系统的自动阅卡评分方法，所述阅卷评分方法包括以下具体步骤：

步骤一：答题卡数据获取：移动终端通过摄像头对已完成客观题作答及主观题评分的答题卡进行拍照或扫描，获取答题卡信息；

步骤二：答题卡客观题的自动阅卡评分：移动终端通过图像、图形识别技术以及云计算方法，自动将步骤一获取的答题卡信息中的客观题答题信息进行自动识别、评分、计算和统计，得到答题卡客观题的评分统计结果；

步骤三：答题卡主观题的自动阅卡评分：移动终端通过人工智能算法和深度学习构筑的神经网络系统，自动将步骤一获取的答题卡信息中的主观题评分结果进行识别、计算和统计，得到答题卡主观题的评分统计结果；

步骤四：得到阅卡评分结果：移动终端自动计算和统计步骤二和步骤三的结果，得出最终的阅卷评分结果，完成答题卡的自动阅卡和评分统计。

更进一步，所述步骤二中对答题卡中已作答的客观题进行自动阅卡评分的过程包括：通过移动终端的摄像头自动地捕捉到答题卡客观题区域，应用直线检测、图像识别、条码识别、图形矫正以及OCR识别技术，在移动终端的系统上进行识别，获取有效的答题卡客观题数据，最后通过云计算进行统计。

更进一步，所述步骤三中对答题卡中已评分的主观题进行自动阅卡评分的过程包括：移动终端的摄像头自动地捕捉到答题卡主观题区域，通过搭建符号、公式、手写数字识别神经网络系统、再运用颜色判断、直线检测、图像识别、图像处理、OCR技术等、自动捕捉答题卡区域中评分人员已经过评分的主观题的评分，进行手写数字识别，最后进行计算统计，得到主观题的统计结果。

更进一步，所述移动终端包括手机移动终端设备或带摄像头的移动智能设备。

更进一步，所述步骤三中的人工智能算法包括蒙特卡洛算法。

通过上述对本发明的描述可知，和现有技术相比，本发明的优点在于：

本发明通过手机移动终端就可以实现对答题卡客观题、主观题的自动扫描，对客观题进行自动识别、评分、计算和统计，同时，在主观题上能够智能化地自动识别、计算和统计，利用手写文字、文字检测、以及建立的机器神经网络，使之可以自动准确地识别主观题手写的评分数字，自动进行计算统计，完全实现试卷评阅的智能化、自动化处理，提高阅卷计算和统计的准确性。