[发明专利]一种基于答题卡的学生作业时长采集方法

权利要求书

1.一种基于答题卡的学生作业时长采集方法，其特征在于，包括以下步骤：

步骤S1，将双重注意力机制加入训练识别模型生成双重注意力识别模型；

步骤S2，训练双重注意力识别模型并验证双重注意力识别模型的准确性后，输出训练好的双重注意力识别模型；

步骤S3，获取学生作业答题卡的图像，将图像输入进训练好的双重注意力识别模型中，使用轻量级神经网络模型和转换的推理框架对输入的图像进行识别，并进行容错处理；

步骤S4，将识别后的图像特征与双重注意力识别模型中的特征进行推理运算后，输出学生作答分类、数值和学生作业时长。

2.根据权利要求1所述的一种基于答题卡的学生作业时长采集方法，其特征在于，所述步骤S1包括：

步骤S11，制作包含作业时长记录的答题卡；

步骤S12，将答题卡打印分发给学生后通过扫描仪扫描上传答题卡图像；

步骤S13，对答题卡图像进行图像预处理，获取第一学生作业时长填写区域及其对应的第一特征；

步骤S14，基于通道注意力机制和空间注意力机制对第一学生作业时长填写区域进行二次处理，第一次处理获取第二学生作业时长填写区域及其对应的第二特征，第二次处理获取第三学生作业时长填写区域及其对应的第三特征；

步骤S15，根据双重注意力机制的二次处理构造完成双重注意力识别模型。

3.根据权利要求2所述的一种基于答题卡的学生作业时长采集方法，其特征在于，所述步骤S13包括：

步骤S131,答题卡图像上传后对答题卡图像进行图像二值化处理将答题卡图像呈现为图A；

步骤S132，通过傅里叶变化将图A转化为频域图像图B；

步骤S133,采用低通滤波去除图B中的噪声，再使用傅里叶反变换将图B恢复为图C；

步骤S134,使用连通域的几何约束在图C中判断定位点坐标，由坐标透视变换实现扫描的答题卡图像相比于图C的纠偏；

步骤S135，根据纠偏后的答题卡图像获取第一学生作业时长填写区域及其对应的第一特征。

4.根据权利要求3所述的一种基于答题卡的学生作业时长采集方法，其特征在于，所述步骤S14包括：

步骤S141，输入预处理后的图像，使用通道注意力机制将预处理后的图像进行卷积，获取多个通道C，每个通道C的分量组合起来形成整张图像的特征图，即第一学生作业时长填写区域及其对应的第一特征；

步骤S142，将第一学生作业时长填写区域对应的第一特征进行全局最大池化和全局平均池化；

再送入两层的神经网络中进行基于双重注意力机制的第一次处理，并输出第二学生作业时长填写区域及其对应的第二特征；

步骤S143，将输出的第二特征基于点乘的加和操作和sigmoid激活函数激活操作生成最终的通道注意力特征Mc；

步骤S144，将最终的通道注意力特征Mc和输入的第一特征进行点乘操作；

步骤S145，将所述第一次处理中通道注意力机制的输出特征Ma作为第一次处理中空间注意力机制的输入特征；

步骤S146，经过通道的全局最大池化和全局平均池化，得到两个尺寸相同的特征图。

5.根据权利要求4所述的一种基于答题卡的学生作业时长采集方法，其特征在于，所述步骤S15包括：

步骤S151，将两个特征图在通道维度做拼接再进行卷积操作，降维为1个通道，再经过sigmoid激活函数生成空间注意力特征Ms；

步骤S152，最后空间注意力特征MS和空间注意力机制的输入特征做乘法，得到最终生成的第三特征。

6.根据权利要求1所述的一种基于答题卡的学生作业时长采集方法，其特征在于，所述步骤S2包括：

使用Pytorch框架和学习率预热机制训练双重注意力识别模型。

7.根据权利要求1所述的一种基于答题卡的学生作业时长采集方法，其特征在于，所述步骤S2还包括：

在训练双重注意力识别模型的过程中，对双重注意力识别模型进行可视化分析，并引入注意力机制后的神经网络对双重注意力识别模型进行验证。

8.根据权利要求1所述的一种基于答题卡的学生作业时长采集方法，其特征在于，所述步骤S3中的容错处理包括：

当识别到答题卡只填写了十位，认为是个位数；

当个位十位均未填写或者填写00，认为异常不记录该时长；

返回的每一位数字输出其概率，当识别概率低于50%时抛出异常进入手动校验。