基于边缘计算的人工智能阅卷系统.pdf

《基于边缘计算的人工智能阅卷系统.pdf》由会员分享，可在线阅读，更多相关《基于边缘计算的人工智能阅卷系统.pdf（12页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910311647.9 (22)申请日 2019.04.18 (71)申请人 江苏曲速教育科技有限公司 地址 214000 江苏省无锡市新吴区震泽路 18-6无锡软件园二期金牛座C栋1楼 (72)发明人 王培恩郭晨阳李可佳 (74)专利代理机构 北京晟睿智杰知识产权代理 事 务 所( 特 殊 普 通 合 伙 ) 11603 代理人 于淼 (51)Int.Cl. G06K 9/00(2006.01) G06K 7/14(2006.01) H04N 1/00(2006.01) 。

2、(54)发明名称 一种基于边缘计算的人工智能阅卷系统 (57)摘要 本发明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。

3、， 能够适用于大面积推广 使用。 权利要求书2页 说明书6页 附图3页 CN 109993153 A 2019.07.09 CN 109993153 A 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。

4、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。

5、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。

6、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。 3.根据权利要求2所述的基于边缘计算的人工智能阅卷系统， 其特征在于， 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。 4.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 。

7、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。 5.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； 权利要求书 1/2 页 2 CN 109993153 A 2 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。 6.根据权利要求。

8、1所述的基于边缘计算的人工智能阅卷系统， 其特征在于， 所述图像采集装置包括扫描仪。 7.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， 所述本地终 端和所述图像采集装置绑定后形成阅卷一体机。 权利要求书 2/2 页 3 CN 109993153 A 3 一种基于边缘计算的人工智能阅卷系统 技术领域 0001 本发明涉及智能阅卷领域， 更具体地， 涉及一种基于边缘计算的人工智能阅卷系 统。 背景技术 0002 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。

9、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。 0003 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。

10、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。 发明内容 0004。

11、 有鉴于此， 本发明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。 0005 本发明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； 0006 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； 0007 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； 0008 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。

12、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， 说明书 1/6 页 4 CN 109993153 A 4 0009 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； 0010 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； 0011 所述运算单元接收到所述图像块后， 基于深。

13、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； 0012 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； 0013 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。 0014 可选的， 所述图像采。

14、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； 0015 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。 0016 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。 0017 可选的， 所述图像处理模块还包括图像修正单元， 所述。

15、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； 0018 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。 0019 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； 0020 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。 0021 可选的， 所述图像采集装置包括扫描仪。 0022 可选的， 所述本。

16、地终端和所述图像采集装置绑定后形成阅卷一体机。 0023 与现有技术相比， 本发明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： 0024 (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。 0025 (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。 说明书 2/6 页 5 CN 109993153 A 5 。

17、0026 (3)本发明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。 0027 (4)本发明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。 0028 通过以下参照附图对本发明的示例性实施例的详细描述， 本发明的其它特征及其 优点将会变得清楚。 附图说明 0029 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发明的实施例， 并且连 同其说明一起用于解。

18、释本发明的原理。 0030 图1为本发明实施例提供的基于边缘计算的人工智能阅卷系统框图一； 0031 图2为本发明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； 0032 图3为本发明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 0033 现在将参照附图来详细描述本发明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 发明的范围。 0034 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， 决不作为对本发明 及其应用或使用的任何限制。 0035 对于相关领域普通技术人员已知的技术、。

19、 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。 0036 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。 0037 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。 0038 本发明提供一种基于边缘计算的人工智能阅卷系统， 图1为本发明实施例提供的 基于边缘计算的人工智能阅卷系统框图一， 如图1所示， 本发明提供的系统包括： 图像采集 装置10和本地终端20；。

20、 可选的， 本发明中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。 0039 所述本地终端20与所述图像采集装置10相连接， 所述本地终端20包括控制模块 201， 所述控制模块201用于向所述图像采集装置10发送采集指令； 0040 所述图像采集装置10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20； 可选的， 所述图像采集装置10包括扫描仪， 采用扫描 仪进行扫描获取试卷图像。 本发明采集的原始试卷可以是包括主观题和客观题的试卷。 0041 可选的， 本发明中本地终端20可以为基于安卓系统开发的平板电脑， 用户在使用 本系统时， 可以在。

21、平板电脑上运行相应的软件来控制图像采集装置10采集试卷图像。 0042 所述本地终端20还包括图像处理模块202， 所述图像处理模块202集成有嵌入式神 说明书 3/6 页 6 CN 109993153 A 6 经网络处理芯片(Neural Processing Unit， NPU)， 嵌入式神经网络处理芯片采用 “数据驱 动并行计算” 的架构， 能够处理海量的图像数据。 所述图像处理模块202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202包括： 信息识别单元2021、 图像分 割单元2022和运算单元2023； 其中， 0043 所述信息识别单元2021， 用于识别。

22、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， 其中字符 数据包括学号、 学生姓名、 班级等信息， 即信息识别单元2021能够识别学生手写的个人信 息； 学生个人信息与学生作答结果一一对应， 用于在后续对学生学习情况进行整体的汇总 分析。 通常情况下， 学生个人信息固定设置在试卷的上边或者侧边， 信息识别单元2021通过 识别图像的固定区域即能实现对学生个人信息的识别。 0044 所述图像分割单元2022， 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。

23、述运算单元； 在后 续图像分析处理时， 每条处理结果均对应一道题目的处理结果， 结果清晰明了， 避免处理结 果出现混乱。 0045 所述运算单元2023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。 可选的， 学生作答结果包括教师批分、 教师评语等。 0046 所述本地终端20还包括汇总模块203， 所述汇总模块203与所述运算单元2023相连 接， 用于接收所述运算单元2023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。 可选的。

24、， 学情汇总模块203能够将汇总后的数据上 传到云端(即云服务器)， 云端能够将汇总模块203上传的数据进行数据处理后生成学情表。 0047 所述本地终端20还包括检测模块204和显示屏205， 所述检测模块204和所述显示 屏205相连接， 所述检测模块204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204将所述异常数据发送给所述显示屏205 进行显示。 用户能够在显示屏205上直接观测到显示的异常数据， 并能够对异常数据进行处 理。 0048 其中， 所述异常数据包括至少包括以下几种情况： 0049 当所述信息识别单元2021识别不出学。

25、生数据时， 将识别不出学生数据的识别结果 发送给检测模块204， 检测模块204会将信息识别单元2021反馈的内容相应的显示在显示屏 205上； 0050 当所述信息识别单元2021识别出学生数据， 但学生数据异常时， 比如学生个人信 息中的学号为非本次考试班级的学号， 比如识别出学生姓名出现敏感词汇等等非正常情 况， 信息识别单元2021会将识别结果发送给检测模块204， 检测模块204会将信息识别单元 2021反馈的内容相应的显示在显示屏205上； 0051 当运算单元2023识别不出试题对应的作答结果时， 比如识别不到教师批分等， 将 识别不出试题对应的作答结果的识别结果发送给检测模块2。

26、04， 检测模块204会将信息运算 单元2023反馈的内容相应的显示在显示屏205上； 0052 当运算单元2023识别出试题对应的作答结果， 但该作答结果为非正常结果时， 比 如： 教师批分明显高于该试题的最高分、 教师批分为满分、 教师批分为0分等等结果， 运算单 说明书 4/6 页 7 CN 109993153 A 7 元2023会将非正常的识别结果发送给检测模块204， 检测模块204会将信息运算单元2023反 馈的内容相应的显示在显示屏205上。 0053 教师用户在使用本系统时， 能够实时看到显示屏显示的异常内容， 并能够对异常 内容进行确认和处理。 0054 本发明提供的系统， 。

27、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。 同时， 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； 本发明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。 0055 另外， 本发明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，。

28、 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。 0056 在一种实施例中， 本发明提供的基于边缘计算的人工智能阅卷系统能够应用于对 学生作答且教师批阅后的试卷进行阅卷处理； 图2为本发明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。 0057 如图2所示， 本发明提供的系统中所述运算单元2023还包括文字识别子单元 20231， 其中所述文字识别子单元20231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。 并将教师批改内容、 教师批分或者教师评语等内容 汇。

29、总为学生作答结果。 0058 所述文字识别子单元20231还基于深度学习的文字识别算法检测所述图像块中是 否有手写分数， 所述文字识别子单元与所述检测模块相连接， 其中， 当所述文字识别子单元 20231识别出教师批分(手写分数)的数值超出正常分值范围时， 向所述检测模块204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(手写分数)时， 向所述检测模块204 反馈出现异常数据。 当检测模块检测到异常数据时， 会相应的在显示屏205上显示异常内 容， 此时用户能够根据观看到的异常内容采取相应的处理方案并记录。 0059 在另一种实施例中， 图3为本发明实施例提供的基于边缘计算的人工。

30、智能阅卷系 统的框图三。 如图3所示， 本发明提供的系统中， 所述图像处理模块202还包括图像修正单元 2024， 所述图像修正单元2024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； 0060 所述图像修正单元2024与所述信息识别单元2021和所述图像分割单元2022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2021和所述图像分割 单元2022。 该实施方式对试卷图像进行预处理后能够对图像块实现高准确度的识别， 有利 于提高阅卷工作的准确度。 0061 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。

31、 本地终端与所述云服务器交互， 用于将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。 可以是云服务器不定时的向本地终端推送数据更新包， 也可以是本地终端在需 说明书 5/6 页 8 CN 109993153 A 8 要时向云服务器主动获取数据更新包。 这两种实现方式均能实现本地终端软件数据的实时 更新。 0062 通过上述实施例可知， 本发明提供的一种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： 0063 (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。

32、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。 0064 (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。 0065 (3)本发明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。 0066 (4)本发明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。

33、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。 0067 虽然已经通过例子对本发明的一些特定实施例进行了详细说明， 但是本领域的技 术人员应该理解， 以上例子仅是为了进行说明， 而不是为了限制本发明的范围。 本领域的技 术人员应该理解， 可在不脱离本发明的范围和精神的情况下， 对以上实施例进行修改。 本发 明的范围由所附权利要求来限定。 说明书 6/6 页 9 CN 109993153 A 9 图1 说明书附图 1/3 页 10 CN 109993153 A 10 图2 说明书附图 2/3 页 11 CN 109993153 A 11 图3 说明书附图 3/3 页 12 CN 109993153 A 12 。