一种作业批改方法、装置和电子设备与流程

本发明涉及计算机技术领域，具体而言，涉及一种作业批改方法、装置和电子设备。

背景技术：

目前，随着互联网技术的进步，科学技术的发展，人工智能能够为生活提供越来越多的帮助，减轻人们的负担，在教学场景中，批改作业是一件非常耗时耗力的事情，一个老师往往管理着几十人甚至上百号的学生，每天辛苦的批改作业，一次作业往往得花费数天才能批改完，批改完作业后又无法每个都注释到错因，在家庭场景中学生做作业，家长也同样存在为孩子批改作业难的问题。

技术实现要素：

为解决上述问题，本发明实施例的目的在于提供一种作业批改方法、装置和电子设备。

第一方面，本发明实施例提供了一种作业批改方法，包括：

获取学生上传的作业图像；

利用神经网络模型对所述作业图像的文本行进行检测，确定所述作业图像的文本行；其中，所述文本行包括：印刷体字符文本行和手写体字符文本行；

将确定出文本行的作业图像分别输入到第一字体识别模型和第二字体识别模型中，对作业图像中的印刷体字符文本行中的文字和手写体字符文本行中的文字进行识别；

将识别出的所述作业图像中的印刷体字符文本行中的文字确定为作业题目，并将识别出的所述作业图像中的手写体字符文本行中的文字确定为学生的作业题目答案；

利用所述作业题目从题库中找出所述作业题目的正确答案，并将找出的作业题目的正确答案与确定出的学生的作业题目答案进行对比，从而对学生的作业题目答案的对错进行判断，得到作业图像的批改结果。

第二方面，本发明实施例还提供了一种作业批改装置，包括：

获取模块，用于获取学生上传的作业图像；

确定模块，用于利用神经网络模型对所述作业图像的文本行进行检测，确定所述作业图像的文本行；其中，所述文本行包括：印刷体字符文本行和手写体字符文本行；

处理模块，用于将确定出文本行的作业图像分别输入到第一字体识别模型和第二字体识别模型中，对作业图像中的印刷体字符文本行中的文字和手写体字符文本行中的文字进行识别；

识别模块，用于将识别出的所述作业图像中的印刷体字符文本行中的文字确定为作业题目，并将识别出的所述作业图像中的手写体字符文本行中的文字确定为学生的作业题目答案；

批改模块，利用所述作业题目从题库中找出所述作业题目的正确答案，并将找出的作业题目的正确答案与确定出的学生的作业题目答案进行对比，从而对学生的作业题目答案的对错进行判断，得到作业图像的批改结果。

第三方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面所述的方法的步骤。

第四方面，本发明实施例还提供了一种电子设备，所述电子设备包括有存储器，处理器以及一个或者一个以上的程序，其中所述一个或者一个以上程序存储于所述存储器中，且经配置以由所述处理器执行上述第一方面所述的方法的步骤。

本发明实施例上述第一方面至第四方面提供的方案中，在获取到学生上传的作业图像后，可以利用神经网络模型对所述作业图像的文本行进行检测，确定出所述作业图像的印刷体字符文本行和手写体字符文本行；然后将确定出文本行的作业图像分别输入到第一字体识别模型和第二字体识别模型中，对作业图像中的印刷体字符文本行和手写体字符文本行进行识别，将识别出的所述作业图像中的印刷体字符文本行确定为作业题目，并将识别出的所述作业图像中的手写体字符文本行确定为学生的作业题目答案，从而对学生上传的作业进行自动批改，与相关技术中需要老师亲手对作业进行批改的方式相比，无需老师亲手对大量作业进行批改，节约了大量的批改作业时间，减轻了老师的作业批改的负担。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

图1示出了本发明实施例1所提供的一种作业批改方法的流程图；

图2示出了本发明实施例2所提供的一种作业批改装置的结构示意图；

图3示出了本发明实施例3所提供的一种电子设备的结构示意图。

具体实施方式

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

目前，随着互联网技术的进步，科学技术的发展，人工智能能够为生活提供越来越多的帮助，减轻人们的负担，在教学场景中，批改作业是一件非常耗时耗力的事情，一个老师往往管理着几十人甚至上百号的学生，每天辛苦的批改作业，一次作业往往得花费数天才能批改完，批改完作业后又无法每个都注释到错因，在家庭场景中学生做作业，家长也同样存在为孩子批改作业难的问题。

基于此，本申请各实施例提出一种作业批改方法、装置和电子设备，在获取到学生上传的作业图像后，可以利用神经网络模型对所述作业图像的文本行进行检测，确定出所述作业图像的印刷体字符文本行和手写体字符文本行；然后将确定出文本行的作业图像分别输入到第一字体识别模型和第二字体识别模型中，对作业图像中的印刷体字符文本行和手写体字符文本行进行识别，将识别出的所述作业图像中的印刷体字符文本行确定为作业题目，并将识别出的所述作业图像中的手写体字符文本行确定为学生的作业题目答案，从而对学生上传的作业进行自动批改，无需老师亲手对大量作业进行批改，节约了大量的批改作业时间。

本申请适用于拍改的场景是口算和教辅，在学生作答完毕后上传作业结果后，服务器自动批改作业并输出批改结果，极大的减轻老师、家长和学生的作业批改负担。

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请做进一步详细的说明。

实施例1

本实施例提出的作业批改方法，执行主体是服务器。

参见图1所示的一种作业批改方法的流程图，本实施例提出一种作业批改方法，包括以下具体步骤：

步骤100、获取学生上传的作业图像。

在上述步骤100中，学生可以通过以下多种方式，将作业图像上传至服务器。

1：拍照录入上传，通过手机或者pad摄像头拍照的方式将用户的作业录入，得到作业图像，并将作业图像上传至服务器。

2：点阵笔录入上传，通过点阵技术，学生正常书写记笔记，点阵笔将纸笔书写内容瞬间电子化生成作业图像并上传至服务器。

3：扫描仪录入上传，将写好的作业放入扫描仪中，通过扫描技术得到作业图像，并将得到的作业图像上传至服务器。

4：语音录入上传，学生说出作业内容，然后用kaldi提取声学特征，使用wfst来实现解码算法，特征提取完成后，可通过数据文件夹中的声学特征表单feat.scp和倒谱均值方差归一化系数表单cmvn.scp获取归一化的特征。根据统计学训练文本语料组成文本发音所有的可能路径，这些与发音词典组合成一个大的搜索图，语音特征经过神经网络得到音素的概率，这些连续帧的概率在大的搜索图中去维特比搜索，最后得到识别的文本，将识别出的文本生成文本图像后上传至服务器。

5：在线输入录入上传，通过计算机输入作业内容的方式进行文本的录入，得到作业图像，并将得到的作业图像上传到服务器。

所述作业图像携带有学生姓名和学生所在班级的班级标识。

步骤102、利用神经网络模型对所述作业图像的文本行进行检测，确定所述作业图像的文本行；其中，所述文本行包括：印刷体字符文本行和手写体字符文本行。

在上述步骤102中，利用神经网络模型对所述作业图像的文本行进行检测，确定所述作业图像的文本行的过程是现有技术，这里不再赘述。

在确定所述作业图像的文本行的同时，还可以得到所述作业图像的文本行的位置信息。

所述作业图像的文本行的位置信息，就是所述作业图像的文本行的四个端点的端点信息。

所述作业图像的文本行的位置信息，包括：印刷体字符文本行的位置信息和手写体字符文本行的位置信息。

步骤104、将确定出文本行的作业图像分别输入到第一字体识别模型和第二字体识别模型中，对作业图像中的印刷体字符文本行中的文字和手写体字符文本行中的文字进行识别。

在上述步骤104中，将确定出文本行的作业图像分别输入到第一字体识别模型和第二字体识别模型中，对作业图像中的印刷体字符文本行中的文字和手写体字符文本行中的文字进行识别的过程是现有技术，这里不再赘述。

所述第一字体识别模型，用于对印刷体字符进行识别。

所述第二字体识别模型，用于对手写体字符进行识别。

在识别出作业图像中的印刷体字符文本行和手写体字符文本行后，可以继续执行以下步骤，将所述作业题目和学生的作业题目答案之间的背景信息去掉：

(1)确定所述作业题目和学生的作业题目答案的位置关系；

(2)根据确定出的所述作业题目和学生的作业题目答案的位置关系，将所述作业题目和学生的作业题目答案之间的背景信息去掉。

在上述步骤(1)中，可以将印刷体字符文本行的位置信息，确定为所述作业题目的位置信息；将手写体字符文本行的位置信息，确定为学生的作业题目答案的位置信息；然后根据所述作业题目的位置信息和学生的作业题目答案的位置信息，确定所述作业题目和学生的作业题目答案的位置关系。

根据所述作业题目的位置信息和学生的作业题目答案的位置信息，确定所述作业题目和学生的作业题目答案的位置关系的具体过程是现有技术，这里不再赘述。

在上述步骤(2)中，根据确定出的所述作业题目和学生的作业题目答案的位置关系，可以得到所述作业题目和学生的作业题目答案之间的背景信息，然后利用图像处理技术中的任何现有的背景去除技术，就可以将所述作业题目和学生的作业题目答案之间的背景信息去掉，具体过程是现有技术，这里不再赘述。

在将所述作业题目和学生的作业题目答案之间的背景信息去掉后，继续执行步骤106。

步骤106、将识别出的所述作业图像中的印刷体字符文本行中的文字确定为作业题目，并将识别出的所述作业图像中的手写体字符文本行中的文字确定为学生的作业题目答案。

步骤108、利用所述作业题目从题库中找出所述作业题目的正确答案，并将找出的作业题目的正确答案与确定出的学生的作业题目答案进行对比，从而对学生的作业题目答案的对错进行判断，得到作业图像的批改结果。

在上述步骤108中，题库中存储有作业题目以及作业题目的正确答案。

在对作业进行批改后，还可以根据以下过程对作业的情况进行统计：

(1)获取具有相同的班级标识的作业图像的批改结果；

(2)对具有相同的班级标识的作业图像中各作业题目做错的学生数量进行统计；

(3)将各作业题目中做错的学生数量达到数量阈值的作业题目作为需讲解的作业题目反馈给教师，使得教师对需讲解的作业题目对学生进行讲解。

综上所述，本实施例提出的一种作业批改方法，在获取到学生上传的作业图像后，可以利用神经网络模型对所述作业图像的文本行进行检测，确定出所述作业图像的印刷体字符文本行和手写体字符文本行；然后将确定出文本行的作业图像分别输入到第一字体识别模型和第二字体识别模型中，对作业图像中的印刷体字符文本行和手写体字符文本行进行识别，将识别出的所述作业图像中的印刷体字符文本行确定为作业题目，并将识别出的所述作业图像中的手写体字符文本行确定为学生的作业题目答案，从而对学生上传的作业进行自动批改，与相关技术中需要老师亲手对作业进行批改的方式相比，无需老师亲手对大量作业进行批改，节约了大量的批改作业时间，减轻了老师的作业批改的负担。

实施例2

参见图2所示的一种作业批改装置的结构示意图，本实施例提出一种作业批改装置，包括：

获取模块200，用于获取学生上传的作业图像；

确定模块202，用于利用神经网络模型对所述作业图像的文本行进行检测，确定所述作业图像的文本行；其中，所述文本行包括：印刷体字符文本行和手写体字符文本行；

处理模块204，用于将确定出文本行的作业图像分别输入到第一字体识别模型和第二字体识别模型中，对作业图像中的印刷体字符文本行中的文字和手写体字符文本行中的文字进行识别；

识别模块206，用于将识别出的所述作业图像中的印刷体字符文本行中的文字确定为作业题目，并将识别出的所述作业图像中的手写体字符文本行中的文字确定为学生的作业题目答案；

批改模块208，利用所述作业题目从题库中找出所述作业题目的正确答案，并将找出的作业题目的正确答案与确定出的学生的作业题目答案进行对比，从而对学生的作业题目答案的对错进行判断，得到作业图像的批改结果。

可选地，所述装置，还包括：

确定单元，用于确定所述作业题目和学生的作业题目答案的位置关系；

处理单元，用于根据确定出的所述作业题目和学生的作业题目答案的位置关系，将所述作业题目和学生的作业题目答案之间的背景信息去掉。

可选地，所述装置，所述作业图像，包括学生所在班级的班级标识；

所述装置，还包括：

获取单元，用于获取具有相同的班级标识的作业图像的批改结果；

统计单元，用于对具有相同的班级标识的作业图像中各作业题目做错的学生数量进行统计；

反馈单元，用于将各作业题目中做错的学生数量达到数量阈值的作业题目作为需讲解的作业题目反馈给教师，使得教师对需讲解的作业题目对学生进行讲解。

综上所述，本实施例提出的一种作业批改装置，在获取到学生上传的作业图像后，可以利用神经网络模型对所述作业图像的文本行进行检测，确定出所述作业图像的印刷体字符文本行和手写体字符文本行；然后将确定出文本行的作业图像分别输入到第一字体识别模型和第二字体识别模型中，对作业图像中的印刷体字符文本行和手写体字符文本行进行识别，将识别出的所述作业图像中的印刷体字符文本行确定为作业题目，并将识别出的所述作业图像中的手写体字符文本行确定为学生的作业题目答案，从而对学生上传的作业进行自动批改，与相关技术中需要老师亲手对作业进行批改的方式相比，无需老师亲手对大量作业进行批改，节约了大量的批改作业时间，减轻了老师的作业批改的负担。

实施例3

本实施例提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例1描述的作业批改方法的步骤。具体实现可参见方法实施例1，在此不再赘述。

此外，参见图3所示的一种电子设备的结构示意图，本实施例还提出一种电子设备，上述电子设备包括总线51、处理器52、收发机53、总线接口54、存储器55和用户接口56。上述电子设备包括有存储器55。

本实施例中，上述电子设备还包括：存储在存储器55上并可在处理器52上运行的一个或者一个以上的程序，经配置以由上述处理器执行上述一个或者一个以上程序用于进行以下步骤(1)至步骤(5)：

(1)获取学生上传的作业图像；

(2)利用神经网络模型对所述作业图像的文本行进行检测，确定所述作业图像的文本行；其中，所述文本行包括：印刷体字符文本行和手写体字符文本行；

(3)将确定出文本行的作业图像分别输入到第一字体识别模型和第二字体识别模型中，对作业图像中的印刷体字符文本行中的文字和手写体字符文本行中的文字进行识别；

(4)将识别出的所述作业图像中的印刷体字符文本行中的文字确定为作业题目，并将识别出的所述作业图像中的手写体字符文本行中的文字确定为学生的作业题目答案；

(5)利用所述作业题目从题库中找出所述作业题目的正确答案，并将找出的作业题目的正确答案与确定出的学生的作业题目答案进行对比，从而对学生的作业题目答案的对错进行判断，得到作业图像的批改结果。

收发机53，用于在处理器52的控制下接收和发送数据。

其中，总线架构(用总线51来代表)，总线51可以包括任意数量的互联的总线和桥，总线51将包括由处理器52代表的一个或多个处理器和存储器55代表的存储器的各种电路链接在一起。总线51还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本实施例不再对其进行进一步描述。总线接口54在总线51和收发机53之间提供接口。收发机53可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发机53从其他设备接收外部数据。收发机53用于将处理器52处理后的数据发送给其他设备。取决于计算系统的性质，还可以提供用户接口56，例如小键盘、显示器、扬声器、麦克风、操纵杆。

处理器52负责管理总线51和通常的处理，如前述上述运行通用操作系统。而存储器55可以被用于存储处理器52在执行操作时所使用的数据。

可选的，处理器52可以是但不限于：中央处理器、单片机、微处理器或者可编程逻辑器件。

可以理解，本发明实施例中的存储器55可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-onlymemory，rom)、可编程只读存储器(programmablerom，prom)、可擦除可编程只读存储器(erasableprom，eprom)、电可擦除可编程只读存储器(electricallyeprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(randomaccessmemory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(staticram，sram)、动态随机存取存储器(dynamicram，dram)、同步动态随机存取存储器(synchronousdram，sdram)、双倍数据速率同步动态随机存取存储器(doubledataratesdram，ddrsdram)、增强型同步动态随机存取存储器(enhancedsdram，esdram)、同步连接动态随机存取存储器(synchlinkdram，sldram)和直接内存总线随机存取存储器(directrambusram，drram)。本实施例描述的系统和方法的存储器55旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器55存储了如下的元素，可执行模块或者数据结构，或者它们的子集，或者它们的扩展集：操作系统551和应用程序552。

其中，操作系统551，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序552，包含各种应用程序，例如媒体播放器(mediaplayer)、浏览器(browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序552中。

综上所述，本实施例提出一种计算机可读存储介质和电子设备，在获取到学生上传的作业图像后，可以利用神经网络模型对所述作业图像的文本行进行检测，确定出所述作业图像的印刷体字符文本行和手写体字符文本行；然后将确定出文本行的作业图像分别输入到第一字体识别模型和第二字体识别模型中，对作业图像中的印刷体字符文本行和手写体字符文本行进行识别，将识别出的所述作业图像中的印刷体字符文本行确定为作业题目，并将识别出的所述作业图像中的手写体字符文本行确定为学生的作业题目答案，从而对学生上传的作业进行自动批改，与相关技术中需要老师亲手对作业进行批改的方式相比，无需老师亲手对大量作业进行批改，节约了大量的批改作业时间，减轻了老师的作业批改的负担。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。