基于智能手機的自動閱卷系統研究

尹本雄

專用自動閱卷系統已經普及使用多年，但由于專用設備具有價格較高、不便攜帶等缺點，一般多用在較大型的規范化考試中。近年來，隨著智能手機的廣泛普及，利用智能手機構建低成本的自動閱卷系統也隨之發展起來，這類自動閱卷系統能夠有效地幫助廣大中小學教師快速地完成繁重的閱卷工作。同時，后臺管理數據庫還支持平均分統計、優秀率及格率統計、最高分最低分統計、排序、個人成績單生成、對指定學生進行某時間段內成績追蹤分析等功能。

● 當前自動閱卷系統的分析

當前常見的自動閱卷系統根據答題卡讀取方式的不同，一般有攝像頭閱卷系統、掃描儀閱卷系統、數碼相機閱卷系統及光電閱卷系統。由于攝像頭的普及性、便攜性及低成本特性，在這幾類閱卷系統中，攝像頭閱卷系統無疑具有很大的優勢。

1.客觀題自動閱卷系統的分析

在客觀題自動閱卷系統里，出現過一些較為智能的系統。例如，西南交通大學研究的閱卷系統，通過模式識別等方法，可以允許考生對選擇題用“A、B、C、D”作答。但該系統的識別準確率沒有填涂方式的識別率高，特別是對以下兩種情況的識別準確率較低：一是考生書寫比較潦草的答案;二是擦除重新修改過的答案。

2.主觀題自動閱卷系統的分析

對答題卡評價的準確性是閱卷系統最關鍵的參數。目前的自動閱卷系統多是針對客觀題的評閱，雖然有一些主觀題自動閱卷系統出現，但這些系統在準確性方面還達不到使用要求。例如，主觀題自動閱卷的系統評價長句優于短句、無法判斷事物的真偽性等。如果考生事先經過針對該閱卷系統的適應性培訓，“投其所好”，則比較容易“欺騙”閱卷系統，取得高分。因而，該系統只能在一定層面對文章的語義進行歸納，而不能用于主觀題閱卷。它更適合用在類似于搜索引擎中的語義搜索，可以提高對檢索關鍵字的檢全率和檢準率。

● 智能手機攝像頭自動閱卷系統的研究

1.答題卡的圖像處理

基于智能手機攝像頭的自動閱卷系統構成如圖1所示。

對于該系統而言，閱卷程序中答題卡圖像的預處理最關鍵，直接影響到最終的閱卷準確率。其包括如下幾個步驟。

（1）灰度化處理與二值化處理

為了節省手機CPU的運算資源，我們首先應對攝像頭采集到的彩色圖像進行灰度化處理，即去掉顏色特征。原始圖像中各像素點可以分解為RGB顏色分量，通過亮度計算公式B=0.299Red+0.587Green+0.114Blue計算像素點的亮度值，再用亮度值B代替RGB的顏色分量值并寫回到圖像中，即可完成彩色圖像到灰度圖像的變換。

二值化處理是將上一步得到的灰度圖變換為只有黑、白兩種顏色的模式圖像。處理的方法是，設定一個灰度閾值，大于閾值的像素用白色點顯示，小于閾值的像素用黑色點顯示。對于這個閾值，一般的做法是選擇最大灰度等級的一半，即128。但我們在實際測試中發現，如果采用固定閾值128的做法，效果不理想。為此，本系統中采用局部平均閾值方法，具有自適應特性，雖然消耗較多的計算資源，但是對于改善不同答題卡二值化的效果有較好的作用。

（2）光照引起的噪聲點處理

由于每次拍攝時環境光強差異較大，如果我們在一些環境光強不夠的條件下拍攝，得到的圖像會有較多的噪聲點。為了減少圖像的噪聲點，可以對圖像進行平滑濾波處理。常見的處理方法有領域平均法、選擇平均法、低通濾波法等。為了防止領域平均法對目標邊緣造成模糊影響，這里采用了選擇平均法，僅對灰度值相近的像素點進行加權平均處理。

（3）圖像定位與傾斜校正

為了簡化算法和提高閱卷準確性，答題卡設計有固定的分隔符與對齊符（如圖2）。由于拍攝角度和距離的原因，得到的圖像一般都會有一定程度的傾斜和旋轉。通過答題卡上設置的分隔符和對齊符，進行圖像定位于傾斜校正。

（4）歸一化處理

歸一化處理是指對每一幅圖像在進行判別之前，先進行圖像統一大小的縮放處理。根據所得到的圖像大小的邊界尺寸，計算出一個縮放因子，進行縮放處理。

（5）答案的差分處理

對答題卡每一題答案的匹配，即是判斷答案正確與否的過程。可以采取差分處理的方法，將答題卡答案位置的像素與答案模板的相應位置像素進行相減運算，相減的差值大小體現了答題卡答案和參考答案的相近程度。具體可以采用以下公式計算：

式中是答題卡像素點分量值，是參考答案模板像素點分量值。每一個答案的匹配度S是一個介于0～1的數，越接近1則表示考生答案越趨近于參考答案。設置一個匹配閾值，匹配度大于閾值的為正確，反之為錯誤。因每個考生的填涂習慣不一樣，閾值的設置可以針對每一份答題卡自動動態分析。例如，以科目和準考證號的填涂位置為參考來確定該份答題卡的匹配閾值，因為這兩個地方一般不會填錯。

2.后臺成績管理軟件的設計

為了更好地管理考生的成績，應提高自動閱卷系統的效用。這樣在中小學里便于教師了解各學生的學習進步情況，也方便了期末成績單的打印。如果能在PC端利用數據庫管理方便地開發出各種統計分析功能就更好了。