基于邊緣計(jì)算的自動(dòng)閱卷系統(tǒng)研究

伍 輝

（湖北開放大學(xué)，武漢 430074）

對(duì)于大規(guī)模考試而言，試卷的批改是一項(xiàng)非常繁瑣的工作，需要大量的人力和時(shí)間?？荚囬喚矸绞浇?jīng)歷了從傳統(tǒng)的人工方式、光學(xué)字符識(shí)別（OCR）自動(dòng)化閱卷、人工智能輔助閱卷等新興閱卷方式的變革。傳統(tǒng)的試卷批改方式主要依賴于人工，存在著效率低下、易出錯(cuò)等問題。自動(dòng)化閱卷是指使用光學(xué)字符識(shí)別（OCR）技術(shù)和計(jì)算機(jī)程序?qū)Υ痤}卡進(jìn)行掃描和分析，以實(shí)現(xiàn)快速、準(zhǔn)確閱卷。自動(dòng)化閱卷方式最早應(yīng)用于選擇題閱卷，后來(lái)逐漸擴(kuò)展到填空題和簡(jiǎn)答題等其他類型的題目。自動(dòng)化閱卷的優(yōu)點(diǎn)是速度快、準(zhǔn)確率高、成本低，但對(duì)于一些開放性問題如簡(jiǎn)答、作文等，則存在一定的局限性。人工智能輔助閱卷是指將人工智能技術(shù)與人工閱卷相結(jié)合，以提高閱卷效率和準(zhǔn)確率，通?？墒褂糜?jì)算機(jī)視覺、自然語(yǔ)言處理（NLP）技術(shù)，對(duì)開放性問題進(jìn)行自動(dòng)分析和評(píng)估，然后再由人工閱卷員進(jìn)行最終的評(píng)分。

目前，自動(dòng)閱卷系統(tǒng)已經(jīng)得到廣泛應(yīng)用。一般自動(dòng)閱卷系統(tǒng)通常是基于中心化的服務(wù)器架構(gòu)，試卷數(shù)據(jù)需要通過網(wǎng)絡(luò)傳輸至服務(wù)器進(jìn)行處理和評(píng)分。然而，這種架構(gòu)存在著一些缺點(diǎn)，比如網(wǎng)絡(luò)延遲、帶寬瓶頸和數(shù)據(jù)安全等問題。近年來(lái)，隨著邊緣計(jì)算技術(shù)的發(fā)展，邊緣計(jì)算已經(jīng)成為了解決這些問題的有效手段。本文提出了一種基于邊緣計(jì)算的智能閱卷系統(tǒng)，部署在邊緣節(jié)點(diǎn)實(shí)現(xiàn)試卷的采集、處理和評(píng)分，使用區(qū)塊鏈技術(shù)確保試卷數(shù)據(jù)的安全性和不可篡改性。

1 研究現(xiàn)狀

基于邊緣計(jì)算和區(qū)塊鏈技術(shù)的閱卷系統(tǒng)已有一些研究。例如，張育中[1]提出了一種基于計(jì)算機(jī)視覺的自動(dòng)閱卷方法，蔚佳璇[2]對(duì)基于短文本相似度及通順度的中文自動(dòng)閱卷技術(shù)進(jìn)行了研究。張俊英[3]、李莉[4]認(rèn)為區(qū)塊鏈技術(shù)憑借其安全、透明、不可篡改等特點(diǎn)，為考試誠(chéng)信體系的建立、確保教育評(píng)價(jià)公平性和有效性，提供了可行的底層技術(shù)框架。騰訊公司胡益清[5]提出了一種采集圖像進(jìn)行自動(dòng)閱卷的方法。張娟[6]提出了基于區(qū)塊鏈的遠(yuǎn)程教育考試系統(tǒng)。這些研究大多從考試閱卷的單一技術(shù)出發(fā)進(jìn)行研究，而系統(tǒng)性進(jìn)行設(shè)計(jì)和實(shí)現(xiàn)智能閱卷系統(tǒng)架構(gòu)的研究很少。

邊緣計(jì)算是一種將計(jì)算和數(shù)據(jù)存儲(chǔ)靠近數(shù)據(jù)源頭的計(jì)算模式。與傳統(tǒng)的云計(jì)算架構(gòu)不同，邊緣計(jì)算將計(jì)算和數(shù)據(jù)處理移動(dòng)到離數(shù)據(jù)源頭更近的邊緣設(shè)備上，可以提高數(shù)據(jù)傳輸和處理的效率[7]。因此，將智能閱卷系統(tǒng)與邊緣計(jì)算相結(jié)合，可以提高系統(tǒng)的性能和效率?；谶吘売?jì)算的智能閱卷系統(tǒng)采用了去中心化的架構(gòu)，將計(jì)算和存儲(chǔ)資源分布在邊緣節(jié)點(diǎn)上，將數(shù)據(jù)處理和評(píng)分的任務(wù)盡可能地向邊緣推進(jìn)，從而減少了數(shù)據(jù)傳輸?shù)难舆t和帶寬消耗。邊緣計(jì)算可以將智能閱卷系統(tǒng)部署在更接近用戶的地方，例如考場(chǎng)、學(xué)校或機(jī)構(gòu)，提高了系統(tǒng)的響應(yīng)速度和可用性，并減少了對(duì)云計(jì)算資源的依賴。此外，試卷數(shù)據(jù)的安全性和不可篡改性也是智能閱卷系統(tǒng)需要考慮的重要問題。區(qū)塊鏈技術(shù)是一種分布式的、去中心化的數(shù)據(jù)庫(kù)技術(shù)，采用智能合約、鏈?zhǔn)酱鎯?chǔ)結(jié)構(gòu)和共識(shí)機(jī)制，具有不可篡改、安全可靠等特點(diǎn)，可以保證試卷數(shù)據(jù)的安全性和不可篡改性[8]。區(qū)塊鏈網(wǎng)絡(luò)最初被應(yīng)用于數(shù)字貨幣領(lǐng)域，如比特幣，但現(xiàn)在已經(jīng)擴(kuò)展到了各種領(lǐng)域，如供應(yīng)鏈管理、物聯(lián)網(wǎng)、醫(yī)療保健和版權(quán)管理等。

2 系統(tǒng)架構(gòu)設(shè)計(jì)

基于邊緣計(jì)算的智能閱卷系統(tǒng)整體分為云、邊、端3部分，其中云為區(qū)塊鏈網(wǎng)絡(luò)、邊包括邊緣節(jié)點(diǎn)部署智能閱卷系統(tǒng)、端主要是圖像采集端。系統(tǒng)架構(gòu)如圖1所示。

圖1 系統(tǒng)架構(gòu)圖

2.1 云

在本文提出的智能閱卷系統(tǒng)中，云是由一系列區(qū)塊鏈節(jié)點(diǎn)組成的去中心化的區(qū)塊鏈網(wǎng)絡(luò)，由許多計(jì)算機(jī)節(jié)點(diǎn)組成，在這些節(jié)點(diǎn)之間共享和維護(hù)一個(gè)共同的賬本。每個(gè)節(jié)點(diǎn)都有權(quán)參與到賬本的維護(hù)和更新中，而且所有節(jié)點(diǎn)都必須達(dá)成共識(shí)才能進(jìn)行交易確認(rèn)和賬本更新，因此區(qū)塊鏈網(wǎng)絡(luò)具有高度的安全性和可信度。區(qū)塊鏈網(wǎng)絡(luò)的核心特點(diǎn)是使用了加密算法和共識(shí)機(jī)制來(lái)保障數(shù)據(jù)的安全性和可靠性。每一個(gè)區(qū)塊都包含了前一個(gè)區(qū)塊的哈希值，這樣就形成了一個(gè)不可篡改的區(qū)塊鏈。由于區(qū)塊鏈網(wǎng)絡(luò)沒有中心化的控制機(jī)構(gòu)，因此可以避免單點(diǎn)故障和篡改風(fēng)險(xiǎn)，從而保證了數(shù)據(jù)的安全性和可信度。試卷數(shù)據(jù)通過區(qū)塊鏈存儲(chǔ)，可以保證試卷數(shù)據(jù)的安全性和不可篡改性[5]。試卷數(shù)據(jù)存儲(chǔ)在區(qū)塊鏈上的每個(gè)區(qū)塊中，每個(gè)區(qū)塊包含一個(gè)或多個(gè)交易，每個(gè)交易包含試卷數(shù)據(jù)和交易簽名等信息。本系統(tǒng)區(qū)塊鏈網(wǎng)絡(luò)采用了私有鏈（Private Blockchain）的方式。私有鏈?zhǔn)且环N基于區(qū)塊鏈技術(shù)的封閉式網(wǎng)絡(luò)，只有特定的組織或個(gè)人能夠參與其中，而且這些參與者需要經(jīng)過身份驗(yàn)證才能加入網(wǎng)絡(luò)。私有鏈的數(shù)據(jù)和交易信息只能被授權(quán)的參與者讀取和驗(yàn)證。

2.2 邊

邊即邊緣節(jié)點(diǎn)是指位于網(wǎng)絡(luò)邊緣的計(jì)算設(shè)備。本智能閱卷系統(tǒng)中，邊緣節(jié)點(diǎn)主要用于存儲(chǔ)試卷數(shù)據(jù)和實(shí)現(xiàn)試卷的分發(fā)和處理。目前流行的邊緣計(jì)算設(shè)備有很多，以下是一些常見的邊緣設(shè)備。

Raspberry Pi：一種低成本的單板計(jì)算機(jī)，主要用于教育和娛樂等領(lǐng)域。

NVIDIA Jetson：一種高性能的嵌入式計(jì)算平臺(tái)，主要用于深度學(xué)習(xí)和人工智能等領(lǐng)域。

Intel Movidius：一種基于神經(jīng)網(wǎng)絡(luò)的邊緣計(jì)算設(shè)備，可以在邊緣設(shè)備上進(jìn)行深度學(xué)習(xí)和人工智能的計(jì)算。

Qualcomm Snapdragon：一種基于ARM 架構(gòu)的處理器，主要用于移動(dòng)設(shè)備和邊緣計(jì)算領(lǐng)域。

Atlas 200DK：是華為公司推出的一款A(yù)I 開發(fā)者套件[9]，它基于華為自研的昇騰系列AI 邊緣計(jì)算芯片，華為Atlas 200DK 搭載了2 顆昇騰310 AI 芯片，每顆芯片包含16 個(gè)Da Vinci 核心，總計(jì)32 個(gè)Da Vinci 核心。這些核心可以并行計(jì)算，提供高達(dá)256TOPS 的計(jì)算能力，可以支持各種復(fù)雜的邊緣計(jì)算和人工智能應(yīng)用。Atlas 200DK 配備了8 GB 的LPDDR4 內(nèi)存和16 GB 的eMMC 存儲(chǔ)，可以滿足較大規(guī)模的AI 模型和數(shù)據(jù)的存儲(chǔ)需求。

考慮性能、價(jià)格及開發(fā)的便利性，本系統(tǒng)采用了華為Atlas 200DK 作為邊緣計(jì)算設(shè)備。使用Mind Studio、ModelArts 模型訓(xùn)練平臺(tái)作為開發(fā)工具，可以快速搭建和部署圖像識(shí)別、自然語(yǔ)言處理技術(shù)的人工智能應(yīng)用。

圖8的方案鏈長(zhǎng)與平均得分顯示出大致的線性關(guān)系，表明持續(xù)的修改會(huì)使方案質(zhì)量得到提高，但修改行為不一定是在同一個(gè)設(shè)計(jì)師手里完成的。

2.3 圖像采集端

華為Atlas 200DK 提供了豐富的接口和擴(kuò)展性，包括1 個(gè)高速USB 3.0 接口、1 個(gè)千兆以太網(wǎng)口、1 個(gè)HDMI 接口、1 個(gè)MIPI CSI 接口、1 個(gè)MIPI DSI 接口和1 個(gè)mini-PCIe 接口等。這些接口可以連接各種外部設(shè)備和傳感器，擴(kuò)展華為Atlas 200DK 的功能和應(yīng)用場(chǎng)景。本系統(tǒng)選用采用Raspberry Camera V2 攝像頭行試卷圖像的采集。該攝像頭可以通過FFC 排線或網(wǎng)線連接到Atlas 200 DK 上，800 萬(wàn)像素，最高幀率可達(dá)60 fps，可滿足實(shí)時(shí)采集試卷圖像的需求[10]。

2.4 智能閱卷系統(tǒng)

智能閱卷系統(tǒng)是指部署在邊緣節(jié)點(diǎn)上的負(fù)責(zé)閱卷的程序。當(dāng)試卷數(shù)據(jù)將被上傳到邊緣節(jié)點(diǎn)上的智能閱卷系統(tǒng)上。智能閱卷系統(tǒng)將試卷數(shù)據(jù)進(jìn)行解析，提取出試卷的答案等信息，并進(jìn)行自動(dòng)評(píng)分。評(píng)分結(jié)果將被存儲(chǔ)在區(qū)塊鏈上，并最終生成成績(jī)單。

3 智能閱卷系統(tǒng)的實(shí)現(xiàn)

部署在邊緣節(jié)點(diǎn)的智能閱卷系統(tǒng)核心部分是利用圖像處理與識(shí)別的技術(shù)進(jìn)行答題卡采集，對(duì)客觀題部分自動(dòng)判分，對(duì)主觀題部分智能通過自然語(yǔ)言處理和語(yǔ)義分析算法自動(dòng)進(jìn)行分析和評(píng)分。主要工作流程如圖2 所示。

圖2 智能閱卷系統(tǒng)工作流程

3.1 圖像采集

使用圖像采集端對(duì)答題卡進(jìn)行圖像采集，獲取高清晰度、高對(duì)比度的答題卡圖像。為了減少干擾和提高識(shí)別率，應(yīng)該避免拍攝角度過大、光線不足等情況，本系統(tǒng)采用專利授權(quán)的一種3D 圖像識(shí)別裝置進(jìn)行采集[11]。

3.2 圖像預(yù)處理

對(duì)采集到的答題卡圖像進(jìn)行預(yù)處理，包括圖像校正、去噪、圖像增強(qiáng)及切割等處理，以提高后續(xù)的答案識(shí)別準(zhǔn)確率。將答題卡中的各個(gè)選項(xiàng)區(qū)域進(jìn)行切割，主觀題部分轉(zhuǎn)換為文字，方便后續(xù)的分析和判斷。

3.3 客觀題自動(dòng)評(píng)分

根據(jù)答題卡的設(shè)計(jì)和規(guī)則，可以對(duì)試卷的文本和圖像信息進(jìn)行處理和分析，對(duì)客觀題部分使用圖像識(shí)別技術(shù)，進(jìn)行正確答案的匹配?？陀^題判分樣例如圖3 所示。

3.4 主觀題分析評(píng)分

對(duì)于主觀題部分，先利用光學(xué)字符識(shí)別技術(shù)，將圖像中的答案轉(zhuǎn)換成可處理的文本格式。對(duì)于開放性問題的答案，需要進(jìn)行自然語(yǔ)言處理和語(yǔ)義分析，將答案轉(zhuǎn)換成可處理的結(jié)構(gòu)化數(shù)據(jù)。這一步通常包括分詞、情感分析、主題提取等操作。

數(shù)據(jù)采集：收集試卷的相關(guān)信息，包括試題、答案和評(píng)分標(biāo)準(zhǔn)等。

數(shù)據(jù)清洗和預(yù)處理：對(duì)采集到的數(shù)據(jù)進(jìn)行清洗和預(yù)處理，包括去除無(wú)用信息、標(biāo)準(zhǔn)化數(shù)據(jù)格式、去除噪聲等。

特征提?。簩?duì)試題進(jìn)行特征提取，提取問題的關(guān)鍵詞、主題、語(yǔ)法結(jié)構(gòu)等信息，以便后續(xù)的分析和評(píng)估。

模型訓(xùn)練：使用自然語(yǔ)言處理算法建立模型，并使用訓(xùn)練數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練。可以使用文本分類、文本相似度計(jì)算、情感分析等模型。

模型評(píng)估：使用測(cè)試數(shù)據(jù)對(duì)模型進(jìn)行評(píng)估?？梢允褂脺?zhǔn)確率、召回率、F1 值等指標(biāo)進(jìn)行評(píng)估。

部署應(yīng)用：將訓(xùn)練好的模型部署到實(shí)際應(yīng)用中，將答卷內(nèi)容進(jìn)行分詞、去除停用詞等預(yù)處理操作，對(duì)試卷的開放性問題進(jìn)行自動(dòng)分析和評(píng)估。

3.5 反饋與優(yōu)化

對(duì)識(shí)別和判分結(jié)果進(jìn)行反饋和優(yōu)化。反饋可以包括學(xué)生的答題情況、評(píng)分結(jié)果的準(zhǔn)確性等信息，可以用于提高模型的準(zhǔn)確性。優(yōu)化可以包括模型調(diào)整、特征選擇、數(shù)據(jù)增強(qiáng)等方法，以進(jìn)一步提高系統(tǒng)性能。

4 結(jié)論

基于邊緣計(jì)算和區(qū)塊鏈技術(shù)的智能閱卷系統(tǒng)采用了邊緣計(jì)算、區(qū)塊鏈和圖像識(shí)別、自然語(yǔ)言處理等技術(shù)，能夠?qū)崿F(xiàn)試卷數(shù)據(jù)的安全存儲(chǔ)、自動(dòng)評(píng)分和成績(jī)單生成等功能。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)可以快速地對(duì)大量的答卷進(jìn)行評(píng)分，具有較高的性能，同時(shí)可以減少主觀性對(duì)評(píng)分的影響，提高評(píng)分的公正性和客觀性，也具備較高的安全性。基于邊緣計(jì)算的智能閱卷系統(tǒng)是一個(gè)具有潛力的方向，可以為大規(guī)模考試提供更快速、更可靠和更安全的閱卷服務(wù)。未來(lái)，隨著邊緣計(jì)算技術(shù)的不斷發(fā)展和普及，基于邊緣計(jì)算的智能閱卷系統(tǒng)將會(huì)得到更廣泛的應(yīng)用和推廣。同時(shí)，我們還需要在處理能力、網(wǎng)絡(luò)連接、數(shù)據(jù)同步和隱私保護(hù)等方面進(jìn)行更深入的研究和探索，以更好地滿足用戶的需求和保障數(shù)據(jù)的安全性和隱私性。