基于字符识别的实验报告自动打分系统的设计

J4 ›› 2014, Vol. 36 ›› Issue (09): 1754-1759.

基于字符识别的实验报告自动打分系统的设计

徐富新，黄玉秀，王洲，王晶

(中南大学物理与电子学院，湖南长沙 410083)

收稿日期:2013-04-03 修回日期:2013-06-08 出版日期:2014-09-25 发布日期:2014-09-25
基金资助:
国家自然科学基金资助项目（61178017）；中南大学教改基金资助项目（JY2010A10）

Design of an automatic marking system
based on character recognition

XU Fuxin,HUANG Yuxiu,WANG Zhou,WANG Jing

(School of Physics and Electronics,Central South University,Changsha 410083,China)

Received:2013-04-03 Revised:2013-06-08 Online:2014-09-25 Published:2014-09-25

摘要/Abstract

摘要：

针对实验教学中实验报告成绩的录入耗时耗力以及出错率高的问题，开发了基于字符识别［1］的实验报告自动打分系统，大幅提高了数据输入的工作效率和准确率。根据图像识别原理对成绩进行特征提取，采用BP神经网络系统，改进BP算法，识别出成绩，并利用Access数据库进行存储。系统经过测试，可以应用到实验报告中学号、成绩的快速录入与存储。

关键词: 模式识别, 图像识别, 字符识别系统, 图像处理, BP神经网络

Abstract:

For the problem that the lab reports input is timeconsuming and high error rate, an automatic marking system is developed based on character recognition so as to improve the efficiency and accuracy of data input. According to the principle of image recognition, characteristic values are obtained by a series of image preprocessing. The results can be identified by the BP neural network system according to the improved BP algorithm. Access database is used to save the results. After testing, the system can support inputting and saving the lab reports quickly.

Key words: pattern recognition;image recognition;character recognition system;image processing;BP neural network

徐富新，黄玉秀，王洲，王晶. 基于字符识别的实验报告自动打分系统的设计[J]. J4, 2014, 36(09): 1754-1759.

XU Fuxin,HUANG Yuxiu,WANG Zhou,WANG Jing. Design of an automatic marking system
based on character recognition [J]. J4, 2014, 36(09): 1754-1759.

参考文献［13］

［1］	Zhang Honggang,Chen Guang,Guo Jun.Image processing and recognition ［M］.Beijing:Beijing University of Posts and Telecommunications Press, 2006.(in Chinese)
［2］	Zhang Rongmei.Visual C++ programming tutorial case［M］. Beijing:Peking University Press, 2009.(in Chinese)
［3］	Su Yanhua. Visual C++ digital image recognition technology typical case［M］. Beijing:People’s Posts and Telecommunications Press, 2004.(in Chinese)
［4］	Ma Yaoming,Huang Min.Numeral recognition based on BP neural network ［J］. Information Technology, 2007 (4):8788.(in Chinese)
［5］	Du Xuan,Gao Mingfeng.Application of artificial neural network in the digital recognition ［J］.Computer Systems & Applications, 2007 (2):2122.(in Chinese)
［6］	Zhou Nina, Wang Min, Huang Xinhan, et al. The pretreatment algorithm of license plate character recognition ［J］.Computer Engineering and Applications, 2003, 15 (1):220221.(in Chinese)
［7］	Zhu Xiaoyan, Shi Yifan, Ma Shaoping. Handwritten character recognition research ［J］. Journal of Pattern Recognition and Artificial Intelligence, 2000, 13(2):174180.(in Chinese)
［8］	Wu Qiang, Tong Xuefeng, Ji Jun. Digital character recognition based on artificial neural network［J］.Computer Engineering, 2003,29(14):174180.(in Chinese)
［9］	Wang Chun, Liu Bo, Zhou Xinzhi. License plate character recognition research by using BP neural network［J］.China Measurement Technology, 2005, 31(1):2628.(in Chinese)
［10］	Gu Chenqin,Ge Wancheng.Character recognition research based on template matching algorithm ［J］.Journal of Communications Technology, 2009, 42 (3):220222.(in Chinese)
［11］	Tang Maobin, Xie Yuping, Li Jiuhao. Character recognition research based on neural network algorithm［J］. Journal of Microelectronics and Computers, 2009, 26 (8):9193.(in Chinese)
［12］	Yang Qingxiong. Character recognition research based on neural network ［J］.Journal of Information Technology, 2005(4):9296.(in Chinese)
［13］	Chen Lei, Huang Xianbin, Zhong Xingrong, et al. Digital character recognition based on improved BP algorithm［J］. Journal of Microelectronics and Computers, 2004, 21(12):127130.(in Chinese)
	附中文参考文献：
［1］	张洪刚, 陈光, 郭军. 图像处理与识别［M］. 北京:北京邮电大学出版社, 2006.
［2］	张荣梅. Visual C++ 程序设计案例教程［M］. 北京:北京大学出版社, 2009.
［3］	苏彦华. Visual C++数字图像识别技术典型案例［M］. 北京:人民邮电出版社, 2004.
［4］	马耀名, 黄敏. 基于BP神经网络的数字识别研究［J］.信息技术, 2007(4):8788.
［5］	杜选,高明峰. 人工神经网络在数字识别中的应用［J］. 计算机系统应用, 2007(2):2122.
［6］	周妮娜, 王敏, 黄心汉, 等. 车牌字符识别的预处理算法［J］. 计算机工程与应用, 2003, 15(1):220221.
［7］	朱小燕, 史一凡, 马少平. 手写体字符识别研究［J］. 模式识别与人工智能, 2000, 13(2):174180.
［8］	武强, 童学锋, 季隽. 基于人工神经网络的数字字符识别［J］. 计算机工程, 2003,29(14):174180.
［9］	王春, 刘波, 周新志. 采用 BP 神经网络的车牌字符识别方法研究［J］. 中国测试技术, 2005, 31(1):2628.
［10］	顾晨勤, 葛万成. 基于模板匹配算法的字符识别研究［J］. 通信技术, 2009, 42(3):220222.
［11］	汤茂斌, 谢渝平, 李就好. 基于神经网络算法的字符识别方法研究［J］. 微电子学与计算机, 2009, 26(8):9193.
［12］	杨庆雄. 基于神经网络的字符识别研究［J］. 信息技术, 2005(4):9296.
［13］	陈蕾, 黄贤武, 仲兴荣, 等. 基于改进BP 算法的数字字符识别［J］. 微电子学与计算机, 2004, 21(12):127130.

[1]	马冬梅, 黄欣悦, 李煜. 基于特征融合和注意力机制的图像语义分割[J]. 计算机工程与科学, 2023, 45(03): 495-503.
[2]	周升儒, 陈志刚, 邓伊琴. 基于PoseC3D的网球动作识别及评价方法[J]. 计算机工程与科学, 2023, 45(01): 95-103.
[3]	刘从军, 徐佳陈, 肖志勇, 柴志雷. 基于深度学习的心脏核磁共振图像自动分割算法[J]. 计算机工程与科学, 2022, 44(09): 1646-1654.
[4]	刘榕, 伍欣, 敖斌, 文青, 李宽. 用于CD56图像分割的细胞标注精细化与自适应加权损失[J]. 计算机工程与科学, 2022, 44(05): 870-878.
[5]	卢凯良. 基于可见光视觉图像的路面裂缝识别深度学习方法述评[J]. 计算机工程与科学, 2022, 44(04): 674-685.
[6]	胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, . 基于改进GA-BP-MC神经网络的人体三维尺寸预测[J]. 计算机工程与科学, 2021, 43(08): 1443-1453.
[7]	李晶晶, 许少华. 基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用[J]. 计算机工程与科学, 2021, 43(04): 746-752.
[8]	邓翔宇, 张屹南, 杨雅涵. 一种用于交通标识分类的形状识别算法[J]. 计算机工程与科学, 2021, 43(02): 322-328.
[9]	沈晓燕, 王雪梅, 王燕. 基于样本熵和模式识别的脑电信号识别算法研究[J]. 计算机工程与科学, 2020, 42(08): 1482-1488.
[10]	左宪禹1,2，张哲1,5，黄祥志4,5，葛强1,2，张理涛3，臧文乾4,5. 一种适用于GPU图像处理算法的合并存储结构[J]. 计算机工程与科学, 2020, 42(02): 197-202.
[11]	冯晓琪，刘念，郭霄宇，郑世珏. AR技术在科技馆古代农具展示中的研究及实现[J]. 计算机工程与科学, 2019, 41(12): 2173-2178.
[12]	陈丽芳,冯力静,刘保相. 神经网络规则优化建模与应用[J]. 计算机工程与科学, 2019, 41(12): 2247-2254.
[13]	陈凯峰，梁鉴如. 用于图像处理的FPGA存储器优化分配[J]. 计算机工程与科学, 2019, 41(11): 1924-1929.
[14]	李雨冲，闫昭帆，严国萍. 基于边缘的双路卷积神经网络及其可视化[J]. 计算机工程与科学, 2019, 41(10): 1837-1845.
[15]	吴曼曼1，徐建新 1，2. 基于EMD改进的Elman神经网络对股票的短期预测模型[J]. 计算机工程与科学, 2019, 41(06): 1119-1127.