一种基于区块链的智慧教育试卷大数据评阅方法及系统

摘要

本发明公开了一种基于区块链的智慧教育试卷大数据评阅方法及系统，涉及数据处理技术领域。该方法包括：获取并对试卷图像进行超分辨率重建；识别得到答题结果信息；确定客观题评阅结果；获取各位教师的评阅结果和签字图像；将每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证，将验证通过的教师的评阅结果上传至对应的阅卷系统中，并将对应的教师信息、试卷图像以及评阅结果上传至区块链中；生成目标学生的试卷评阅成绩。本发明采用超分辨率重建、多OCR互验方法对试卷内容进行精准识别；利用多区域峰值信噪比校验和多区域熵值校验对教师的签字进行了有效识别确认；结合区块链技术，对阅卷核心信息进行上链存证。

权利要求

1.一种基于区块链的智慧教育试卷大数据评阅方法，其特征在于，包括以下步骤：获取并将目标学生的试卷图像上传到对应的阅卷系统中；

对试卷图像进行超分辨率重建，以得到目标试卷图像；

采用多OCR技术互验的方法对目标试卷图像进行识别，以识别得到答题结果信息；

提取并将答题结果信息中的客观题答题内容与预置的正确答案进行比对，生成并根据答案比对结果确定客观题评阅结果；

提取并将答题结果信息中的主观题答题内容发送给阅卷系统中对应的多位教师，并获取各位教师的评阅结果和签字图像；

利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，将每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证，将验证通过的教师的评阅结果上传至对应的阅卷系统中，并将对应的教师信息、试卷图像以及评阅结果上传至区块链中；包括：将各位教师的签字图像与预录入的对应教师的签字模板图像分别进行多等分处理，以得到对应的多个区域的签字图像和签字模板图像；计算并根据多个区域的签字图像和签字模板图像的峰值信噪比对每位教师的签字进行验证，生成第一验证结果；将各位教师的签字图像与预录入的对应教师的签字模板图像分别进行多等分处理，以得到对应的多个区域的签字图像和签字模板图像；计算并根据多个区域的签字图像和签字模板图像的熵值对每位教师的签字进行验证，生成第二验证结果；根据第一验证结果和第二验证结果判定各位教师的签字验证是否通过；

根据客观题评阅结果和对应教师的评阅结果生成目标学生的试卷评阅成绩。

2.根据权利要求1所述的一种基于区块链的智慧教育试卷大数据评阅方法，其特征在于，所述采用多OCR技术互验的方法对目标试卷图像进行识别，以识别得到答题结果信息的方法包括以下步骤：采用多个OCR识别方法分别对目标试卷图像进行识别，以得到多个识别结果；

统计并根据各个识别结果确定答题结果信息。

3.根据权利要求1所述的一种基于区块链的智慧教育试卷大数据评阅方法，其特征在于，还包括以下步骤：生成并发送重新签字提示信息给验证未通过的教师，并重新获取对应教师的签字图像。

4.根据权利要求1所述的一种基于区块链的智慧教育试卷大数据评阅方法，其特征在于，还包括以下步骤：提取区块链中各位教师的教师信息、试卷图像以及评阅结果，并根据各位教师的评阅结果对各位教师的评阅质量进行评判，生成各位教师的评判结果。

5.一种基于区块链的智慧教育试卷大数据评阅系统，其特征在于，包括：试卷图像获取模块、图像重建模块、答案识别模块、客观题评阅模块、主观题评阅模块、签字验证模块以及成绩生成模块，其中：试卷图像获取模块，用于获取并将目标学生的试卷图像上传到对应的阅卷系统中；

图像重建模块，用于对试卷图像进行超分辨率重建，以得到目标试卷图像；

答案识别模块，用于采用多OCR技术互验的方法对目标试卷图像进行识别，以识别得到答题结果信息；

客观题评阅模块，用于提取并将答题结果信息中的客观题答题内容与预置的正确答案进行比对，生成并根据答案比对结果确定客观题评阅结果；

主观题评阅模块，用于提取并将答题结果信息中的主观题答题内容发送给阅卷系统中对应的多位教师，并获取各位教师的评阅结果和签字图像；

签字验证模块，用于利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，将每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证，将验证通过的教师的评阅结果上传至对应的阅卷系统中，并将对应的教师信息、试卷图像以及评阅结果上传至区块链中；包括：将各位教师的签字图像与预录入的对应教师的签字模板图像分别进行多等分处理，以得到对应的多个区域的签字图像和签字模板图像；计算并根据多个区域的签字图像和签字模板图像的峰值信噪比对每位教师的签字进行验证，生成第一验证结果；将各位教师的签字图像与预录入的对应教师的签字模板图像分别进行多等分处理，以得到对应的多个区域的签字图像和签字模板图像；计算并根据多个区域的签字图像和签字模板图像的熵值对每位教师的签字进行验证，生成第二验证结果；根据第一验证结果和第二验证结果判定各位教师的签字验证是否通过；

成绩生成模块，用于根据客观题评阅结果和对应教师的评阅结果生成目标学生的试卷评阅成绩。

6.一种电子设备，其特征在于，包括：

存储器，用于存储一个或多个程序；

处理器；

当所述一个或多个程序被所述处理器执行时，实现如权利要求1‑4中任一项所述的方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1‑4中任一项所述的方法。

说明书

一种基于区块链的智慧教育试卷大数据评阅方法及系统

技术领域

[0001] 本发明涉及数据处理技术领域，具体而言，涉及一种基于区块链的智慧教育试卷大数据评阅方法及系统。

背景技术

[0002] 试卷评阅作为教育系统中的重要组成部分，发挥着非常重要的作用，高水平的阅卷对学生有非常好的指导作用，也可以帮助教师家长有效的了解到学生的学习情况。然而，传统的试卷评阅方法不仅消耗了巨大的人力资源，而且无法保证较高的评阅精准度，尤其是对于出现的判卷严重失误情况，无法做到有效的监督和约束。区块链作为近几年新兴的技术，在多个领域发挥了重要的作用，可以为试卷大数据评阅提供有效的技术支持。因此，如何充分利用区块链技术并深度结合当下的主流信息技术，实现高质量的试卷大数据评阅成为一个新的问题。

发明内容

[0003] 为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种基于区块链的智慧教育试卷大数据评阅方法及系统，采用超分辨率重建、多OCR技术互验的方法相结合，对试卷内容进行精准识别；并利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，对教师的签字进行了有效识别确认，保证评阅的真实有效性；同时结合区块链技术，实现了阅卷核心信息的上链存证，保证数据安全可靠。

[0004] 本发明的实施例是这样实现的：

[0005] 第一方面，本发明实施例提供一种基于区块链的智慧教育试卷大数据评阅方法，包括以下步骤：

[0006] 获取并将目标学生的试卷图像上传到对应的阅卷系统中；

[0007] 对试卷图像进行超分辨率重建，以得到目标试卷图像；

[0008] 采用多OCR技术互验的方法对目标试卷图像进行识别，以识别得到答题结果信息；

[0009] 提取并将答题结果信息中的客观题答题内容与预置的正确答案进行比对，生成并根据答案比对结果确定客观题评阅结果；

[0010] 提取并将答题结果信息中的主观题答题内容发送给阅卷系统中对应的多位教师，并获取各位教师的评阅结果和签字图像；

[0011] 利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，将每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证，将验证通过的教师的评阅结果上传至对应的阅卷系统中，并将对应的教师信息、试卷图像以及评阅结果上传至区块链中；

[0012] 根据客观题评阅结果和对应教师的评阅结果生成目标学生的试卷评阅成绩。

[0013] 为了解决现有技术中无法保证较高的评阅精准度的技术问题，本发明在超分辨率重建的基础上，利用多OCR技术互验的方法对试卷内容进行精准识别，提升了试卷内容识别的精准度；并利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，对多位教师的签字进行了有效识别确认，能够更加精准地确认阅卷人的身份，保证评阅的真实有效性。且本发明在阅卷系统中还应用了区块链技术，实现了阅卷核心信息的上链存证，保证数据安全可靠，提升了阅卷系统的安全性和可靠性。同时，结合区块链中存储的核心信息可对评阅教师的评阅工作质量进行评判。

[0014] 基于第一方面，在本发明的一些实施例中，上述采用多OCR技术互验的方法对目标试卷图像进行识别，以识别得到答题结果信息的方法包括以下步骤：

[0015] 采用多个OCR识别方法分别对目标试卷图像进行识别，以得到多个识别结果；

[0016] 统计并根据各个识别结果确定答题结果信息。

[0017] 基于第一方面，在本发明的一些实施例中，上述利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，将每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证的方法包括以下步骤：

[0018] 利用多区域峰值信噪比校验方法对每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证，生成第一验证结果；

[0019] 利用多区域熵值校验方法对每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证，生成第二验证结果；

[0020] 根据第一验证结果和第二验证结果判定各位教师的签字验证是否通过。

[0021] 基于第一方面，在本发明的一些实施例中，上述利用多区域峰值信噪比校验方法对每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证的方法包括以下步骤：

[0022] 将各位教师的签字图像与预录入的对应教师的签字模板图像分别进行多等分处理，以得到对应的多个区域的签字图像和签字模板图像；

[0023] 计算并根据多个区域的签字图像和签字模板图像的峰值信噪比对每位教师的签字进行验证。

[0024] 基于第一方面，在本发明的一些实施例中，上述利用多区域熵值校验方法对每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证的方法包括以下步骤：

[0025] 将各位教师的签字图像与预录入的对应教师的签字模板图像分别进行多等分处理，以得到对应的多个区域的签字图像和签字模板图像；

[0026] 计算并根据多个区域的签字图像和签字模板图像的熵值对每位教师的签字进行验证。

[0027] 基于第一方面，在本发明的一些实施例中，该基于区块链的智慧教育试卷大数据评阅方法还包括以下步骤：

[0028] 生成并发送重新签字提示信息给验证未通过的教师，并重新获取对应教师的签字图像。

[0029] 基于第一方面，在本发明的一些实施例中，该基于区块链的智慧教育试卷大数据评阅方法还包括以下步骤：

[0030] 提取区块链中各位教师的教师信息、试卷图像以及评阅结果，并根据各位教师的评阅结果对各位教师的评阅质量进行评判，生成各位教师的评判结果。

[0031] 第二方面，本发明实施例提供一种基于区块链的智慧教育试卷大数据评阅系统，包括：试卷图像获取模块、图像重建模块、答案识别模块、客观题评阅模块、主观题评阅模块、签字验证模块以及成绩生成模块，其中：

[0032] 试卷图像获取模块，用于获取并将目标学生的试卷图像上传到对应的阅卷系统中；

[0033] 图像重建模块，用于对试卷图像进行超分辨率重建，以得到目标试卷图像；

[0034] 答案识别模块，用于采用多OCR技术互验的方法对目标试卷图像进行识别，以识别得到答题结果信息；

[0035] 客观题评阅模块，用于提取并将答题结果信息中的客观题答题内容与预置的正确答案进行比对，生成并根据答案比对结果确定客观题评阅结果；

[0036] 主观题评阅模块，用于提取并将答题结果信息中的主观题答题内容发送给阅卷系统中对应的多位教师，并获取各位教师的评阅结果和签字图像；

[0037] 签字验证模块，用于利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，将每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证，将验证通过的教师的评阅结果上传至对应的阅卷系统中，并将对应的教师信息、试卷图像以及评阅结果上传至区块链中；

[0038] 成绩生成模块，用于根据客观题评阅结果和对应教师的评阅结果生成目标学生的试卷评阅成绩。

[0039] 为了解决现有技术中无法保证较高的评阅精准度的技术问题，本系统通过试卷图像获取模块、图像重建模块、答案识别模块、客观题评阅模块、主观题评阅模块、签字验证模块以及成绩生成模块等多个模块的配合，在超分辨率重建的基础上，利用多OCR技术互验的方法对试卷内容进行精准识别，提升了试卷内容识别的精准度；并利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，对多位教师的签字进行了有效识别确认，能够更加精准地确认阅卷人的身份，保证评阅的真实有效性。且本发明在阅卷系统中还应用了区块链技术，实现了阅卷核心信息的上链存证，保证数据安全可靠，提升了阅卷系统的安全性和可靠性。同时，结合区块链中存储的核心信息可对评阅教师的评阅工作质量进行评判。

[0040] 第三方面，本申请实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当一个或多个程序被处理器执行时，实现如上述第一方面中任一项的方法。

[0041] 第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。

[0042] 本发明实施例至少具有如下优点或有益效果：

[0043] 本发明实施例提供一种基于区块链的智慧教育试卷大数据评阅方法及系统，解决了现有技术中无法保证较高的评阅精准度的技术问题，本发明在超分辨率重建的基础上，利用多OCR技术互验的方法对试卷内容进行精准识别，提升了试卷内容识别的精准度；并利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，对教师的签字进行了有效识别确认，保证评阅的真实有效性；同时结合区块链技术，实现了阅卷核心信息的上链存证，保证数据安全可靠。

附图说明

[0044] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

[0045] 图1为本发明实施例一种基于区块链的智慧教育试卷大数据评阅方法的流程图；

[0046] 图2为本发明实施例一种基于区块链的智慧教育试卷大数据评阅方法中多OCR技术互验的方法对目标试卷图像进行识别的流程图；

[0047] 图3为本发明实施例一种基于区块链的智慧教育试卷大数据评阅方法中签字验证的流程图；

[0048] 图4为本发明实施例一种基于区块链的智慧教育试卷大数据评阅系统的原理框图；

[0049] 图5为本发明实施例提供的一种电子设备的结构框图。

[0050] 附图标记说明：100、试卷图像获取模块；200、图像重建模块；300、答案识别模块；400、客观题评阅模块；500、主观题评阅模块；600、签字验证模块；700、成绩生成模块；101、存储器；102、处理器；103、通信接口。

具体实施方式

[0051] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

[0052] 因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0053] 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定义和解释。

[0054] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

[0055] 实施例：

[0056] 如图1‑图3所示，第一方面，本发明实施例提供一种基于区块链的智慧教育试卷大数据评阅方法，包括以下步骤：

[0057] S1、获取并将目标学生的试卷图像上传到对应的阅卷系统中；

[0058] S2、对试卷图像进行超分辨率重建，以得到目标试卷图像；

[0059] S3、采用多OCR技术互验的方法对目标试卷图像进行识别，以识别得到答题结果信息；

[0060] 进一步地，如图2所示，包括：

[0061] S31、采用多个OCR识别方法分别对目标试卷图像进行识别，以得到多个识别结果；

[0062] S32、统计并根据各个识别结果确定答题结果信息。

[0063] 在本发明的一些实施例中，将某位学生的试卷扫描成图片，上传到阅卷系统中；对试卷图像进行超分辨率重建；利用多OCR技术互验的方法对试卷进行识别，识别出试卷中的所有答题部分内容；如果多个OCR技术的识别结果不一致，利用少数服从多数的原则，例如绝大多数的OCR方法将某一数字识别为6,少部分的方法将某一数字识别为0,最后将该数字识别为6。

[0064] S4、提取并将答题结果信息中的客观题答题内容与预置的正确答案进行比对，生成并根据答案比对结果确定客观题评阅结果；对于客观题目答案，直接和正确答案进行比对（例如选择题或填空题直接和标准答案进行比对），直接由机器给出判卷结果。

[0065] S5、提取并将答题结果信息中的主观题答题内容发送给阅卷系统中对应的多位教师，并获取各位教师的评阅结果和签字图像；对于主观题目（例如问答题），由不低于3位教师进行判卷，每位老师给出判卷分数之后完成确认签字（网上签字即可），然后获取各位老师的签字图像。通过多位老师进行评判可有效避免个人评判误差，进而保证评判的精准合理性。根据答题结果信息中的考试科目发送给阅卷系统中对应科目的教师。

[0066] S6、利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，将每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证，将验证通过的教师的评阅结果上传至对应的阅卷系统中，并将对应的教师信息、试卷图像以及评阅结果上传至区块链中；

[0067] 进一步地，如图3所示，包括：

[0068] S61、利用多区域峰值信噪比校验方法对每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证，生成第一验证结果；包括：将各位教师的签字图像与预录入的对应教师的签字模板图像分别进行多等分处理，以得到对应的多个区域的签字图像和签字模板图像；计算并根据多个区域的签字图像和签字模板图像的峰值信噪比对每位教师的签字进行验证。

[0069] S62、利用多区域熵值校验方法对每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证，生成第二验证结果；包括：将各位教师的签字图像与预录入的对应教师的签字模板图像分别进行多等分处理，以得到对应的多个区域的签字图像和签字模板图像；计算并根据多个区域的签字图像和签字模板图像的熵值对每位教师的签字进行验证。

[0070] S63、根据第一验证结果和第二验证结果判定各位教师的签字验证是否通过。

[0071] 进一步地，还包括：生成并发送重新签字提示信息给验证未通过的教师，并重新获取对应教师的签字图像。

[0072] 在本发明的一些实施例中，利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，将每位教师的确认签字和每位教师先前已经录入的签字模板进行比对。如果确认为本人签字之后（多区域峰值信噪比校验和多区域熵值校验都成功才可以），将各自的判卷分数上传到阅卷局域网络（阅卷系统）中，并将试卷评阅人、试卷图片、评阅分数等信息都记录到区块链系统中，通过区块链对核心数据进行存证，保证数据的真实性，为后续对教师的评卷工作质量评判提供真实的数据。如果不能确认为本人签字，通知阅卷教师重新签字，超过3次仍然无法判别为本人签字的，认为有‘非本人操作嫌疑’，拒绝上传该老师的阅卷成绩。

[0073] 上述多区域峰值信噪比校验方法如下（以教师李四为例）：

[0074] 将李四的签字模板图像和阅卷确认签字图像分别进行4等分；对于两个签字图像的4个区域分别进行峰值信噪比计算；如果两个图像的4个对应区域中峰值信噪比都非常接近（左上对左上、右下对右下），认定多区域峰值信噪比校验成功。

[0075] 上述多区域熵值校验的方法如下（以教师李四为例）：

[0076] 将李四的签字模板图像和阅卷确认签字图像分别进行4等分；对于两个签字图像的4个区域分别进行熵值计算；如果两个图像的4个对应区域熵值都非常接近（左上对左上、右下对右下），认定多区域熵值校验成功。

[0077] 熵值计算的方法步骤如下：

[0078] 计算区域中每个像素点的灰度值；

[0079] 计算某个灰度在该区域中出现的概率；

[0080] 利用公式 对区域熵进行计算。

[0081] S7、根据客观题评阅结果和对应教师的评阅结果生成目标学生的试卷评阅成绩。

[0082] 进一步地，还包括：提取区块链中各位教师的教师信息、试卷图像以及评阅结果，并根据各位教师的评阅结果对各位教师的评阅质量进行评判，生成各位教师的评判结果。

[0083] 在本发明的一些实施例中，如果个别老师出现了判卷重大失误时（误差范围内的无需考虑，通常和其他多位老师差别很大），直接作为误差将该老师的分数去掉，计算其他老师的平均分数即可得出对应学生的成绩。利用上述方法，对学校中的所有学生的试卷进行评阅。同时，由于阅卷核心信息已经上链存证，如果某个老师出现了多次严重判卷失误，可以给与适当的处罚。

[0084] 为了解决现有技术中无法保证较高的评阅精准度的技术问题，本发明在超分辨率重建的基础上，利用多OCR技术互验的方法对试卷内容进行精准识别，提升了试卷内容识别的精准度；并利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，对多位教师的签字进行了有效识别确认，能够更加精准地确认阅卷人的身份，保证评阅的真实有效性。且本发明在阅卷系统中还应用了区块链技术，实现了阅卷核心信息的上链存证，保证数据安全可靠，提升了阅卷系统的安全性和可靠性。同时，结合区块链中存储的核心信息可对评阅教师的评阅工作质量进行评判。

[0085] 如图4所示，第二方面，本发明实施例提供一种基于区块链的智慧教育试卷大数据评阅系统，包括：试卷图像获取模块100、图像重建模块200、答案识别模块300、客观题评阅模块400、主观题评阅模块500、签字验证模块600以及成绩生成模块700，其中：

[0086] 试卷图像获取模块100，用于获取并将目标学生的试卷图像上传到对应的阅卷系统中；

[0087] 图像重建模块200，用于对试卷图像进行超分辨率重建，以得到目标试卷图像；

[0088] 答案识别模块300，用于采用多OCR技术互验的方法对目标试卷图像进行识别，以识别得到答题结果信息；

[0089] 客观题评阅模块400，用于提取并将答题结果信息中的客观题答题内容与预置的正确答案进行比对，生成并根据答案比对结果确定客观题评阅结果；

[0090] 主观题评阅模块500，用于提取并将答题结果信息中的主观题答题内容发送给阅卷系统中对应的多位教师，并获取各位教师的评阅结果和签字图像；

[0091] 签字验证模块600，用于利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，将每位教师的签字图像与预录入的对应教师的签字模板图像进行比对验证，将验证通过的教师的评阅结果上传至对应的阅卷系统中，并将对应的教师信息、试卷图像以及评阅结果上传至区块链中；

[0092] 成绩生成模块700，用于根据客观题评阅结果和对应教师的评阅结果生成目标学生的试卷评阅成绩。

[0093] 为了解决现有技术中无法保证较高的评阅精准度的技术问题，本系统通过试卷图像获取模块100、图像重建模块200、答案识别模块300、客观题评阅模块400、主观题评阅模块500、签字验证模块600以及成绩生成模块700等多个模块的配合，在超分辨率重建的基础上，利用多OCR技术互验的方法对试卷内容进行精准识别，提升了试卷内容识别的精准度；并利用多区域峰值信噪比校验和多区域熵值校验相结合的方法，对多位教师的签字进行了有效识别确认，能够更加精准地确认阅卷人的身份，保证评阅的真实有效性。且本发明在阅卷系统中还应用了区块链技术，实现了阅卷核心信息的上链存证，保证数据安全可靠，提升了阅卷系统的安全性和可靠性。同时，结合区块链中存储的核心信息可对评阅教师的评阅工作质量进行评判。

[0094] 如图5所示，第三方面，本申请实施例提供一种电子设备，其包括存储器101，用于存储一个或多个程序；处理器102。当一个或多个程序被处理器102执行时，实现如上述第一方面中任一项的方法。

[0095] 还包括通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。

[0096] 其中，存储器101可以是但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read‑Only Memory，PROM），可擦除只读存储器（Erasable Programmable Read‑Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read‑Only Memory，EEPROM）等。

[0097] 处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital Signal Processing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

[0098] 在本申请所提供的实施例中，应该理解到，所揭露的方法及系统和方法，也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

[0099] 另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

[0100] 第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read‑Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

[0101] 以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

[0102] 对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。