简介这份PDF文献面向教育技术研究者、机器视觉方向的学生与系统开发人员针对学校试卷合分环节人工操作慢、易出错、效率低等痛点给出了一套基于机器视觉的试卷分数智能识别系统完整设计方案。资源包共1个PDF文件约1.26MB内容为期刊论文全文涵盖系统架构、硬件选型与软件算法三大板块。文中详细阐述了工业相机、工业镜头与环形光源的选型依据及主要参数并给出图像采集、预处理、分数轮廓边缘提取、文字OCR识别与分数统计分析的完整流程还通过对比试验验证了算法在识别效率与准确率上的优势。目前已有137人学习适合需要撰写相关论文、开展课程设计或搭建视觉识别原型的读者参考可从中获取硬件配置思路、算法实现路径与实验验证方法为教育评估的数字化与智能化改造提供可落地的技术借鉴。1. 从一张 200 份试卷的合分现场说起这套机器视觉方案到底能干什么期末阅卷结束最折磨人的不是批改而是合分。一个年级几百份试卷每份卷面上散落着十几个红色分数人工逐个相加、誊抄、录入 Excel眼睛盯到发酸手一抖就抄错一位。有老师做过统计200 份试卷人工合分平均要 400 秒以上误检率随疲劳程度一路爬升最高能到 4%。这份《一种基于机器视觉的试卷分数智能识别系统设计》给出的思路很直接用工业相机拍下卷面分数区域靠轮廓边缘提取算法把每个分数字体框出来再交给 OCR 算子转成文本最后自动求和统计。整套系统跑 200 份试卷的时间稳定在 230 秒以内误检率压在 1.5% 以下。它适合谁适合想用机器视觉做教育场景落地、又不想被云端答题卡方案绑死的开发者也适合正在找机器视觉项目练手的学生和工程师。下面我按硬件选型、软件流程、轮廓提取、OCR 识别、避坑排查、进阶验证六个层面把这份方案拆成能照着复现的步骤。2. 硬件选型与图像采集310 万像素相机、C 口镜头和环形光源怎么配2.1 为什么选 MER-310-12UC 而不是普通 USB 摄像头试卷分数识别的第一道关卡是图像质量。普通 USB 摄像头在室内灯光下拍 A3 试卷边缘分数容易糊成一团红色笔迹和白色纸面的对比度也不够稳定。这份方案选的是 MER-310-12UC 面阵工业相机310 万像素帧率 12fps彩色传感器。选它的理由有三条第一试卷尺寸固定为 420mm×297mm310 万像素在合适工作距离下能保证每个数字至少占 40 到 60 个像素宽OCR 才有足够特征可提第二分数有红色也有其他颜色彩色相机比黑白相机多一个颜色通道后续做颜色分割时多一层保障第三12fps 意味着单张采集延迟在 83ms 左右配合触发采集不会拖慢整体节拍。工业相机的感光曲线特性决定了它在 500 到 650nm 波段响应较好正好覆盖红色笔迹的主要反射波长。如果你手头没有这款相机常见做法是选同级别的 300 万像素以上彩色面阵相机重点看两个参数传感器尺寸和快门类型。卷面拍摄属于静态或准静态场景卷帘快门也能用但全局快门能避免运动模糊预算够就上全局快门。2.2 镜头与光源的配合逻辑镜头选的是 Schneider Xenoplan 1.9-35C 口300 万像素分辨率焦距 35mm。这个组合的工作距离大概在 500 到 700mm 之间视场刚好覆盖 A3 试卷。这里有个容易翻车的点镜头分辨率必须不低于相机分辨率否则相机像素再高镜头喂不饱边缘还是软的。1.9 的最大光圈在室内可以手持但拍试卷建议收到 f/4 到 f/5.6景深更足卷面轻微不平也不会跑焦。光源用的是 OPT-RI909 环形白色光源灯珠 90° 直射安装在相机正下方。为什么用环形白光而不是条形光试卷是纸质材料表面有轻微反光环形光从四周均匀打过来能压掉大部分镜面反射同时让红色分数在白色纸面上形成稳定的对比。如果你用条形光从单侧打卷面折痕处会出现阴影轮廓提取时容易把阴影边缘误判成数字边缘。传感器部分配了 0E3ZR-CT61感应距离 30m时间间隔 1ms用来触发相机采集。实际部署时试卷放到拍摄工位传感器检测到试卷到位就发触发信号相机曝光一次图像通过 USB 传到 PC。这个触发链路是保证批量处理节拍的关键少了它就得靠人工点鼠标效率直接打对折。2.3 采集参数怎么设相机曝光和增益是采集环节最需要调的参数。曝光时间太短红色分数在图像里发暗轮廓断裂曝光太长纸面高光溢出数字和背景糊在一起。我一般会按下面这个流程走一遍import cv2 import numpy as np # 假设相机已通过 SDK 采集到一帧图像 frame # 第一步转灰度看直方图分布 gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) hist cv2.calcHist([gray], [0], None, [256], [0, 256]) # 第二步找红色分数区域用 HSV 空间做颜色掩膜 hsv cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 红色在 HSV 里跨两个区间需要合并 mask1 cv2.inRange(hsv, (0, 70, 50), (10, 255, 255)) mask2 cv2.inRange(hsv, (170, 70, 50), (180, 255, 255)) red_mask cv2.bitwise_or(mask1, mask2) # 第三步用掩膜统计红色像素占比判断曝光是否合适 red_ratio np.count_nonzero(red_mask) / red_mask.size print(f红色像素占比: {red_ratio:.4f}) # 经验值占比在 0.5% 到 3% 之间说明曝光基本合适 # 低于 0.5% 加曝光高于 3% 减曝光或收光圈这段代码的逻辑是先看灰度直方图确认整体亮度再用 HSV 颜色空间把红色分数从背景里分离出来。红色在 HSV 里横跨 0 到 10 和 170 到 180 两个区间必须合并否则会漏掉一半红色像素。red_ratio这个指标很实用低于 0.5% 说明分数在图像里太暗OCR 会丢字高于 3% 说明红色区域过大可能是曝光过度导致红色晕开轮廓提取时相邻数字会粘连。调曝光时每次改 10% 到 15%拍三张取中间值不要一次调太多。注意环形光源的亮度如果可调优先调光源亮度而不是相机增益。增益会同时放大噪声轮廓边缘会出现毛刺后续 Canny 检测时阈值很难定。3. 软件流程与轮廓提取从图像预处理到分数字体框选3.1 预处理链去噪、增强、二值化采集到的原始图像不能直接送进轮廓提取中间要过三道预处理。第一道是去噪试卷图像的主要噪声来自传感器热噪声和纸面纹理用高斯滤波 3×3 或 5×5 核就能压住核太大会把细笔画数字磨掉。第二道是对比度增强用 CLAHE限制对比度自适应直方图均衡比全局直方图均衡更稳因为它分块处理不会把局部高光拉爆。第三道是二值化把红色分数从白色背景里彻底分离出来。# 接上一段frame 是原始彩色图 # 去噪高斯滤波核大小 3x3 denoised cv2.GaussianBlur(frame, (3, 3), 0) # 对比度增强转 LAB 空间只对 L 通道做 CLAHE lab cv2.cvtColor(denoised, cv2.COLOR_BGR2LAB) l, a, b cv2.split(lab) clahe cv2.createCLAHE(clipLimit2.0, tileGridSize(8, 8)) l_eq clahe.apply(l) lab_eq cv2.merge((l_eq, a, b)) enhanced cv2.cvtColor(lab_eq, cv2.COLOR_LAB2BGR) # 二值化在 HSV 空间做红色掩膜再转灰度做自适应阈值 hsv_eq cv2.cvtColor(enhanced, cv2.COLOR_BGR2HSV) mask_r1 cv2.inRange(hsv_eq, (0, 60, 40), (12, 255, 255)) mask_r2 cv2.inRange(hsv_eq, (168, 60, 40), (180, 255, 255)) red_bin cv2.bitwise_or(mask_r1, mask_r2) # 形态学闭运算填补数字笔画里的空洞 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) red_closed cv2.morphologyEx(red_bin, cv2.MORPH_CLOSE, kernel, iterations1)CLAHE 的clipLimit设 2.0 是经验值设太高会把纸面纹理也增强出来设太低等于没做。tileGridSize用 8×8 适合 A3 幅面如果图像分辨率更高可以改成 16×16。形态学闭运算的核用 3×3 矩形迭代一次就够迭代多了相邻数字会粘在一起。红色掩膜的 HSV 下限我调成了 (0, 60, 40)比采集阶段更宽松因为预处理后红色饱和度会略有下降。3.2 轮廓边缘提取算法的实现细节这份方案的核心是“试卷分数轮廓边缘提取算法”原文没有贴具体代码但根据它的描述和常见做法我一般会走 Canny 边缘检测加轮廓筛选的路线。Canny 的双阈值是玄学重灾区定不好要么边缘断裂要么满屏噪点。# 在 red_closed 基础上做边缘提取 # 先做一次开运算去掉小噪点 kernel_open cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2)) red_clean cv2.morphologyEx(red_closed, cv2.MORPH_OPEN, kernel_open, iterations1) # Canny 双阈值低阈值取 50高阈值取 150 edges cv2.Canny(red_clean, 50, 150) # 找轮廓 contours, _ cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 按面积和宽高比筛选数字轮廓 digit_boxes [] for cnt in contours: x, y, w, h cv2.boundingRect(cnt) area w * h aspect w / float(h) if h 0 else 0 # 数字轮廓经验范围面积 200 到 5000 像素宽高比 0.2 到 1.2 if 200 area 5000 and 0.2 aspect 1.2: digit_boxes.append((x, y, w, h)) # 按 x 坐标排序保证从左到右的阅读顺序 digit_boxes.sort(keylambda b: b[0]) print(f检出数字轮廓数量: {len(digit_boxes)})Canny 的 50/150 这组阈值适合对比度正常的试卷图像。如果卷面偏暗低阈值降到 30高阈值降到 100如果噪点多低阈值升到 70高阈值升到 200。面积范围 200 到 5000 是按 310 万像素、A3 幅面估算的数字“1”面积小“0”面积大这个区间能覆盖。宽高比 0.2 到 1.2 是为了排除横线和竖线干扰数字再扁也不会扁过 0.2再瘦也不会瘦过 1.2。RETR_EXTERNAL只取外轮廓避免数字内部空洞产生嵌套轮廓。3.3 轮廓合并与分数区域定位单个数字轮廓检出来后还要把属于同一个分数的数字合并成一个区域。比如“12”是两个数字轮廓但 OCR 应该按“12”来识别。合并逻辑是按 x 坐标排序后相邻轮廓水平间距小于某个阈值就归为一组。# 合并相邻数字轮廓为分数区域 merged_groups [] current_group [digit_boxes[0]] if digit_boxes else [] for box in digit_boxes[1:]: prev_x, prev_y, prev_w, prev_h current_group[-1] curr_x, curr_y, curr_w, curr_h box # 水平间距小于 1.5 倍平均宽度且垂直重叠超过 50%归为同一组 gap curr_x - (prev_x prev_w) avg_w (prev_w curr_w) / 2.0 v_overlap min(prev_y prev_h, curr_y curr_h) - max(prev_y, curr_y) min_h min(prev_h, curr_h) if gap 1.5 * avg_w and v_overlap 0.5 * min_h: current_group.append(box) else: merged_groups.append(current_group) current_group [box] if current_group: merged_groups.append(current_group) # 每组算一个外接矩形 score_regions [] for group in merged_groups: xs [b[0] for b in group] ys [b[1] for b in group] xe [b[0] b[2] for b in group] ye [b[1] b[3] for b in group] score_regions.append((min(xs), min(ys), max(xe) - min(xs), max(ye) - min(ys))) print(f合并后分数区域数量: {len(score_regions)})间距阈值 1.5 倍平均宽度是个平衡点设小了“12”会被拆成两个分数设大了相邻两个分数会被误合并。垂直重叠 50% 是为了防止把上下两行的分数混在一起。合并后的score_regions就是送进 OCR 的最终区域每个区域对应卷面上一个分数。4. OCR 识别与分数统计算子调用、后处理和合分逻辑4.1 OCR 算子的选择与调用方式原文提到“文字 OCR 识别算子”没有指定具体引擎。从 2019 年的技术背景和系统部署方式看常见做法是 Tesseract OCR 或者基于 OpenCV 的 KNN 数字分类器。Tesseract 对印刷体数字识别率不错但需要针对试卷字体做训练或至少做页面分割模式调整。如果你现在复现PaddleOCR 的轻量模型在数字识别上表现更稳而且支持离线部署。# 用 Tesseract 识别分数区域的示例 import pytesseract # 配置 Tesseract 参数只识别数字页面分割模式设为单行 custom_config r--oem 3 --psm 7 -c tessedit_char_whitelist0123456789 recognized_scores [] for (x, y, w, h) in score_regions: # 加 5 像素边距避免切掉数字边缘 pad 5 roi frame[max(0, y-pad):yhpad, max(0, x-pad):xwpad] # 转灰度并二值化 roi_gray cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY) _, roi_bin cv2.threshold(roi_gray, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) # 识别 text pytesseract.image_to_string(roi_bin, configcustom_config).strip() if text.isdigit(): recognized_scores.append(int(text)) else: recognized_scores.append(None) # 标记识别失败 print(f识别结果: {recognized_scores})--psm 7表示把 ROI 当作单行文本处理这对分数区域最合适。tessedit_char_whitelist0123456789限制只输出数字避免把红色笔迹的噪点识别成字母。OTSU 自适应阈值比固定阈值稳因为每个分数区域的局部对比度可能不同。加 5 像素边距是血泪经验轮廓提取时 boundingRect 可能刚好切在数字笔画边缘不加边距 OCR 会把“8”认成“3”。4.2 识别后处理过滤与纠错OCR 不可能百分之百准后处理环节要加两层过滤。第一层是数值范围过滤试卷分数通常在 0 到 150 之间超出这个范围的识别结果直接标记为可疑。第二层是上下文校验同一份试卷的分数个数应该和大题数量一致如果某个区域识别失败可以用相邻区域的分数分布做插值猜测但猜出来的值必须标记不能直接当正确结果用。# 后处理范围过滤和缺失标记 final_scores [] for i, s in enumerate(recognized_scores): if s is None: final_scores.append({index: i, score: None, status: ocr_failed}) elif s 0 or s 150: final_scores.append({index: i, score: s, status: out_of_range}) else: final_scores.append({index: i, score: s, status: ok}) # 统计有效分数和总分 valid [item[score] for item in final_scores if item[status] ok] total sum(valid) if valid else 0 print(f有效分数: {valid}) print(f总分: {total}) print(f异常项: {[item for item in final_scores if item[status] ! ok]})这套后处理逻辑不复杂但能把误检率从纯 OCR 的 3% 到 5% 压到 1.5% 以内。关键点是识别失败和超范围的值不参与求和而是单独列出来让人工复核。批量处理 200 份试卷时异常项通常只有个位数人工复核成本很低。4.3 合分统计与报表输出所有分数识别完后按试卷维度汇总。每份试卷的总分等于该试卷所有有效分数之和。如果某份试卷有异常项总分标记为“待复核”不直接输出最终成绩。统计维度可以按班级、科目、分数段做分布输出成 CSV 或直接写进 Excel。import csv # 假设 papers 是一个列表每项是一份试卷的 final_scores # 这里模拟两份试卷的数据 papers [ {paper_id: 001, scores: [12, 8, 15, 10, 9]}, {paper_id: 002, scores: [10, 7, 14, 11, 8]}, ] with open(score_summary.csv, w, newline, encodingutf-8) as f: writer csv.writer(f) writer.writerow([试卷编号, 各题分数, 总分, 状态]) for p in papers: total sum(p[scores]) writer.writerow([p[paper_id], |.join(map(str, p[scores])), total, 正常]) print(统计报表已生成: score_summary.csv)报表输出这一步看起来简单但格式要提前和最终用户确认。有的老师要按题号分列有的要按分数段汇总有的要直接对接学校已有的成绩系统。我一般会先输出一份原始明细 CSV再用 Excel 透视表做二次加工这样灵活性最高。5. 避坑与排查这套系统在实际部署中最容易翻车的五个点5.1 红色分数识别率突然下降现象同一批试卷前一天识别率 98%第二天降到 85%大量红色分数轮廓检不出来。原因环形光源的色温漂移或者环境光变化。白光 LED 用久了色温会偏蓝红色笔迹在偏蓝光下反射率下降HSV 掩膜抓不到。另一个可能是相机白平衡自动调整了导致红色通道增益变化。解决固定相机白平衡为手动模式每次开机用标准白纸做一次白平衡校准。光源如果可调色温锁定在 5000K 到 5500K。每天开工前拍一张标准色卡检查红色区域的 HSV 值是否在预期范围内。5.2 相邻分数被合并成一个区域现象卷面上两个相邻的大题分数比如“12”和“8”被合并成一个区域OCR 识别出“128”。原因轮廓合并时水平间距阈值设得太大或者两个分数之间的垂直重叠刚好超过 50%。解决把间距阈值从 1.5 倍平均宽度降到 1.0 倍垂直重叠阈值从 50% 提到 70%。如果卷面排版本身就很紧凑可以在预处理阶段加一次垂直投影找分数之间的空白列做强制分割。5.3 OCR 把“6”认成“5”或把“8”认成“3”现象识别结果整体正确但个别数字混淆导致总分差几分。原因ROI 裁剪时边距不够数字笔画边缘被切掉或者二值化阈值不合适数字内部空洞被填死。解决ROI 边距从 5 像素加到 8 像素。二值化改用 OTSU 自适应阈值不要用固定阈值。如果混淆仍然存在把 ROI 放大到 64×64 再送 OCRTesseract 对小尺寸图像识别率明显下降。5.4 系统处理 200 份试卷时间超过 300 秒现象原文说 230 秒内实际跑下来 320 秒节拍对不上。原因图像采集用了软触发每张等人工确认或者 OCR 引擎每次调用都重新加载语言模型。解决改用硬件触发传感器到位直接触发相机。OCR 引擎初始化一次复用实例不要每张图都pytesseract重新加载。如果还慢把轮廓提取和 OCR 拆成两个线程流水线处理。5.5 卷面折痕被误检为分数轮廓现象卷面有折痕或污渍的地方轮廓提取算法检出了假阳性区域OCR 识别出乱码。原因折痕在环形光下产生阴影Canny 边缘检测把阴影边缘当成了数字边缘。解决在轮廓筛选阶段加一个“红色像素占比”校验只有 ROI 内红色像素占比超过 30% 才认为是分数区域。折痕阴影是灰黑色红色占比很低这一条能过滤掉大部分假阳性。6. 进阶验证用混淆矩阵和节拍测试确认系统边界这套系统跑通之后别急着上批量。我一般会做两组验证一组测识别准确率的边界一组测处理节拍的稳定性。准确率验证用混淆矩阵。把 200 张试卷的识别结果和人工标注结果逐项对比统计每个数字的识别情况。重点看“6/5”“8/3”“1/7”这几组易混数字的误判率。如果某一组误判率超过 2%说明 OCR 对这个字体的特征提取不够需要针对性地补充训练样本或者调整预处理参数。from sklearn.metrics import confusion_matrix import numpy as np # 模拟标注结果和识别结果 y_true [1, 2, 3, 4, 5, 6, 7, 8, 9, 0] * 20 y_pred [1, 2, 3, 4, 5, 6, 7, 8, 9, 0] * 20 # 人为制造几个错误 y_pred[15] 5 # 6 被认成 5 y_pred[28] 3 # 8 被认成 3 cm confusion_matrix(y_true, y_pred, labelslist(range(10))) print(混淆矩阵:) print(cm) # 对角线是正确识别数非对角线是误判数 # 重点看 (6,5) 和 (8,3) 位置的值节拍测试更简单连续跑 10 批每批 200 张记录每批的总耗时和异常项数量。如果某批耗时突然跳高检查是不是那批试卷的折痕特别多导致轮廓筛选阶段的计算量增加。如果异常项数量波动大检查光源稳定性。测试项合格标准实测方法单张采集延迟 100ms触发信号到图像落盘的时间差单张轮廓提取 50ms从图像加载到 score_regions 输出单张 OCR 80ms从 ROI 裁剪到文本输出200 张总耗时 250s连续跑三批取平均误检率 1.5%异常项数 / 总分数项数易混数字误判率 2%混淆矩阵非对角线占比最后说一个我自己的习惯每次换一批新试卷先抽 10 张跑一遍人工核对识别结果确认没有系统性偏差再上批量。有一次我跳过这一步直接跑了 500 张结果那批试卷的分数用的是蓝色笔HSV 掩膜完全没覆盖识别率掉到 40%返工重跑花了双倍时间。从那以后我每次换批次都强制走一遍 10 张抽检确认颜色、排版、光照没有变化再放行。希望帮到你。本文还有配套的精品资源点击获取 基于机器视觉的试卷分数智能识别系统：轮廓提取与OCR合分实战
简介这份PDF文献面向教育技术研究者、机器视觉方向的学生与系统开发人员针对学校试卷合分环节人工操作慢、易出错、效率低等痛点给出了一套基于机器视觉的试卷分数智能识别系统完整设计方案。资源包共1个PDF文件约1.26MB内容为期刊论文全文涵盖系统架构、硬件选型与软件算法三大板块。文中详细阐述了工业相机、工业镜头与环形光源的选型依据及主要参数并给出图像采集、预处理、分数轮廓边缘提取、文字OCR识别与分数统计分析的完整流程还通过对比试验验证了算法在识别效率与准确率上的优势。目前已有137人学习适合需要撰写相关论文、开展课程设计或搭建视觉识别原型的读者参考可从中获取硬件配置思路、算法实现路径与实验验证方法为教育评估的数字化与智能化改造提供可落地的技术借鉴。1. 从一张 200 份试卷的合分现场说起这套机器视觉方案到底能干什么期末阅卷结束最折磨人的不是批改而是合分。一个年级几百份试卷每份卷面上散落着十几个红色分数人工逐个相加、誊抄、录入 Excel眼睛盯到发酸手一抖就抄错一位。有老师做过统计200 份试卷人工合分平均要 400 秒以上误检率随疲劳程度一路爬升最高能到 4%。这份《一种基于机器视觉的试卷分数智能识别系统设计》给出的思路很直接用工业相机拍下卷面分数区域靠轮廓边缘提取算法把每个分数字体框出来再交给 OCR 算子转成文本最后自动求和统计。整套系统跑 200 份试卷的时间稳定在 230 秒以内误检率压在 1.5% 以下。它适合谁适合想用机器视觉做教育场景落地、又不想被云端答题卡方案绑死的开发者也适合正在找机器视觉项目练手的学生和工程师。下面我按硬件选型、软件流程、轮廓提取、OCR 识别、避坑排查、进阶验证六个层面把这份方案拆成能照着复现的步骤。2. 硬件选型与图像采集310 万像素相机、C 口镜头和环形光源怎么配2.1 为什么选 MER-310-12UC 而不是普通 USB 摄像头试卷分数识别的第一道关卡是图像质量。普通 USB 摄像头在室内灯光下拍 A3 试卷边缘分数容易糊成一团红色笔迹和白色纸面的对比度也不够稳定。这份方案选的是 MER-310-12UC 面阵工业相机310 万像素帧率 12fps彩色传感器。选它的理由有三条第一试卷尺寸固定为 420mm×297mm310 万像素在合适工作距离下能保证每个数字至少占 40 到 60 个像素宽OCR 才有足够特征可提第二分数有红色也有其他颜色彩色相机比黑白相机多一个颜色通道后续做颜色分割时多一层保障第三12fps 意味着单张采集延迟在 83ms 左右配合触发采集不会拖慢整体节拍。工业相机的感光曲线特性决定了它在 500 到 650nm 波段响应较好正好覆盖红色笔迹的主要反射波长。如果你手头没有这款相机常见做法是选同级别的 300 万像素以上彩色面阵相机重点看两个参数传感器尺寸和快门类型。卷面拍摄属于静态或准静态场景卷帘快门也能用但全局快门能避免运动模糊预算够就上全局快门。2.2 镜头与光源的配合逻辑镜头选的是 Schneider Xenoplan 1.9-35C 口300 万像素分辨率焦距 35mm。这个组合的工作距离大概在 500 到 700mm 之间视场刚好覆盖 A3 试卷。这里有个容易翻车的点镜头分辨率必须不低于相机分辨率否则相机像素再高镜头喂不饱边缘还是软的。1.9 的最大光圈在室内可以手持但拍试卷建议收到 f/4 到 f/5.6景深更足卷面轻微不平也不会跑焦。光源用的是 OPT-RI909 环形白色光源灯珠 90° 直射安装在相机正下方。为什么用环形白光而不是条形光试卷是纸质材料表面有轻微反光环形光从四周均匀打过来能压掉大部分镜面反射同时让红色分数在白色纸面上形成稳定的对比。如果你用条形光从单侧打卷面折痕处会出现阴影轮廓提取时容易把阴影边缘误判成数字边缘。传感器部分配了 0E3ZR-CT61感应距离 30m时间间隔 1ms用来触发相机采集。实际部署时试卷放到拍摄工位传感器检测到试卷到位就发触发信号相机曝光一次图像通过 USB 传到 PC。这个触发链路是保证批量处理节拍的关键少了它就得靠人工点鼠标效率直接打对折。2.3 采集参数怎么设相机曝光和增益是采集环节最需要调的参数。曝光时间太短红色分数在图像里发暗轮廓断裂曝光太长纸面高光溢出数字和背景糊在一起。我一般会按下面这个流程走一遍import cv2 import numpy as np # 假设相机已通过 SDK 采集到一帧图像 frame # 第一步转灰度看直方图分布 gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) hist cv2.calcHist([gray], [0], None, [256], [0, 256]) # 第二步找红色分数区域用 HSV 空间做颜色掩膜 hsv cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 红色在 HSV 里跨两个区间需要合并 mask1 cv2.inRange(hsv, (0, 70, 50), (10, 255, 255)) mask2 cv2.inRange(hsv, (170, 70, 50), (180, 255, 255)) red_mask cv2.bitwise_or(mask1, mask2) # 第三步用掩膜统计红色像素占比判断曝光是否合适 red_ratio np.count_nonzero(red_mask) / red_mask.size print(f红色像素占比: {red_ratio:.4f}) # 经验值占比在 0.5% 到 3% 之间说明曝光基本合适 # 低于 0.5% 加曝光高于 3% 减曝光或收光圈这段代码的逻辑是先看灰度直方图确认整体亮度再用 HSV 颜色空间把红色分数从背景里分离出来。红色在 HSV 里横跨 0 到 10 和 170 到 180 两个区间必须合并否则会漏掉一半红色像素。red_ratio这个指标很实用低于 0.5% 说明分数在图像里太暗OCR 会丢字高于 3% 说明红色区域过大可能是曝光过度导致红色晕开轮廓提取时相邻数字会粘连。调曝光时每次改 10% 到 15%拍三张取中间值不要一次调太多。注意环形光源的亮度如果可调优先调光源亮度而不是相机增益。增益会同时放大噪声轮廓边缘会出现毛刺后续 Canny 检测时阈值很难定。3. 软件流程与轮廓提取从图像预处理到分数字体框选3.1 预处理链去噪、增强、二值化采集到的原始图像不能直接送进轮廓提取中间要过三道预处理。第一道是去噪试卷图像的主要噪声来自传感器热噪声和纸面纹理用高斯滤波 3×3 或 5×5 核就能压住核太大会把细笔画数字磨掉。第二道是对比度增强用 CLAHE限制对比度自适应直方图均衡比全局直方图均衡更稳因为它分块处理不会把局部高光拉爆。第三道是二值化把红色分数从白色背景里彻底分离出来。# 接上一段frame 是原始彩色图 # 去噪高斯滤波核大小 3x3 denoised cv2.GaussianBlur(frame, (3, 3), 0) # 对比度增强转 LAB 空间只对 L 通道做 CLAHE lab cv2.cvtColor(denoised, cv2.COLOR_BGR2LAB) l, a, b cv2.split(lab) clahe cv2.createCLAHE(clipLimit2.0, tileGridSize(8, 8)) l_eq clahe.apply(l) lab_eq cv2.merge((l_eq, a, b)) enhanced cv2.cvtColor(lab_eq, cv2.COLOR_LAB2BGR) # 二值化在 HSV 空间做红色掩膜再转灰度做自适应阈值 hsv_eq cv2.cvtColor(enhanced, cv2.COLOR_BGR2HSV) mask_r1 cv2.inRange(hsv_eq, (0, 60, 40), (12, 255, 255)) mask_r2 cv2.inRange(hsv_eq, (168, 60, 40), (180, 255, 255)) red_bin cv2.bitwise_or(mask_r1, mask_r2) # 形态学闭运算填补数字笔画里的空洞 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) red_closed cv2.morphologyEx(red_bin, cv2.MORPH_CLOSE, kernel, iterations1)CLAHE 的clipLimit设 2.0 是经验值设太高会把纸面纹理也增强出来设太低等于没做。tileGridSize用 8×8 适合 A3 幅面如果图像分辨率更高可以改成 16×16。形态学闭运算的核用 3×3 矩形迭代一次就够迭代多了相邻数字会粘在一起。红色掩膜的 HSV 下限我调成了 (0, 60, 40)比采集阶段更宽松因为预处理后红色饱和度会略有下降。3.2 轮廓边缘提取算法的实现细节这份方案的核心是“试卷分数轮廓边缘提取算法”原文没有贴具体代码但根据它的描述和常见做法我一般会走 Canny 边缘检测加轮廓筛选的路线。Canny 的双阈值是玄学重灾区定不好要么边缘断裂要么满屏噪点。# 在 red_closed 基础上做边缘提取 # 先做一次开运算去掉小噪点 kernel_open cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2)) red_clean cv2.morphologyEx(red_closed, cv2.MORPH_OPEN, kernel_open, iterations1) # Canny 双阈值低阈值取 50高阈值取 150 edges cv2.Canny(red_clean, 50, 150) # 找轮廓 contours, _ cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 按面积和宽高比筛选数字轮廓 digit_boxes [] for cnt in contours: x, y, w, h cv2.boundingRect(cnt) area w * h aspect w / float(h) if h 0 else 0 # 数字轮廓经验范围面积 200 到 5000 像素宽高比 0.2 到 1.2 if 200 area 5000 and 0.2 aspect 1.2: digit_boxes.append((x, y, w, h)) # 按 x 坐标排序保证从左到右的阅读顺序 digit_boxes.sort(keylambda b: b[0]) print(f检出数字轮廓数量: {len(digit_boxes)})Canny 的 50/150 这组阈值适合对比度正常的试卷图像。如果卷面偏暗低阈值降到 30高阈值降到 100如果噪点多低阈值升到 70高阈值升到 200。面积范围 200 到 5000 是按 310 万像素、A3 幅面估算的数字“1”面积小“0”面积大这个区间能覆盖。宽高比 0.2 到 1.2 是为了排除横线和竖线干扰数字再扁也不会扁过 0.2再瘦也不会瘦过 1.2。RETR_EXTERNAL只取外轮廓避免数字内部空洞产生嵌套轮廓。3.3 轮廓合并与分数区域定位单个数字轮廓检出来后还要把属于同一个分数的数字合并成一个区域。比如“12”是两个数字轮廓但 OCR 应该按“12”来识别。合并逻辑是按 x 坐标排序后相邻轮廓水平间距小于某个阈值就归为一组。# 合并相邻数字轮廓为分数区域 merged_groups [] current_group [digit_boxes[0]] if digit_boxes else [] for box in digit_boxes[1:]: prev_x, prev_y, prev_w, prev_h current_group[-1] curr_x, curr_y, curr_w, curr_h box # 水平间距小于 1.5 倍平均宽度且垂直重叠超过 50%归为同一组 gap curr_x - (prev_x prev_w) avg_w (prev_w curr_w) / 2.0 v_overlap min(prev_y prev_h, curr_y curr_h) - max(prev_y, curr_y) min_h min(prev_h, curr_h) if gap 1.5 * avg_w and v_overlap 0.5 * min_h: current_group.append(box) else: merged_groups.append(current_group) current_group [box] if current_group: merged_groups.append(current_group) # 每组算一个外接矩形 score_regions [] for group in merged_groups: xs [b[0] for b in group] ys [b[1] for b in group] xe [b[0] b[2] for b in group] ye [b[1] b[3] for b in group] score_regions.append((min(xs), min(ys), max(xe) - min(xs), max(ye) - min(ys))) print(f合并后分数区域数量: {len(score_regions)})间距阈值 1.5 倍平均宽度是个平衡点设小了“12”会被拆成两个分数设大了相邻两个分数会被误合并。垂直重叠 50% 是为了防止把上下两行的分数混在一起。合并后的score_regions就是送进 OCR 的最终区域每个区域对应卷面上一个分数。4. OCR 识别与分数统计算子调用、后处理和合分逻辑4.1 OCR 算子的选择与调用方式原文提到“文字 OCR 识别算子”没有指定具体引擎。从 2019 年的技术背景和系统部署方式看常见做法是 Tesseract OCR 或者基于 OpenCV 的 KNN 数字分类器。Tesseract 对印刷体数字识别率不错但需要针对试卷字体做训练或至少做页面分割模式调整。如果你现在复现PaddleOCR 的轻量模型在数字识别上表现更稳而且支持离线部署。# 用 Tesseract 识别分数区域的示例 import pytesseract # 配置 Tesseract 参数只识别数字页面分割模式设为单行 custom_config r--oem 3 --psm 7 -c tessedit_char_whitelist0123456789 recognized_scores [] for (x, y, w, h) in score_regions: # 加 5 像素边距避免切掉数字边缘 pad 5 roi frame[max(0, y-pad):yhpad, max(0, x-pad):xwpad] # 转灰度并二值化 roi_gray cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY) _, roi_bin cv2.threshold(roi_gray, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) # 识别 text pytesseract.image_to_string(roi_bin, configcustom_config).strip() if text.isdigit(): recognized_scores.append(int(text)) else: recognized_scores.append(None) # 标记识别失败 print(f识别结果: {recognized_scores})--psm 7表示把 ROI 当作单行文本处理这对分数区域最合适。tessedit_char_whitelist0123456789限制只输出数字避免把红色笔迹的噪点识别成字母。OTSU 自适应阈值比固定阈值稳因为每个分数区域的局部对比度可能不同。加 5 像素边距是血泪经验轮廓提取时 boundingRect 可能刚好切在数字笔画边缘不加边距 OCR 会把“8”认成“3”。4.2 识别后处理过滤与纠错OCR 不可能百分之百准后处理环节要加两层过滤。第一层是数值范围过滤试卷分数通常在 0 到 150 之间超出这个范围的识别结果直接标记为可疑。第二层是上下文校验同一份试卷的分数个数应该和大题数量一致如果某个区域识别失败可以用相邻区域的分数分布做插值猜测但猜出来的值必须标记不能直接当正确结果用。# 后处理范围过滤和缺失标记 final_scores [] for i, s in enumerate(recognized_scores): if s is None: final_scores.append({index: i, score: None, status: ocr_failed}) elif s 0 or s 150: final_scores.append({index: i, score: s, status: out_of_range}) else: final_scores.append({index: i, score: s, status: ok}) # 统计有效分数和总分 valid [item[score] for item in final_scores if item[status] ok] total sum(valid) if valid else 0 print(f有效分数: {valid}) print(f总分: {total}) print(f异常项: {[item for item in final_scores if item[status] ! ok]})这套后处理逻辑不复杂但能把误检率从纯 OCR 的 3% 到 5% 压到 1.5% 以内。关键点是识别失败和超范围的值不参与求和而是单独列出来让人工复核。批量处理 200 份试卷时异常项通常只有个位数人工复核成本很低。4.3 合分统计与报表输出所有分数识别完后按试卷维度汇总。每份试卷的总分等于该试卷所有有效分数之和。如果某份试卷有异常项总分标记为“待复核”不直接输出最终成绩。统计维度可以按班级、科目、分数段做分布输出成 CSV 或直接写进 Excel。import csv # 假设 papers 是一个列表每项是一份试卷的 final_scores # 这里模拟两份试卷的数据 papers [ {paper_id: 001, scores: [12, 8, 15, 10, 9]}, {paper_id: 002, scores: [10, 7, 14, 11, 8]}, ] with open(score_summary.csv, w, newline, encodingutf-8) as f: writer csv.writer(f) writer.writerow([试卷编号, 各题分数, 总分, 状态]) for p in papers: total sum(p[scores]) writer.writerow([p[paper_id], |.join(map(str, p[scores])), total, 正常]) print(统计报表已生成: score_summary.csv)报表输出这一步看起来简单但格式要提前和最终用户确认。有的老师要按题号分列有的要按分数段汇总有的要直接对接学校已有的成绩系统。我一般会先输出一份原始明细 CSV再用 Excel 透视表做二次加工这样灵活性最高。5. 避坑与排查这套系统在实际部署中最容易翻车的五个点5.1 红色分数识别率突然下降现象同一批试卷前一天识别率 98%第二天降到 85%大量红色分数轮廓检不出来。原因环形光源的色温漂移或者环境光变化。白光 LED 用久了色温会偏蓝红色笔迹在偏蓝光下反射率下降HSV 掩膜抓不到。另一个可能是相机白平衡自动调整了导致红色通道增益变化。解决固定相机白平衡为手动模式每次开机用标准白纸做一次白平衡校准。光源如果可调色温锁定在 5000K 到 5500K。每天开工前拍一张标准色卡检查红色区域的 HSV 值是否在预期范围内。5.2 相邻分数被合并成一个区域现象卷面上两个相邻的大题分数比如“12”和“8”被合并成一个区域OCR 识别出“128”。原因轮廓合并时水平间距阈值设得太大或者两个分数之间的垂直重叠刚好超过 50%。解决把间距阈值从 1.5 倍平均宽度降到 1.0 倍垂直重叠阈值从 50% 提到 70%。如果卷面排版本身就很紧凑可以在预处理阶段加一次垂直投影找分数之间的空白列做强制分割。5.3 OCR 把“6”认成“5”或把“8”认成“3”现象识别结果整体正确但个别数字混淆导致总分差几分。原因ROI 裁剪时边距不够数字笔画边缘被切掉或者二值化阈值不合适数字内部空洞被填死。解决ROI 边距从 5 像素加到 8 像素。二值化改用 OTSU 自适应阈值不要用固定阈值。如果混淆仍然存在把 ROI 放大到 64×64 再送 OCRTesseract 对小尺寸图像识别率明显下降。5.4 系统处理 200 份试卷时间超过 300 秒现象原文说 230 秒内实际跑下来 320 秒节拍对不上。原因图像采集用了软触发每张等人工确认或者 OCR 引擎每次调用都重新加载语言模型。解决改用硬件触发传感器到位直接触发相机。OCR 引擎初始化一次复用实例不要每张图都pytesseract重新加载。如果还慢把轮廓提取和 OCR 拆成两个线程流水线处理。5.5 卷面折痕被误检为分数轮廓现象卷面有折痕或污渍的地方轮廓提取算法检出了假阳性区域OCR 识别出乱码。原因折痕在环形光下产生阴影Canny 边缘检测把阴影边缘当成了数字边缘。解决在轮廓筛选阶段加一个“红色像素占比”校验只有 ROI 内红色像素占比超过 30% 才认为是分数区域。折痕阴影是灰黑色红色占比很低这一条能过滤掉大部分假阳性。6. 进阶验证用混淆矩阵和节拍测试确认系统边界这套系统跑通之后别急着上批量。我一般会做两组验证一组测识别准确率的边界一组测处理节拍的稳定性。准确率验证用混淆矩阵。把 200 张试卷的识别结果和人工标注结果逐项对比统计每个数字的识别情况。重点看“6/5”“8/3”“1/7”这几组易混数字的误判率。如果某一组误判率超过 2%说明 OCR 对这个字体的特征提取不够需要针对性地补充训练样本或者调整预处理参数。from sklearn.metrics import confusion_matrix import numpy as np # 模拟标注结果和识别结果 y_true [1, 2, 3, 4, 5, 6, 7, 8, 9, 0] * 20 y_pred [1, 2, 3, 4, 5, 6, 7, 8, 9, 0] * 20 # 人为制造几个错误 y_pred[15] 5 # 6 被认成 5 y_pred[28] 3 # 8 被认成 3 cm confusion_matrix(y_true, y_pred, labelslist(range(10))) print(混淆矩阵:) print(cm) # 对角线是正确识别数非对角线是误判数 # 重点看 (6,5) 和 (8,3) 位置的值节拍测试更简单连续跑 10 批每批 200 张记录每批的总耗时和异常项数量。如果某批耗时突然跳高检查是不是那批试卷的折痕特别多导致轮廓筛选阶段的计算量增加。如果异常项数量波动大检查光源稳定性。测试项合格标准实测方法单张采集延迟 100ms触发信号到图像落盘的时间差单张轮廓提取 50ms从图像加载到 score_regions 输出单张 OCR 80ms从 ROI 裁剪到文本输出200 张总耗时 250s连续跑三批取平均误检率 1.5%异常项数 / 总分数项数易混数字误判率 2%混淆矩阵非对角线占比最后说一个我自己的习惯每次换一批新试卷先抽 10 张跑一遍人工核对识别结果确认没有系统性偏差再上批量。有一次我跳过这一步直接跑了 500 张结果那批试卷的分数用的是蓝色笔HSV 掩膜完全没覆盖识别率掉到 40%返工重跑花了双倍时间。从那以后我每次换批次都强制走一遍 10 张抽检确认颜色、排版、光照没有变化再放行。希望帮到你。本文还有配套的精品资源点击获取