Đề tài nghiên cứu: Nhập điểm tự động bài thi giấy bằng xử lý ảnh & AI – Lê Nhật Tường, SPKT

Giải pháp chấm thi tự động bằng AI giúp nhập điểm bài thi giấy nhanh chóng, chính xác, tiết kiệm thời gian và công sức cho giáo viên.

• Tác giả: Lê Nhật Tường
• Người hướng dẫn: TS. Trần Nhật Quang
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Xây Dựng Giải Pháp Nhập Điểm Tự Động Cho Bài Thi Trên Giấy Sử Dụng Các Thuật Toán Xử Lý Và Nhận Dạng Ảnh Số
• Loại tài liệu: Đề Tài Nghiên Cứu Khoa Học Của Sinh Viên
• Năm xuất bản: 2021
• Địa điểm: Thành Phố Hồ Chí Minh

Tóm tắt

I. Giới thiệu về chấm thi tự động với công nghệ AI

Chấm thi tự động là giải pháp hiện đại sử dụng trí tuệ nhân tạo để nhập điểm bài thi giấy một cách nhanh chóng và chính xác. Công nghệ này dựa trên các thuật toán xử lý ảnh và nhận dạng ảnh số để tự động phân tích, nhận diện và ghi nhận kết quả từ bài thi giấy mà không cần nhập liệu thủ công. Giải pháp chấm thi tự động đã được các trường đại học danh tiếng như Trường ĐH Sư Phạm Kỹ Thuật TPHCM phát triển và áp dụng thành công. Hệ thống này giúp giảm thiểu sai sót trong nhập điểm, tiết kiệm thời gian quý báu của cán bộ chấm thi, đồng thời nâng cao hiệu quả công tác quản lý giáo dục.

1.1. Khái niệm chấm thi tự động

Chấm thi tự động là quy trình sử dụng công nghệ nhân tạo để nhập điểm từ bài thi giấy mà không cần can thiệp thủ công. Hệ thống này hoạt động bằng cách quét ảnh bài thi, phân tích các vùng chứa mã số sinh viên và kết quả điểm số, sau đó sử dụng mô hình nhận dạng ảnh để trích xuất dữ liệu chính xác. Công nghệ này giúp tự động hóa quy trình nhập điểm bài thi, giảm tải công việc thủ công.

1.2. Ý nghĩa và lợi ích của giải pháp

Giải pháp chấm thi tự động mang lại nhiều lợi ích thiết thực: giảm đáng kể thời gian nhập điểm, loại bỏ sai sót do yếu tố con người, nâng cao tính minh bạch và công bằng trong quản lý điểm thi. Thuật toán xử lý ảnh hiện đại cho phép xử lý hàng trăm bài thi trong thời gian ngắn, giúp các trường học tối ưu hóa công tác quản lý giáo dục một cách hiệu quả.

II. Công nghệ và thuật toán cốt lõi

Chấm thi tự động dựa trên ba công nghệ chính: xử lý ảnh số, thị giác máy tính và mô hình học sâu. Thuật toán nhận dạng ảnh được huấn luyện trên hàng nghìn mẫu bài thi để có khả năng phân biệt các chữ số và ký tự với độ chính xác cao. Công nghệ TensorFlow Object Detection được sử dụng rộng rãi trong các giải pháp nhập điểm tự động hiện đại. Mô hình SSD ResNet50 là một trong những lựa chọn tối ưu nhất, kết hợp giữa tốc độ xử lý cao và độ chính xác tuyệt vời. Các thuật toán xử lý ảnh như phát hiện biên, cân bằng độ sáng và loại bỏ nhiễu được áp dụng trước khi nhập điểm để cải thiện chất lượng dữ liệu đầu vào.

2.1. Thị giác máy tính và xử lý ảnh

Thị giác máy tính là nền tảng của giải pháp chấm thi tự động. Xử lý ảnh số bao gồm các bước tiền xử lý: chuyển đổi ảnh màu sang ảnh xám, cân bằng độ sáng, và loại bỏ nhiễu. Những kỹ thuật này đảm bảo rằng ảnh bài thi có chất lượng tối ưu trước khi áp dụng mô hình nhận dạng để nhập điểm chính xác.

2.2. Mô hình SSD ResNet50 và học sâu

Mô hình SSD ResNet50 V1 FPN 640x640 (RetinaNet50) là lựa chọn hàng đầu cho nhập điểm tự động. Kiến trúc này kết hợp mạng ResNet mạnh mẽ với cơ chế FPN (Feature Pyramid Network) để phát hiện các đối tượng ở nhiều tỷ lệ khác nhau. Thuật toán học sâu này được huấn luyện trên tập dữ liệu chú thích chi tiết, giúp hệ thống nhận diện chính xác mã số sinh viên và kết quả điểm từ bài thi giấy.

III. Quy trình triển khai giải pháp chấm thi tự động

Quá trình xây dựng giải pháp nhập điểm tự động bao gồm nhiều bước chi tiết. Đầu tiên, chuẩn bị dữ liệu bằng cách quét hàng trăm bài thi thành ảnh số. Tiếp theo, sử dụng công cụ LabelImg để chú thích ảnh, xác định vị trí mã số sinh viên và điểm số trên mỗi bài thi. Dữ liệu được chú thích này chia thành tập huấn luyện (training set) và tập kiểm tra (test set). Sau đó, áp dụng thuật toán SSD ResNet50 để huấn luyện mô hình nhận dạng. Cuối cùng, xây dựng giao diện ứng dụng cho phép người dùng chọn ảnh hoặc thư mục bài thi để tự động nhập điểm vào file Excel, hoàn toàn loại bỏ quy trình nhập liệu thủ công.

3.1. Thu thập và chú thích dữ liệu

Thu thập dữ liệu là bước quan trọng nhất. Cần quét ít nhất 500-1000 bài thi thành ảnh chất lượng cao để tạo tập dữ liệu đủ mạnh. Sử dụng công cụ LabelImg để chú thích ảnh, xác định từng vùng chứa chữ số thuộc mã số sinh viên hoặc điểm số. Chất lượng dữ liệu chú thích trực tiếp ảnh hưởng đến độ chính xác của mô hình nhập điểm tự động.

3.2. Huấn luyện mô hình và đánh giá hiệu suất

Sau khi chú thích dữ liệu, sử dụng TensorFlow để huấn luyện mô hình SSD ResNet50. Quá trình huấn luyện kéo dài từ vài giờ đến vài ngày tùy theo kích thước dữ liệu. Kiểm tra độ chính xác bằng cách so sánh kết quả nhập điểm của mô hình với thực tế. Mục tiêu đạt độ chính xác trên 95% để đảm bảo giải pháp chấm thi tự động hoạt động ổn định trong thực tế.

IV. Kết quả thực tiễn và triển khai ứng dụng

Giải pháp chấm thi tự động được phát triển tại Trường ĐH Sư Phạm Kỹ Thuật TPHCM đã đạt được kết quả ấn tượng. Mô hình nhận diện mã số sinh viên đạt độ chính xác 96.5%, trong khi mô hình nhận diện điểm số đạt 94.8%. Ứng dụng được thiết kế với giao diện thân thiện, hỗ trợ ba chế độ nhập: nhập điểm từ một ảnh đơn lẻ, xử lý hàng loạt từ thư mục, và nhận dạng trực tiếp từ buồng ảnh chuyên dụng. Giải pháp nhập điểm tự động giúp giảm thời gian xử lý từ hàng giờ xuống còn vài phút, tăng độ chính xác lên 99.2% khi kết hợp với kiểm tra thủ công nhẹ. Dữ liệu được xuất tự động thành file Excel, sẵn sàng nhập vào hệ thống quản lý điểm của nhà trường.

4.1. Thông số hiệu suất của hệ thống

Hệ thống chấm thi tự động đạt hiệu suất xuất sắc: mô hình mã số sinh viên 96.5% độ chính xác, mô hình điểm số 94.8%. Thời gian xử lý trung bình: 2-3 giây/ảnh. Ứng dụng hỗ trợ xử lý hàng loạt tới 500 bài thi/lần. Độ tin cậy tổng thể khi kết hợp hai mô hình nhận dạng đạt 98%+. Giải pháp nhập điểm tiết kiệm 80-90% thời gian so với nhập liệu thủ công.

4.2. Ứng dụng và khuyến nghị triển khai

Ứng dụng chấm thi tự động có thể triển khai ngay tại các trường đại học, trung tâm thi, cơ sở giáo dục. Khuyến nghị thiết lập buồng ảnh chuẩn để quét bài thi với điều kiện ánh sáng ổn định. Cần đào tạo người dùng về cách sử dụng ứng dụng nhập điểm. Nên thực hiện kiểm tra thủ công 10% kết quả để đảm bảo chất lượng nhập điểm tự động.

Trích đoạn nội dung tài liệu

Chương 1: Tổ ng quan về nghiên cứu. Chương 2: Cơ sở lý thuyế t và mô hình nghiên cứu. Chương 3: Mu ̣c tiêu – Phương pháp nghiên cứu. Chương 4: Kế t quả đa ̣t đươc̣.

Chương 5: Kế t luâ ̣n, giải pháp, kiế n nghi.̣ 12 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU 2. Tổng quan về xử lý ảnh Xử lý ảnh (XLA) là đối tượng nghiên cứu của lĩnh vực thị giác máy tính, là quá trình biến đổi từ một ảnh ban đầu sang một ảnh mới với các đặc tính và tuân theo ý muốn của người sử dụng. Xử lý ảnh có thể gồm quá trình phân tích, phân lớp các đối tượng, làm tăng chất lượng, phân đoạn và tách cạnh, gán nhãn cho vùng hay quá trình biên dịch các thông tin hình ảnh của ảnh. Cũng như xử lý dữ liệu bằng đồ hoạ, xử lý ảnh số là một lĩnh vực của tin học ứng dụng.

Xử lý dữ liệu bằng đồ họa đề cập đến những ảnh nhân tạo, các ảnh này được xem xét như là một cấu trúc dữ liệu và được tạo bởi các chương trình. Xử lý ảnh số bao gồm các phương pháp và kỹ thuật biến đổi, để truyền tải hoặc mã hoá các ảnh tự nhiên. Mục đích của xử lý ảnh gồm: - Biến đổi ảnh làm tăng chất lượng ảnh. - Tự động nhận dạng ảnh, đoán nhận ảnh, đánh giá các nội dung của ảnh.

Nhận biết và đánh giá các nội dung của ảnh là sự phân tích một hình ảnh thành những phần có ý nghĩa để phân biệt đối tượng này với đối tượng khác, dựa vào đó ta có thể mô tả cấu trúc của hình ảnh ban đầu. Có thể liệt kê một số phương pháp nhận dạng cơ bản như nhận dạng ảnh của các đối tượng trên ảnh, tách cạnh, phân đoạn hình ảnh,… Kỹ thuật này được dùng nhiều trong y học (xử lý tế bào, nhiễm sắc thể), nhận dạng chữ trong văn bản. Các quá trình xử lý ảnh Hình 2. Các giai đoạn chính trong xử lý ảnh Nguồn: Nhóm nghiên cứu Thu nhận ảnh: Đây là công đoạn đầu tiên mang tính quyết định đối với quá trình XLA.

Ảnh đầu vào sẽ được thu nhận qua các thiết bị như camera, sensor, máy 13 scanner… và sau đó các tín hiệu này sẽ được số hóa. Việc lựa chọn các thiết bị thu nhận ảnh sẽ phụ thuộc vào đặc tính của các đối tượng cần xử lý. Các thông số quan trọng ở bước này là độ phân giải, chất lượng màu, dung lượng bộ nhớ và tốc độ thu nhận ảnh của các thiết bị. Tiền xử lý: Ở bước này, ảnh sẽ được cải thiện về độ tương phản, khử nhiễu, khử bóng, khử độ lệch,v.v… với mục đích làm cho chất lượng ảnh trở lên tốt hơn nữa, chuẩn bị cho các bước xử lý phức tạp hơn về sau trong quá trình XLA.

Quá trình này thường được thực hiện bởi các bộ lọc. Phân đoạn ảnh: Phân đoạn ảnh là bước then chốt trong XLA. Giai đoạn này phân tích ảnh thành những thành phần có cùng tính chất nào đó dựa theo biên hay các vùng liên thông. Tiêu chuẩn để xác định các vùng liên thông có thể là cùng màu, cùng mức xám v.v… Mục đích của phân đoạn ảnh là để có một miêu tả tổng hợp về nhiều phần tử khác nhau cấu tạo lên ảnh thô.

Vì lượng thông tin chứa trong ảnh rất lớn, trong khi đa số các ứng dụng chúng ta chỉ cần trích một vài đặc trưng nào đó, do vậy cần có một quá trình để giảm lượng thông tin khổng lồ đó. Quá trình này bao gồm phân vùng ảnh và trích chọn đặc tính chủ yếu. Tách các đặc tính: Kết quả của bước phân đoạn ảnh thường được cho dưới dạng dữ liệu điểm ảnh thô, trong đó hàm chứa biên của một vùng ảnh, hoặc tập hợp tất cả các điểm ảnh thuộc về chính vùng ảnh đó. Trong cả hai trường hợp, sự chuyển đổi dữ liệu thô này thành một dạng thích hợp hơn cho việc xử lý trong máy tính là rất cần thiết.

Để chuyển đổi chúng, câu hỏi đầu tiên cần phải trả lời là nên biểu diễn một vùng ảnh dưới dạng biên hay dưới dạng một vùng hoàn chỉnh gồm tất cả những điểm ảnh thuộc về nó. Biểu diễn dạng biên cho một vùng phù hợp với những ứng dụng chỉ quan tâm chủ yếu đến các đặc trưng hình dạng bên ngoài của đối tượng, ví dụ như các góc cạnh và điểm uốn trên biên chẳng hạn. Biểu diễn dạng vùng lại thích hợp cho những ứng dụng khai thác các tính chất bên trong của đối tượng, ví dụ như vân ảnh hoặc cấu trúc xương của nó. Sự chọn lựa cách biểu diễn thích hợp cho một vùng ảnh chỉ mới là một phần trong việc chuyển đổi dữ liệu ảnh thô sang một dạng thích hợp hơn cho các xử lý về sau.

Chúng ta còn phải đưa ra một phương pháp mô tả dữ liệu đã được chuyển đổi đó sao cho những tính chất cần quan tâm đến sẽ được làm nổi bật lên, thuận tiện cho việc xử lý chúng. 14 Nhận dạng và giải thích: Đây là bước cuối cùng trong quá trình XLA. Nhận dạng ảnh có thể được nhìn nhận một cách đơn giản là việc gán nhãn cho các đối tượng trong ảnh. Ví dụ đối với nhận dạng chữ viết, các đối tượng trong ảnh cần nhận dạng là các mẫu chữ, ta cần tách riêng các mẫu chữ đó ra và tìm cách gán đúng các ký tự của bảng chữ cái tương ứng cho các mẫu chữ thu được trong ảnh.

Giải thích là công đoạn gán nghĩa cho một tập các đối tượng đã được nhận biết. Chúng ta cũng có thể thấy rằng, không phải bất kỳ một ứng dụng XLA nào cũng bắt buộc phải tuân theo tất cả các bước xử lý đã nêu ở trên, ví dụ như các ứng dụng chỉnh sửa ảnh nghệ thuật chỉ dừng lại ở bước tiền xử lý. Một cách tổng quát thì những chức năng xử lý bao gồm cả nhận dạng và giải thích thường chỉ có mặt trong hệ thống phân tích ảnh tự động hoặc bán tự động, được dùng để rút trích ra những thông tin quan trọng từ ảnh, ví dụ như các ứng dụng nhận dạng ký tự quang học, nhận dạng chữ viết tay… 2. Thị giác máy tính 2.

Khái niệm Thị giác máy tính là một lĩnh vực trong Artificial Intelligence (Trí tuệ nhân tạo) và Computer Science (Khoa học máy tính) nhằm giúp máy tính có được khả năng nhìn và hiểu giống như con người. Thị giác máy tính (computer vision) được định nghĩa là một lĩnh vực bao gồm các phương pháp thu nhận, xử lý ảnh kỹ thuật số, phân tích và nhận dạng các hình ảnh và, nói chung là dữ liệu đa chiều từ thế giới thực để cho ra các thông tin số hoặc biểu tượng. Thị giác máy tính cũng được mô tả là sự tổng thể của một dải rộng các quá trình tự động và tích hợp và các thể hiện cho các nhận thức thị giác. Quá trình mô phỏng thị giác con người được chia thành 3 giai đoạn nối tiếp (tương tự cách con người nhìn): mô phỏng mắt (thu nhận - khó), mô phỏng vỏ não thị giác (xử lý - rất khó) và mô phỏng phần còn lại của bộ não (phân tích - khó nhất).

Ba giai đoạn nối tiếp mô phỏng thị giác con người Giai đoạn 1: Thu nhận 15 Mô phỏng mắt là lĩnh vực đạt được nhiều thành công nhất. Chúng ta đã tạo ra các cảm biến, vi xử lý hình ảnh giống khả năng nhìn của mắt người và thậm chí còn tốt hơn. Camera có thể chụp hàng ngàn ảnh mỗi giây và nhận diện từ xa với độ chính xác cao. Nói cách khác, phần cứng bị giới hạn khi không có phần mềm - đến giờ vẫn là khó khăn lớn nhất.

Tuy vậy, camera ngày nay cũng khá linh hoạt và làm nền tảng tốt để nghiên cứu. Giai đoạn 2: Mô tả Bộ não được xây dựng từ con số 0 với các hình ảnh dần dần lấp đầy tâm trí, nó làm nhiệm vụ liên quan tới thị giác nhiều hơn bất kì công việc nào khác và việc này đều xuống tới cấp độ tế bào. Hàng tỷ tế bào phối hợp để lấy ra các hình mẫu, bắt được tín hiệu. Một nhóm nơ-ron sẽ báo cho nhóm khác khi có sự khác biệt dọc theo một đường thẳng (theo một góc nào đó, như chuyển động nhanh hơn hay theo một hướng khác).

Nghiên cứu đầu tiên về thị giác máy tính cho rằng mạng lưới nơ-ron phức tạp tới nỗi không thể hiểu nổi khi tiếp cận theo hướng lý giải từ trên xuống dưới. Với một số đối tượng thì cách này cũng hiệu quả nhưng khi mô tả từng đối tượng, từ nhiều góc nhìn, nhiều biến thể về màu sắc, chuyển động và nhiều thứ khác thì hãy hình dung sẽ khó thế nào. Ngay cả mức nhận thức của một em bé cũng sẽ cần lượng dữ liệu lớn vô cùng. Cách tiếp cận từ dưới lên bắt chước cách não bộ hoạt động có vẻ hứa hẹn hơn.

Những năm qua chứng kiến sự bùng nổ của các nghiên cứu và sử dụng hệ thống này trong việc bắt chước não người. Quá trình nhận diện hình mẫu vẫn đang tăng tốc và chúng ta vẫn liên tục đạt được tiến bộ. Giai đoạn 3: Thấu hiểu Ta có thể xây dựng một hệ thống nhận diện được một quả táo, từ bất cứ góc nào, trong bất kì tình huống nào, dù đứng im hay chuyển động nhưng chúng không thể nhận diện được một quả cam, không thể nói cho ta quả táo là gì, có ăn được không, lớn nhỏ ra sao hay dùng để làm gì. Như vậy phần cứng và phần mềm tốt cũng không làm được gì nếu không có hệ điều hành.

16 Đó chính là phần còn lại của bộ não: bộ nhớ ngắn/dài hạn, dữ liệu từ các giác quan, sự chú ý, nhận thức, bài học khi tương tác với thế giới… được viết lên mạng lưới nơ-ron kết nối phức tạp hơn bất cứ thứ gì chúng ta từng thấy, theo cách mà chúng ta không thể hiểu. Đó là nơi mà khoa học máy tính và trí tuệ nhân tạo gặp mặt. Khái niệm Object Detection (Phát hiện đối tượng) là một kỹ thuật thị giác máy tính hoạt động để xác định và định vị các đối tượng trong một hình ảnh hoặc video. Cụ thể, phát hiện đối tượng vẽ các hộp giới hạn xung quanh các đối tượng được phát hiện này, cho phép chúng tôi xác định vị trí các đối tượng đã nói đang ở (hoặc cách chúng di chuyển qua) một cảnh nhất định.

Object Detection thường bị nhầm lẫn với Image Recognition (Nhận dạng hình ảnh). Image Recognition là gán nhãn cho hình ảnh. Hình ảnh một vật thể được gắn nhãn tên vật thể đó.