一种基于图像识别的教学辅助方法及装置与流程

1.本发明实施例涉及教学辅助领域，具体而言，涉及一种基于图像识别的教学辅助方法、装置、存储介质及电子装置。


背景技术：

2.随着人工智能技术的快速发展，基于人工智能的智能批改系统在教育行业的应用非常广泛，对于口算题以及客观试题的智能批改技术已经相当成熟，但面向数学题以及主观试题的智能批改技术较少。
3.目前，对于数学题以及主观试题的试题批阅，仅仅是对作答结果和作答规范进行判断，输出答题结果。但是，对于根据批阅结果进行教学反馈以及根据批阅结果对教学方案进行调整则尚无较好的解决方案。


技术实现要素：

4.本发明实施例提供了一种基于图像识别的教学辅助方法、装置、存储介质及电子装置，以至少解决相关技术中教学效率低的问题。
5.根据本发明的一个实施例，提供了一种基于图像识别的教学辅助方法，包括：
6.获取目标对象的初始图像信息；
7.通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息，所述对象基点信息包括所述目标对象包含的第一对象和第二对象的形态基点坐标信息以及形态基点之间的连线信息，所述形态基点之间的连线信息是基于预设的连线规则确定的，所述第一对象包括灰度值小于或等于第一阈值的像素点，所述第二对象包括灰度值大于第一阈值且小于或等于第二阈值的像素点，所述对象基点信息是基于所述第一对象和第二对象确定的；
8.基于所述灰度值特征以及对象基点信息，确定所述目标对象的语义信息；
9.根据所述语义信息，确定所述目标对象的教学等级。
10.在一个示例性实施例中，在所述根据所述语义信息，确定所述目标对象的教学等级之后，所述方法还包括：
11.根据所述教学等级，对教学数据库进行匹配处理，其中，所述教学数据库包括所述教学等级对应的教学方案；
12.基于所述教学方案，对所述目标对象的教学信息进行调整处理。
13.在一个示例性实施例中，在所述通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息之后，所述方法还包括：
14.基于所述灰度值特征以及所述对象基点信息，确定第三对象的第一数量和第四对象的第二数量，其中，所述第一对象包括第三对象以及第四对象；
15.对所述第一数量和第二数量进行比例计算，以得到第一对象比例；
16.基于所述第一对象比例，确定所述目标对象的教学等级。
17.在一个示例性实施例中，在所述通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息之前，所述方法还包括：
18.获取所述目标对象的环境信息，其中，所述环境信息包括所述目标对象的光感强度信息；
19.基于所述光感强度信息，确定所述初始图像信息的清晰度等级，其中，所述灰度值特征以及对象基点信息是基于所述清晰度等级确定的。
20.根据本发明的另一个实施例，提供了一种基于图像识别的教学辅助装置，包括：
21.图像采集模块，用于获取目标对象的初始图像信息；
22.对象识别模块，用于通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息，所述对象基点信息包括所述目标对象包含的第一对象和第二对象的形态基点坐标信息以及形态基点之间的连线信息，所述形态基点之间的连线信息是基于预设的连线规则确定的，所述第一对象包括灰度值小于或等于第一阈值的像素点，所述第二对象包括灰度值大于第一阈值且小于或等于第二阈值的像素点，所述对象基点信息是基于所述第一对象和第二对象确定的；
23.语义识别模块，用于基于所述灰度值特征以及对象基点信息，确定所述目标对象的语义信息；
24.教学等级确定模块，用于根据所述语义信息，确定所述目标对象的教学等级。
25.在一个示例性实施例中，还包括：
26.方案匹配模块，用于在所述根据所述语义信息，确定所述目标对象的教学等级之后，根据所述教学等级，对教学数据库进行匹配处理，其中，所述教学数据库包括所述教学等级对应的教学方案；
27.信息调整模块，用于基于所述教学方案，对所述目标对象的教学信息进行调整处理。
28.在一个示例性实施例中，还包括：
29.数量确定模块，用于在所述通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息之后，基于所述灰度值特征以及所述对象基点信息，确定第三对象的第一数量和第四对象的第二数量，其中，所述第一对象包括第三对象以及第四对象；
30.比例计算模块，用于对所述第一数量和第二数量进行比例计算，以得到第一对象比例；
31.等级确定模块，用于基于所述第一对象比例，确定所述目标对象的教学等级。
32.在一个示例性实施例中，还包括：
33.光感强度确定模块，用于在所述通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息之前，获取所述目标对象的环境信息，其中，所述环境信息包括所述目标对象的光感强度信息；
34.清晰度确定模块，用于基于所述光感强度信息，确定所述初始图像信息的清晰度等级，其中，所述灰度值特征以及对象基点信息是基于所述清晰度等级确定的。
35.根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
36.根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
37.通过本发明，由于通过对灰度值以及灰度值对应的像素点的对象基点信息判断批注的语义，再根据语义对教学等级进行判断，从而精确识别教学结果，进而可以根据教学结果对教学方案进行适应性调整，从而提高教学效率，因此，可以解决教学效率低问题，达到提高教学效率的效果。。
附图说明
38.为了更清楚地说明本技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，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的附图。
39.图1是本发明实施例的一种基于图像识别的教学辅助方法的移动终端的硬件结构框图；
40.图2根据本发明实施例的一种基于图像识别的教学辅助方法的流程图；
41.图3是根据本发明实施例的一种基于图像识别的教学辅助装置的结构框图。
具体实施方式
42.下文中将参考附图并结合实施例来详细说明本发明的实施例。
43.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
44.本技术实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种基于图像识别的教学辅助方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
45.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的一种基于图像识别的教学辅助方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
46.传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(network interface controller，简称为nic)，其可通过基站与其他网络设备相连从而可
与互联网进行通讯。在一个实例中，传输装置106可以为射频(radio frequency，简称为rf)模块，其用于通过无线方式与互联网进行通讯。
47.在本实施例中提供了一种基于图像识别的教学辅助方法，图2是根据本发明实施例的一种基于图像识别的教学辅助方法的流程图，如图2所示，该流程包括如下步骤：
48.步骤s201，获取目标对象的初始图像信息；
49.在本实施例中，目标对象包括作业本、练习册等教学书本材料，对应的，初始图像信息包括初始图像信息的采集可以是通过统一的图像采集装置采集的，例如通过特定的投影仪或摄像头对目标对象进行统一拍照扫描等，也可以是由不同的学生或家长在不同环境将作业本或练习册等拍照后上传至特定区域，再由信息采集软件或程序模型(例如网络爬虫或图像采集程序)自动对图像进行采集，还可以是其他方式，只要可以完成对初始图像信息的采集即可。
50.步骤s202，通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息，所述对象基点信息包括所述目标对象包含的第一对象和第二对象的形态基点坐标信息以及形态基点之间的连线信息，所述形态基点之间的连线信息是基于预设的连线规则确定的，所述第一对象包括灰度值小于或等于第一阈值的像素点，所述第二对象包括灰度值大于第一阈值且小于或等于第二阈值的像素点，所述对象基点信息是基于所述第一对象和第二对象确定的。
51.在本实施例中，当教师对作业或练习册进行批阅时，通常通过不同颜色的笔迹或批注痕迹对作业或练习册的完成情况进行标注，因而此时通过识别这些笔迹或批注痕迹的颜色以及笔迹或批注痕迹的构成即可自动识别相关作业或练习册的完成情况。
52.其中，灰度值特征对应的是批阅笔迹的颜色，通常为红色，其灰度值一般为128，也可以是其他颜色，例如蓝色或黄色，只要能够与作业本或练习册上的原有文字(例如学生的字迹以及习题的字迹)的颜色和背景颜色(例如作业本和练习册自身的白色或土黄色)进行区分即可，相应的，第一对象包括用于表示批阅内容的红色字体，第二对象包括用于表示原有内容的黑色或蓝色字体；对象基点信息对应的是批阅的字迹的具体内容，即批阅字迹或批阅痕迹所对应的文字，在本技术中，是将文字看作由多个基点和连线组成的集合体，通过判断基点的分布和连线情况来判断具体的文字内容。
53.需要说明的是，在进行文字内容识别的基础上，对字体颜色也进行识别判断，以精确区分批阅内容和原有内容，从而可以自动根据批阅内容和原有内容来共同确定作业完成情况，方便精确判断教学效果，无需人工对教学情况进行分类和记录，减少了人工消耗，提升了教学效率。
54.步骤s203，基于所述灰度值特征以及对象基点信息，确定所述目标对象的语义信息；
55.在本实施例中，由于文字的基点排布在范围内固定的，因而通过对象基点信息和灰度值特征即可确定批阅的语义内容，该语义信息的识别可以同通过文字识别模型来实现，例如orc技术、mnist算法模型等。
56.其中，语义信息包括批阅字迹代表的文字信息，例如“√”或
“×”
、“错误较多，需继续努力”、“作业完成的很好，真棒”等批注内容。
57.步骤s204，根据所述语义信息，确定所述目标对象的教学等级。
58.在本实施例中，在确定语义信息后，由语义信息对应的批阅含义即可确定对应的教学情况，随后再由此对教学方案进行调整即可。
59.其中，教学等级包括教训内容掌握等级，具体可以根据批阅语义对应的得分或比例内容预先设定。
60.例如，当“√”或
“×”
的比例较高时，则说明该部分内容教学情况较好或较差，需要针对性加快或放缓教学速度；或语义信息为“错误较多，需继续努力”，则说明教学情况较差，随后调整教学速度，以此类推。
61.通过上述步骤，对批注字迹以及批注字迹的颜色进行精确识判断，从而精确判断教学情况并及时根据教学情况进行教学方案调整，提高了教学精度和教学效率。
62.其中，上述步骤的执行主体可以为基站、终端等，但不限于此。
63.在一个可选的实施例中，在所述根据所述语义信息，确定所述目标对象的教学等级之后，所述方法还包括：
64.步骤s205，根据所述教学等级，对教学数据库进行匹配处理，其中，所述教学数据库包括所述教学等级对应的教学方案；
65.步骤s206，基于所述教学方案，对所述目标对象的教学信息进行调整处理。
66.在本实施例中，为提高教学效率，可以预先根据不同的教学效果和课教学反馈设置相应的教学方案，从而及时根据教学反馈调整教学方案。
67.其中，教学信息包括教师、教学时长、教学内容、相关教学内容对应的强化试题等信息。
68.在一个可选的实施例中，在所述通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息之后，所述方法还包括：
69.步骤s2021，基于所述灰度值特征以及所述对象基点信息，确定第三对象的第一数量和第四对象的第二数量，其中，所述第一对象包括第三对象以及第四对象；
70.步骤s2022对所述第一数量和第二数量进行比例计算，以得到第一对象比例；
71.步骤s2023，基于所述第一对象比例，确定所述目标对象的教学等级。
72.在本实施例中，为进一步判断教学情况，还可以对批阅内容进行统计，从而精确判断各个教学模块的教学情况。
73.其中，第三对象和第四对象可以(但不限于)是“√”或
“×”
，或正向评语或负面评语(例如“错误较多，需继续努力”、“作业完成的很好，真棒”等)。
74.在一个可选的实施例中，在所述通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息之前，所述方法还包括：
75.步骤s2001，获取所述目标对象的环境信息，其中，所述环境信息包括所述目标对象的光感强度信息；
76.步骤s2002，基于所述光感强度信息，确定所述初始图像信息的清晰度等级，其中，所述灰度值特征以及对象基点信息是基于所述清晰度等级确定的。
77.在本实施例中，由于学生的生活环境、学习习惯不同，图像采集过程的图像质量也不想相同，例如灰暗的拍摄环境会导致作业本或练习册上原有的习题或作业字迹不清晰，因而需要预先对作业本或练习册拍摄环境进行识别判断，以在后续的处理中提高图像锐率和识别强度。
78.其中，光感强度信息包括图像信息中的作业本或练习册的光感强度，通常为100-500lux左右，而环境灰暗的情况下，光感强度可能下降至10lux，因而此时需要提醒相关人员重新上传图像或调整识别模型算法以提高识别精度。
79.以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
80.在本实施例中还提供了一种基于图像识别的教学辅助装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
81.图3是根据本发明实施例的一种基于图像识别的教学辅助装置的结构框图，如图3所示，该装置包括：
82.图像采集模块31，用于获取目标对象的初始图像信息；
83.对象识别模块32，用于通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息，所述对象基点信息包括所述目标对象包含的第一对象和第二对象的形态基点坐标信息以及形态基点之间的连线信息，所述形态基点之间的连线信息是基于预设的连线规则确定的，所述第一对象包括灰度值小于或等于第一阈值的像素点，所述第二对象包括灰度值大于第一阈值且小于或等于第二阈值的像素点，所述对象基点信息是基于所述第一对象和第二对象确定的；
84.语义识别模块33，用于基于所述灰度值特征以及对象基点信息，确定所述目标对象的语义信息；
85.教学等级确定模块34，用于根据所述语义信息，确定所述目标对象的教学等级。
86.在一个可选的实施例中，还包括：
87.方案匹配模块，用于在所述根据所述语义信息，确定所述目标对象的教学等级之后，根据所述教学等级，对教学数据库进行匹配处理，其中，所述教学数据库包括所述教学等级对应的教学方案；
88.信息调整模块，用于基于所述教学方案，对所述目标对象的教学信息进行调整处理。
89.在一个可选的实施例中，还包括：
90.数量确定模块，用于在所述通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息之后，基于所述灰度值特征以及所述对象基点信息，确定第三对象的第一数量和第四对象的第二数量，其中，所述第一对象包括第三对象以及第四对象；
91.比例计算模块，用于对所述第一数量和第二数量进行比例计算，以得到第一对象比例；
92.等级确定模块，用于基于所述第一对象比例，确定所述目标对象的教学等级。
93.在一个可选的实施例中，还包括：
94.光感强度确定模块，用于在所述通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息之前，获取所述目标对象的环境信息，其中，所述环境信息包括所述目标对象的光感强度信息；
95.清晰度确定模块，用于基于所述光感强度信息，确定所述初始图像信息的清晰度等级，其中，所述灰度值特征以及对象基点信息是基于所述清晰度等级确定的。
96.需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
97.本发明的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
98.在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：u盘、只读存储器(read-only memory，简称为rom)、随机存取存储器(random access memory，简称为ram)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
99.本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
100.在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
101.本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。
102.显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
103.以上所述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。

技术特征：
1.一种基于图像识别的教学辅助方法，其特征在于，包括：获取目标对象的初始图像信息；通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息，所述对象基点信息包括所述目标对象包含的第一对象和第二对象的形态基点坐标信息以及形态基点之间的连线信息，所述形态基点之间的连线信息是基于预设的连线规则确定的，所述第一对象包括灰度值小于或等于第一阈值的像素点，所述第二对象包括灰度值大于第一阈值且小于或等于第二阈值的像素点，所述对象基点信息是基于所述第一对象和第二对象确定的；基于所述灰度值特征以及对象基点信息，确定所述目标对象的语义信息；根据所述语义信息，确定所述目标对象的教学等级。2.根据权利要求1所述的方法，其特征在于，在所述根据所述语义信息，确定所述目标对象的教学等级之后，所述方法还包括：根据所述教学等级，对教学数据库进行匹配处理，其中，所述教学数据库包括所述教学等级对应的教学方案；基于所述教学方案，对所述目标对象的教学信息进行调整处理。3.根据权利要求1所述的方法，其特征在于，在所述通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息之后，所述方法还包括：基于所述灰度值特征以及所述对象基点信息，确定第三对象的第一数量和第四对象的第二数量，其中，所述第一对象包括第三对象以及第四对象；对所述第一数量和第二数量进行比例计算，以得到第一对象比例；基于所述第一对象比例，确定所述目标对象的教学等级。4.根据权利要求1所述的方法，其特征在于，在所述通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息之前，所述方法还包括：获取所述目标对象的环境信息，其中，所述环境信息包括所述目标对象的光感强度信息；基于所述光感强度信息，确定所述初始图像信息的清晰度等级，其中，所述灰度值特征以及对象基点信息是基于所述清晰度等级确定的。5.一种基于图像识别的教学辅助装置，其特征在于，包括：图像采集模块，用于获取目标对象的初始图像信息；对象识别模块，用于通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息，所述对象基点信息包括所述目标对象包含的第一对象和第二对象的形态基点坐标信息以及形态基点之间的连线信息，所述形态基点之间的连线信息是基于预设的连线规则确定的，所述第一对象包括灰度值小于或等于第一阈值的像素点，所述第二对象包括灰度值大于第一阈值且小于或等于第二阈值的像素点，所述对象基点信息是基于所述第一对象和第二对象确定的；语义识别模块，用于基于所述灰度值特征以及对象基点信息，确定所述目标对象的语义信息；教学等级确定模块，用于根据所述语义信息，确定所述目标对象的教学等级。6.根据权利要求5所述的装置，其特征在于，还包括：
方案匹配模块，用于在所述根据所述语义信息，确定所述目标对象的教学等级之后，根据所述教学等级，对教学数据库进行匹配处理，其中，所述教学数据库包括所述教学等级对应的教学方案；信息调整模块，用于基于所述教学方案，对所述目标对象的教学信息进行调整处理。7.根据权利要求5所述的装置，其特征在于，还包括：数量确定模块，用于在所述通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息之后，基于所述灰度值特征以及所述对象基点信息，确定第三对象的第一数量和第四对象的第二数量，其中，所述第一对象包括第三对象以及第四对象；比例计算模块，用于对所述第一数量和第二数量进行比例计算，以得到第一对象比例；等级确定模块，用于基于所述第一对象比例，确定所述目标对象的教学等级。8.根据权利要求5所述的装置，其特征在于，还包括：光感强度确定模块，用于在所述通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息之前，获取所述目标对象的环境信息，其中，所述环境信息包括所述目标对象的光感强度信息；清晰度确定模块，用于基于所述光感强度信息，确定所述初始图像信息的清晰度等级，其中，所述灰度值特征以及对象基点信息是基于所述清晰度等级确定的。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至4任一项中所述的方法。10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4任一项中所述的方法。

技术总结
本发明提供了一种基于图像识别的教学辅助方法、装置、存储介质及电子装置，涉及教学辅助技术的技术领域。其方法包括：获取目标对象的初始图像信息；通过预设的对象识别模型，确定所述目标对象的灰度值特征以及对象基点信息；基于所述灰度值特征以及对象基点信息，确定所述目标对象的语义信息；根据所述语义信息，确定所述目标对象的教学等级。通过本发明，解决了教学效率低的问题，进而达到了提高教学效率的效果。效率的效果。效率的效果。


技术研发人员：徐纪骞 饶元忠 祝磊 徐霄
受保护的技术使用者：上海万瑞隆教育科技有限公司
技术研发日：2023.07.03
技术公布日：2023/10/8