Mô tả chương trình chính

Một phần của tài liệu (LUẬN VĂN THẠC SĨ) Hiệu chỉnh mẫu và nhận dạng trong nhập điểm tự động (Trang 54 - 69)

CHƯƠNG 4. CHƯƠNG TRÌNH THỬ NGHIỆM

4.5. Mô tả chương trình chính

Khi chạy chương trình, form đăng nhập sẽ được hiển thị ra đầu tiên. Trên form này yêu cầu bạn chọn tên khoa cùng với người dùng tương ứng của mỗi khoa. Sau khi kiểm tra dữ liệu mà tồn tại người dùng trên thì chương trình sẽ hiện ra form cho phép bạn cập nhật điểm.

Hình 4.10. Form đăng nhập

Dưới đây là form thực hiện chức năng chính. Trong form này yêu cầu bạn phải chọn tên học phần, lớp, kì học, năm học tương ứng. Sau khi chọn đầy đủ các thông tin xong, bạn có thể chọn tới file ảnh chứa dữ liệu điểm cần cập

nhật và mở mẫu chữ số đã được huấn luyện tương ứng với từng khoa. Việc mở mẫu chứ số đã được huấn luyện chúng ta có thể đặt mặc định tương ứng với từng khoa ngay từ khi đăng nhập.

Hình 4.11. Form cho phép người dùng cập nhật điểm từ file ảnh

Sau khi lựa 2 file ảnh chứa điểm cần cập nhật và nhấn nút Cap nhat thì ảnh sẽ được phân tích, trích rút ra từng file ảnh con tương ứng với mã sinh viên, điểm. Dựa vào mạng noron đã được huấn luyện trên tập mẫu tương ứng với từng khoa mà đƣa ra quyết định điểm bằng chữ số ứng với mỗi ảnh đƣa vào mạng.

Hình 4.12. Kết quả của việc lựa chọn đầu vào (hiển thị 2 file ảnh của bảng điểm: Mặt trước và mặt sau).

Dưới đây là kết quả của việc sử dụng chương trình trong cập nhật điểm.

Ứng với mỗi hệ thống quản lý điểm thì có cấu trúc cơ sở dữ liệu khác nhau.

Tuy nhiên, với giới hạn của đề tài là đưa ra phương pháp để cập nhật điểm từ file ảnh vào cơ sở dữ liệu cho nên tôi không quan tâm tới cấu trúc dữ liệu sẽ đƣợc thiết kế nhƣ thế nào, hay quản lý ra sau. Cái mà tối muốn thể hiện ở đề tài này là việc xử lý kĩ thuật trong file ảnh.

Vì trong phiếu điểm chỉ có 2 cột là tôi cần quan tâm đó là cột mã sinh viên và cột điểm. Việc thiết kế các thủ tục, module hay kĩ thuật thích hợp cho việc lấy dữ liệu từ 2 cột này ra đã đƣợc tôi thiết kế và thực hiện với độ chính xác 99% trong quá trình trích rút những vùng dữ liệu cần thiết.

Hình 4.13. Dữ liệu mã sinh viên và điểm tương ứng với từng mã sinh viên đƣợc cập nhật vào CSDL

Một trong những module được coi là trái tim của chương trình đó chính là tạo một mạng nơron mới và huấn luyện mạng vừa tạo dựa trên các tập mẫu.

Ở đây các tập mẫu đƣợc dùng để huấn luyện chính là các chữ số viết tay của các giảng viên trong trường. Việc thu thập mẫu chữ viết tay của các giảng viên trong trường được thực hiện bằng cách sử dụng máy quét.

Dưới đây là một số định dạng mẫu của việc thu thập mẫu chữ viết tay:

Hình 4.14. Mẫu đƣợc viết bởi Abhinav

Hình 4.15. Mẫu đƣợc viết bởi Abhishek

Hình 4.16. Mẫu đƣợc viết bởi Amit

Hình 4.17. Mẫu đƣợc viết bởi Amit

Hình 4.18. Mẫu đƣợc viết bởi Anubhav

Hình 4.19. Mẫu đƣợc viết bởi Barun

Hình 4.20. Mẫu đƣợc viết bởi Kapala_Ma'am1

Hình 4.21. Mẫu đƣợc viết bởi Kapala_Ma'am2

Hình 4.22. Mẫu đƣợc viết bởi KimAnh

Hình 4.23. Mẫu đƣợc viết bởi Linh

Hình 4.24. Mẫu đƣợc viết bởi Manish

Hình 4.25. Mẫu đƣợc viết bởi Mayank

Hình 4.26. Mẫu đƣợc viết bởi Nargdra

Hình 4.27. Mẫu đƣợc viết bởi Naveen

Hình 4.28. Mẫu đƣợc viết bởi Ram Manghar

Hình 4.29. Mẫu đƣợc viết bởi Sapneswar

Hình 4.30. Mẫu đƣợc viết bởi Sunil

Hình 4.31. Mẫu đƣợc viết bởi Sunita_Maam

Hình 4.32. Mẫu đƣợc viết bởi Sunita_Maam

Hình 4.33. Mẫu đƣợc viết bởi Swati

Hình 4.34. Mẫu đƣợc viết bởi Tung

Hình 4.35. Mẫu đƣợc viết bởi Tushar_Sir1

Hình 4.36. Mẫu đƣợc viết bởi Tushar_Sir2

Hình 4.37. Mẫu đƣợc viết bởi Vineet

Hình 4.38. Mẫu đƣợc viết bởi Vishal

Hình 4.39. Mẫu đƣợc viết bởi Vuong

Sau khi đã thu thập mẫu, ta xây dựng mạng nơron và huấn luyện mạng dựa trên mẫu đã thu thập đƣợc. Việc huấn luyện mạng đã đƣợc tôi thiết kế thành một module riêng trong chương trình cho phép người dùng tạo các kiểu mạng noron theo kiến trúc khác nhau.

Hình 4.40. Form cho phép người dùng tạo vào huấn luyện một mạng mới

PHẦN KẾT LUẬN

Qua quá trình nghiên cứu và triển khai thử nghiệm chương trình tôi có một số kết luận sau:

- Việc sử dụng mạng nơron cho quá trình nhận dạng làm công việc nhận dạng đơn giản đi rất nhiều và độ chính xác cũng cao (có thể nói đạt tới 99%) nếu đƣợc nhận dạng các mẫu đã đƣợc học. Hơn nữa việc sử dụng mạng noron còn có thể nhận dạng đƣợc những mẫu mang tính chất gần giống kiểu vơi những chữ đã lấy mẫu.

- Một trong những ƣu điểm tuyệt vời của việc sử dụng mang nơron đó là nhanh chóng đƣa ra quyết định. Không phải duyệt và so sánh đối với dữ liệu mẫu trong CSDL, điều này làm tăng tốc độ nhận dạng của chương trình.

- Chương trình hoàn toàn có thể ứng dụng ngay vào thực tế. Bởi theo tôi được biết hiện tại trong trường đang phải nhập dữ liệu bằng tay. Điều này thực sự khó khăn đối với những giáo vụ hoặc là các môn mà thi tập trung, việc nhập điểm có thể lên tới hàng nghìn sinh viên.

Một phần của tài liệu (LUẬN VĂN THẠC SĨ) Hiệu chỉnh mẫu và nhận dạng trong nhập điểm tự động (Trang 54 - 69)

Tải bản đầy đủ (PDF)

(69 trang)