答题卡智能批改系统：选择题 OMR 秒出，主观题交给一次大模型调用

技术栈：React + TypeScript + Tailwind / FastAPI + SQLite，前后端同仓，本地部署，数据不出校。

一、先看效果：从"通宵批卷"到"几分钟出一个班"

不铺垫，先看这套系统跑起来是什么样子，再讲为什么这么做。

登录后是工作台，一条完整的批改流水线被组织成左侧的几个模块： 每个模块的职责一句话讲清：

• 试卷管理------录入题目清单（题号、题型、分值）、选择题标准答案、作文评分细则，也支持从文本文件宽松导入；
• 答题卡管理------导入答题卡模板（PDF/图片），自动检测四角定位标与气泡网格，可视化标定坐标，一个模板适配任意印刷版式；
• 答题卡批改------每位学生一个文件夹（文件夹名即姓名），整班拖入即自动归档、逐份逐页识别；
• OMR 试验台------上传样张单独调试选择题的光标识别参数，调准了再投入正式批改；
• 成绩中心------复核、发布成绩、导出 CSV；
• 模型与设置------AI 服务商、密钥、提示词全部在线配置，换服务商不改代码。

识别效果：重点看这张图

自动批改完成后进入成绩中心的复核视图，这是最能体现识别效果的一屏： 左半边是学生的答题卡原图，上面逐框叠加了每道选择题的判定标记------填涂、未填涂、存疑，一目了然。实测选择题识别准确率约 99%：图中这份卷子 84/120，整张卡 66 道选择题，系统只把 3 道题标记为"待复核"。而且这 3 道不是识别错了，而是它"知道自己不确定"------置信度不足、疑似改答案的双填涂、空答案，都会被诚实地举出来，而不是给出一个自信的错误答案。

右半边是复核队列：机器拿不准的题才需要人看，确认一道自动跳下一道。老师的注意力只花在那 3 道题上，而不是 66 道题上------这就是整套系统的价值：**机械判断零成本交给本地 OMR（整班几秒出结果，无 API 费用），模糊判断一次多模态调用交给大模型，最终判断留给人。**所有数据本地存储，不出校。

主观题：AI 作文批改同样可查可改

复核视图往下滑就是主观题部分。作文题由多模态大模型完成三件事：把学生手写原文忠实转写 成文字、按评分细则给出分数 、逐条列出扣分点 （哪里拼错了、哪里语法不对、怎么改）：

值得强调的是，评分的"习惯"来自老师：作文题在试卷管理里挂上评分细则（rubric），AI 按老师的标准评，而不是它自己的感觉；转写文本、得分、评语全部可以人工修改，改完实时重算总分。

至于为什么要做它、每条流水线背后有哪些设计考量，下面慢慢展开。

二、从真实痛点说起

每次阶段测试之后，老师的批改流程大概是这样的：抱着几十份答题卡，先对着答案册一题一题圈选择题，再把填空和作文逐份看完、打分、写评语，最后把成绩誊到表格里。一份 100 分的卷子认真批下来要十几分钟，两个班的量就是一个通宵。

更难受的是这个过程中的大把时间是机械劳动------选择题的判断根本不需要"理解"，只是比对涂点位置；真正值得老师花脑力的，是作文的立意和语言，是那些机器拿不准的答案。

所以这个系统的设计目标很明确：

• 机械判断交给机器------选择题在本地几秒内完成，不花一分钱模型调用；
• 模糊判断交给模型------填空转写、作文评分合并成一次多模态调用；
• 最终判断留给人------所有低置信度结果进复核队列，老师确认后才发布成绩。

三、完整的工作流：五步走完一个班

系统不只是一个"识别脚本"，而是一条完整的批改流水线：

① 建试卷------录入题目清单（题号、题型、分值），选择题/多选题填标准答案（多选支持备选答案集合），作文题挂上评分细则。也支持从文本文件导入答案，格式宽松。

② 上传答题卡------每位学生一个文件夹（文件夹名即学生姓名），可以一次拖入整班的文件夹。系统自动按姓名归档，逐份逐页处理。

③ 自动批改------后台流水线：选择题走本地 OMR 即时出分；填空与作文合并成一次视觉大模型调用；两路结果按题号合并成一份完整答卷记录。

④ 人工复核------批改完成后自动进入成绩中心的复核视图：左边是答题卡原图，上面叠加了每道选择题的判定标记（绿框 = 已通过、琥珀框 = 待复核），点击标记或复核队列直接定位题目；右边是题目面板，可以修改学生答案、手动打分。确认一道自动跳下一道，像流水线一样滑完整个班。

⑤ 发布成绩------全部确认后一键发布，进入成绩中心按试卷查看全班成绩，支持导出 CSV。发布前随时可以撤回修改。

四、OMR 详解：用传统图像处理把选择题做"死"

OMR（Optical Mark Recognition，光学标记识别）在这里不需要任何神经网络------因为标准答题卡的涂点位置在印制时就是已知的几何坐标，这是一个确定性的模板匹配问题。整个流程分四步：

4.1 基准定位标（fiducial markers）与仿射校正

扫描、拍照得到的答题卡普遍存在平移、旋转甚至轻微的透视变形，直接按"印刷坐标"去采样必然错位。解决办法是在答题卡四角印制基准定位标------实心黑方块，它们的位置是全局已知常量。

处理时先做二值化 （binarization），再在图像中检测这些实心黑块，得到它们在当前扫描件中的实际坐标。利用四角定位标计算出仿射变换矩阵 （affine transform），对整页图像做仿射校正，把歪掉的答题卡"掰正"回标准坐标系。这一步之后，所有气泡的印刷坐标都可以直接当采样坐标用。

4.2 感兴趣区域（ROI）与填充率统计

校正后，每个选项气泡对应一个小矩形感兴趣区域 （Region of Interest, ROI）。对每个 ROI 统计暗像素占比（dark pixel ratio）------即区域内灰度低于阈值的像素比例。学生用铅笔、水笔涂出的区域，暗像素占比会显著高于空白气泡；轻涂、半涂则落在中间地带。

填充率 ≥ 涂抹阈值        → 判定为"已填涂"（marked）
填充率 < 涂抹阈值        → 判定为"未填涂"（blank）
填充率处于边界灰区        → 判定为"存疑"（ambiguous）

4.3 判定逻辑与歧义检测

单选题的判定规则：取填充率最高的选项，若其值达标且明显领先第二名 ，判定该选项；若出现双峰（两个选项填充率接近且都达标），大概率是学生改答案没涂干净，标记为 ambiguous。多选题（multiple）则取所有达标选项的集合，再与"该题允许的选项数"做校验。

所有判定都附带一个基于填充率分布的置信度（confidence），它决定了这道题的走向：

• 高置信度 → 直接计分，前端渲染绿色标记；
• 低置信度 / 歧义 → 不猜，进复核队列，渲染琥珀色标记。

4.4 坐标回传：让机器的判断"看得见"

这是 OMR 模块里我觉得最值钱的设计：每个气泡的 bbox（bounding box，外接矩形） 连同判定状态一起存进数据库。前端复核时直接把标记叠加渲染在答题卡原图上，老师看到的不是一串数字，而是"这张卷子上第 7 题被圈出来了"------点一下就能跳到对应题目。机器的每个判断都可追溯、可推翻。

这一步纯本地计算：整班的选择题在几秒内出结果，API 成本为零，而且它"知道自己不确定"------所有拿不准的答案都会诚实地举手，而不是给出一个自信的错误答案。

五、LLM 批改：一次多模态调用管所有主观题

5.1 为什么填空和作文合并成一次调用

两者都是"看手写图、输出结构化结果"，分开调用纯粹浪费。系统把本次需要识别的全部主观题（题目清单 + 各页图片）打包进同一次 chat completions 请求，指定模型输出统一的 JSON 协议，一次往返拿到整份卷子的主观题结果。

5.2 提示词的结构化组装

提示词不是一大段自由文本，而是分层拼装：

全局角色设定（同一学生的连续多页，跨页读取；只允许清单内题号）
＋ 各题型提取规则（按需挂载：填空规则 / 作文规则）
＋ 题目清单 JSON（number / section / type / score）
＋ 评分细则（作文题的 rubric 原文）
＋ 输出协议（仅返回 {"results":[...]}，字段与取值范围固定）
＋ 逐页图片（base64 内联，标注页码）

其中几条是实测踩坑后加上的硬约束：

• 题号防漂移：明确禁止模型"按视觉顺序重新编号、连续补号或根据上一题推算下一题"。答题卡的题号经常跨列、跳号、不按视觉顺序排，不锁死这条，模型会好心地把结果重排成连续序号，导致与标准答案全部错位------这是最隐蔽也最致命的错法；
• 忠实转写：填空题要求照抄学生原文，不纠正拼写语法，有划改取最终保留内容，忽略红叉绿框等批改痕迹；
• 评分锚定：作文分数被限制在"不超过该题分值"内，评语要求指出扣分点，避免模型给出"人人 90 分"的客气分。

5.3 图片预处理与输出校验

调用前每页图片统一走一道预处理管线：按 EXIF 信息转正方向 → 宽度归一到 1600--2400px（太小看不清涂写，太大浪费 token）→ 自动对比度增强 → JPEG 质量 92 重压缩。实测对手机拍照件尤其有效。

返回侧同样不信任模型：强制 response_format: json_object、temperature=0；解析后做结构校验------题号必须存在于清单、每题最多出现一次、字段类型正确，任何越界直接判为本次识别失败并提示重试，绝不把半可信的数据静默写库。

5.4 成本账

一份 8 页答题卡，模型调用次数 = 1 。max_tokens 按配置截断，图片经压缩后单页 token 可控。以整班 40 人计，主观题部分就是 40 次调用；而如果选择题也走模型，这个数字会膨胀到 40 × 题目页数，且每次都是整图的高分辨率输入------成本差一个数量级，还更慢。

六、通用性：这套系统本来就不依赖"英语"

设计时刻意把"科目知识"从代码里剥离了出去：

• OMR 只关心几何：它认的是定位标和气泡网格，不关心涂点旁边印的是 A/B/C/D 还是 ①②③④，也不关心题目内容是英语、数学还是理综。换一张标准答题卡模板，选择题照样跑；
• 评分细则随卷走：作文/主观题的评分依据来自试卷上挂载的 rubric 字段，是数据而不是代码------语文作文、文综论述题，换一份细则就是换一个科目；
• 提示词可在界面调整：提取规则（全局规则 + 各题型规则）在「模型与设置」页在线编辑、即时生效，改科目不需要碰代码；
• 题目清单驱动：整条批改流水线以录入的题目清单为准绳，识别、判分、复核、统计全部围绕这份清单展开，题型扩展只需要新增题型枚举。

换句话说，"英语智评"只是当前的一套预设；把它当作一个可配置的答题卡批改平台来看更准确。

七、复核闭环与成绩管理：价值落地的最后一公里

再准的自动批改，落地场景里也必须回答一个问题：**老师敢直接用吗？**系统的答案是构建信任闭环：

1. 可见------每道选择题的判定都以标记形式叠加在原图上，对错一眼可查；
2. 可改------复核面板支持改学生答案（选择题点选项、主观题直接编辑转写文本）、改分数，修改后实时重算总分；
3. 可控------低置信度答案强制进入复核队列，未复核完的记录不能发布，杜绝"AI 分数直接进成绩单"；
4. 可追溯------每份答卷记录保留 AI 初评分（ai_score）与发布分（score），谁改过、改了多少有据可查。

发布后的成绩在成绩中心按试卷分组查看，支持 CSV 导出接回学校现有的成绩管理流程。

八、模型接入：换服务商不改代码

模型的 Base URL、API Key、模型名、超时全部在设置页配置，存入数据库，环境变量作为兜底。接口对密钥只回显末四位掩码，任何保存操作传入掩码值都视为"保持不变"。内置连接测试会真的发一张测试图走一次多模态请求，验证接口连通性与图片输入能力，配置错了当场暴露。

九、小结

这个系统想证明的事情其实很简单：AI 批改的正确姿势不是"把卷子整个扔给大模型"，而是按确定性分层------

• 涂点位置是确定性的，用 OMR 的几何方法做，快、准、零成本；
• 手写内容是模糊的，用一次多模态调用做，锁协议、强校验；
• 成绩的公信力是人的责任，用复核闭环做，机器标记、老师裁决。

代码结构（前后端同仓）：

app/
├── backend/              # FastAPI 服务端
│   ├── omr_service.py        # 定位标检测、仿射校正、ROI 填充率判定
│   ├── ai_service.py         # 提示词组装、多模态调用、结果校验
│   ├── grading.py            # 客观题判分与作文分数约束
│   └── main.py               # 试卷/上传/复核/发布/设置 API
└── src/                  # React 前端
    ├── pages/Upload.tsx      # 整班文件夹上传与批改进度
    ├── pages/Results.tsx     # 成绩中心（列表 + 复核详情）
    └── components/           # 答题卡标记叠加等组件

如果说还有下一步，是把 OMR 的答题卡模板做成可视化标定工具------上传一张样张、框选定位标和气泡网格，就能接入任意印刷模板，让"换科目"变成"换模板"。

代码地址

完整代码已开源于 GitHub（前后端同仓，README 含本地部署步骤）：

正在优化