CC BY
35
Известия ЮФУ. Технические науки
Специальный выпуск
Разрабатываемая система в отличие от аналогов рассчитана на более локальное использование и, на данный момент, внутри крытых помещений. Съемка изображения будет производиться при хорошей освещенности, в отсутствии климатических помех. Объект должен быть неподвижным, но может располагаться на расстоянии до 10 метров и под углом до 100 относительно камеры. Гарантированная скорость обработки снимка автомобильного номера 1 минута.
Этапы распознавания автомобильных номеров:
1. Получение изображения и выделение номера. С помощью фото- или видеокамер изображение передается в вычислительную систему, затем происходит поиск и выделение номерного знака на фотографии.
2. Обработка изображения номерного знака. Полученное изображение номерного знака переводится в формат ВМР и затем в монохромный режим. После процедур фильтрации и увеличения контрастности происходит разбиение номерного знака на отдельные символы.
3. Распознавание символов номерного знака. Изображение каждого символа, в свою очередь, разбивается на матрицу размерностью 16х16. Создается маска размером 16х16 пикселов (каждый пиксел отображает соответствующую зону символа). При этом пиксел гасится, если коэффициент заполнения соответствующей зоны символом номера выше определенной величины. Полученная таким образом маска сравнивается с эталонными изображениями символов и наиболее близкий считается распознаваемым символом.
УДК 681.306
М.М. Бойченко, С.А. Бутенков РАЗВИТИЕ МЕТОДОВ АВТОМАТИЗАЦИИ ОЦЕНКИ ЗНАНИЙ
Несмотря на значительные успехи в совершенствовании методов и средств проектирования и анализа качества банков тестовых заданий, как важнейшего этапа компьютерного тестирования, в настоящее время в области проектирования, оценки и применения банков тестовых заданий существует ряд нерешенных задач.
Прежде всего необходимо дальнейшее развитие теоретической базы проектирования банков тестовых заданий в сторону разработки новых информационных характеристик банков, позволяющих получать адекватные оценки эффективности. Они должны дифференцировать контингент обучаемых по уровню знаний в выбранной предметной области и обеспечивать адаптацию заданий к уровню знаний отдельных обучаемых.
С точки зрения практической применимости методов теории педагогических измерений необходимо дальнейшее развитие алгоритмической базы компьютерных средств создания банков калиброванных тестовых заданий с заданными характеристиками, что позволит оперативно реагировать на изменения в современных требованиях к проектируемым компьютерным курсам обучения. Необходимо также создание алгоритмов обработки тестовых данных, позволяющих уменьшить влияние изначально присущей педагогическим измерениям неопределенности на результаты тестирования как измерения латентных, скрытых качеств личности.
Решение этих задач возможно введением в арсенал теории педагогических измерений, являющейся основным инструментом тестологии, элементов киберне-
Секция автоматизированных систем обработки информации и управления
тики и теории передачи информации, связанных с анализом информации в условиях неопределенности, органически присущей педагогическим и психологическим измерениям. На теоретической базе кибернетики возможно дальнейшее развитие методов моделирования педагогических измерений с использованием неклассических вероятностей и теории случайных множеств. Это позволит существенно повысить эффективность оценок знаний, получаемых с помощью баз тестовых заданий, спроектированных с применением новых моделей измерений. Наконец, введение новых методов оценки эффективности банков тестовых заданий может позволить значительно улучшить временные и качественные показатели процесса проектирования и применения банков тестовых заданий.
На данном этапе исследования авторами был проведен анализ различных моделей оценки эффективности педагогических измерений и показано, что большинство используемых моделей можно представить одной обобщенной, позволяющей значительно сократить временные затраты на этапе создания теста из банка тестовых заданий.
