小学生学习数学，四则运算是比较重要的内容，需要做大量的练习，一次要做几十甚至上百道题，经常每天都要做，俗称刷题；对老师和家长来说，判卷也是一个比较费事的工作。如果我们可以通过摄像头直接拍摄学生刷题的卷子，识别卷子上的题目和学生答案，并判断答案是否正确，这种自动判卷神器，可以大大减轻老师和家长判卷的压力。
本次项目以两个运算数的加减乘除的四则运算为例，后续可以将这个功能扩展到多个运算数并且带括号的运算，以及小数、分数的运算，乘方的运算等。对于学生手写数字的识别率，也可以作为书写是否规范的一个评价，对学生提出建议，督促学生书写尽量规范。
本项目采用如下硬件平台：
在LattePanda上，通过摄像头采集数学刷题图像或者采用保存好的数学刷题图像，输入到部署在NCS2上的训练好的优化后的网络系统，识别数学题目，自动计算数学题目结果，识别学生答案，并判断学生答案是否正确，给出判断结果。可以将错题高亮显示标出，存成新的判卷图片，并将结果在显示器上输出，或者通过声音给出结果（答对多少道题或者多少分）。
刷题试卷如下图所示：
这张卷子有100道题目，涵盖百以内的加减法运算，有打印的数字、计算符号、等于号和学生手写的结果，还有班级姓名等。
软件流程图如下：
输入刷题试卷的图像后，我们要对图像按照每个题目分块，然后再对每个分块内的数字、计算符号、“=”，以及手写答案进行识别，然后组合成算式，计算结果，与手写答案做对比，然后进行下一题目分块，直到试卷结尾。
以第一道题为例，我们要识别并分解题目：“53+17=”，其中，“53” 和 “17” 是参与运算的数字，“+” 是运算符，“=” 是等号；我们需要识别单个的数字 “5” 和 “3”，然后根据运算符的间隔，将单个数字组合成相应的运算数字“53”，识别出运算符和参与运算的数字后，我们自动计算此题目的结果“70”，同时识别学生的手写结果”70”，并判断学生计算结果是否正确。
以此类推，对所有题目进行类似操作，就可以知道该学生一共作对了多少题目，得到多少分，通过显示器或者音箱将结果输出。
实现过程：
- 采集并标图像数据，借用mnist数据集作为手写体的数据集，该数据集有手写的单个数字的数据；我们还需要通过LattePanda的摄像头采集一定数量的运算符和 “=” 的图像，并做标注；
- 创建深度学习网络，可以采用已有深度学习网络，做迁移学习；比较几种深度学习网络，考虑速度和准确率，选取一种比较合适的结构，保证其识别准确率在96%以上。
- 用标注好的数据训练网络，达到一定的精度要求；保存模型为ONNX格式；
- 将训练好的网络模型，引入到OpenVINO 环境，采用mo.py对模型进行优化，并采用benchmark_app.py对其性能进行评估；
- 部署到LattePanda和Intel计算棒NCS2上，对实时采集图像或者保存图像，进行推理，识别数学题目，自动计算数学题目结果，识别学生答案，并判断学生答案是否正确，给出判断结果，通过语音合成技术，将学生的答题情况，得分播报出来；根据得分情况，对学生进行鼓励。
结果显示：