以“教育双减”为契机，减轻课业负担，提升教学效能，是近年来教育领域颇受关注的目标之一。为实现这一目标，越来越多的教育机构与老师正根据学生的不同情况，制定更有针对性的教学计划，因材施教，来进一步激发学生的主观能动性。
这一过程中，为解决师生互动中的信息采集与转化难题，一起教育科技创新地推出高质量作业解决方案。通过将点阵笔系统与基于人工智能（Artificial Intelligence，AI）的目标检测、光学字符识别（Optical Character Recognition，OCR）等方法相结合，该方案能快速有效地对作业内容、老师批改痕迹等信息进行采集与转化，并输出作业报告，从而实现教学评价体系的优化与创新。
英特尔® 至强® 可扩展处理器，为新方案提供了强有力的算力支持，其与OpenVINO™ 工具套件组合，可帮助新方案在保证模型推理精度的同时大幅提升应用效能，为未来应用提供了有力保证和巨大的想象空间。
通过对作业内容、老师批改痕迹等信息的高效采集与转化，新的作业解决方案能帮助老师更好地掌握学生的学习情况，并以此制定合理的教学计划，提升教学质量。英特尔® 至强® 可扩展处理器与 OpenVINO™ 工具套件这一组合为方案提供了强有力的计算与 AI 加速能力，使方案在精度和实时性上的表现均达到甚至超越传统技术方案。”
背景：因材施教、持续提升教学效率，需要先进的信息采集和转化方法
随着“教育双减”政策的落地，如何让师生在日常教学互动中高质量实现知识传递，已成为众多教育机构探索的方向之一。而根据不同学生各自的学习情况和课业进度，因材施教，制定更有针对性的教学方法和目标，无疑能事半功倍，有效提升教学效能。
在各类教学过程中，学生完成作业并交予老师批改，是师生间日常最高频的互动方式之一。其不仅能帮助老师快速直观地评估教学效果，也是老师掌握学生学习成效的重要抓手。富有经验的老师通过对作业情况进行横向、纵向的比较分析，即能较为全面系统地了解各个学生的学习进度、知识水平等，并据此对教学计划进行动态调整。
但在传统教学效果评估模式中，作业内容及老师的批改痕迹需要老师通过翻阅作业本，靠纸笔进行记录和归类，或将各类数据人工录入计算机后再开展后续分析。随着教育信息化进程的加速，许多基于 IT 技术的数据采集和信息化转化方法也在教学实践中获得运用。例如学生可每天将作业拍照后上传、或由老师统一对作业进行扫描后，再借助 OCR 等技术方法将图像转化为计算机信息。
在致力于用先进教育科技来为不同教育场景打造高效产品的一起教育科技看来，面对教学常态化信息采集和转化需求，上述方法显然还有很大提升空间。比如，在实际应用中，这些方法不仅费时费力，还会因为拍照角度、扫描方法等原因，存在一定的信息识别错误风险。
通过对教学信息采集和转化过程进行梳理，一起教育科技发现笔迹（包括学生笔迹、老师批改笔迹）的跟踪与识别是提升效率的关键。为此，一起教育科技创新地将点阵笔系统、与基于 AI 方法的目标检测和 OCR 识别方法相结合，为师生打造出一套全新的高质量作业解决方案。
创新的产品理念与应用模式要发挥更大效能，离不开高品质的软硬件基础设施来承载方案。由于学生作业提交与老师批改往往具有一定的时效性，系统在高峰期要同时处理大量的目标检测和 OCR 识别任务，这对后端平台的计算性能及 AI 加速能力都提出了巨大挑战。为此，一起教育科技与英特尔一起，以英特尔® 至强® 可扩展平台作为新方案强有力的硬件基础设施，并引入 OpenVINO™ 工具套件，实施 AI 优化加速。
解决方案：一起教育科技携手英特尔，打造高质量作业解决方案
作为新型的教学辅助产品，点阵笔系统的前端由印刷有点码底图（不可见）的特殊纸张与带有高速摄像头的点阵笔构成。与普通书写工具相比，点阵笔的优势在于能将日常书写过程与信息采集步骤融于一体，从而解决传统方案中作业内容及批改结果等录入不便的问题。基于这一产品，一起教育科技所构建的高质量作业解决方案架构如图二所示，其由点阵笔、教室一体机（内置蓝牙网关与工控机）、智能手机及部署在数据中心或云端的后端平台组成。
基于这一架构，当学生或老师使用点阵笔书写时，点阵笔能通过前端的高速摄像头，配合点码底图采集笔点数据（包含作业纸唯一 ID、点阵笔所到之处的坐标信息等），并通过蓝牙等方式将笔点数据传送至教室一体机（或智能手机），再经工控机进一步整理为由连续笔点数据构成的笔画数据（包含更多信息元素，如运动轨迹、笔画顺序等），然后通过网络传输至后端平台。
数据到达后端平台后，平台会先通过渲染服务器将其渲染为笔迹图像，然后再利用 AI 方法来进行内容提取，包括借助目标检测模型来识别不同的内容区域，并使用 OCR 识别技术将区域中的图像内容进行转化，供后续分析、处理和存储。
以批改作业为例，当老师使用点阵笔批改作业时，包含作业内容和批改痕迹的数据在后端平台完成整体渲染后，就能借助目标检测模型获得“√（勾）”、“×（叉）”、得分或其它批改内容所在的区域，并通过 OCR 模型进行内容识别。最后，将识别得到的批改内容、位置与作业关联的原始题库信息进行匹配，就能完成作业批改流程的信息采集和转化。此外，老师还可将得到的结果进行分类存档，也可对学生当前作业情况、历史变化趋势以及知识掌握程度等进行综合分析，输出报告，用以动态调整教学计划。
与 AI 方法的高度结合，使方案的软硬件基础设施需具备强劲的计算性能及 AI 加速能力来予以承载。尤其当使用场景具有一定时效性需求，例如需在课堂现场完成作业批改并提交整体报告时，后端平台就将应对高密度、高并发的计算和 AI 任务。此时完成单个目标检测或 OCR 识别任务如需数秒之久，那完成全部学生的作业处理无疑会变得极其漫长，方案的应用可行性也将大打折扣。
为此，一起教育科技正通过与英特尔的深度合作，验证基于英特尔® 至强® 可扩展处理器构建的基础设施能否满足新方案在算力和 AI 加速上的双重需求。以目前双方选择的第二代英特尔® 至强® 可扩展处理器为例，得益于更优的每核性能、更大的内存带宽和容量以及扩展的 I/O 能力，其可为方案中的密集型计算负载提供性能和可扩展性上的保证。同时，处理器所集成的英特尔® 高级矢量扩展 512（英特尔® AVX-512）、英特尔® 超级通道互联（英特尔® UPI）等技术，也可帮助方案大幅增强计算性能。
与此同时，英特尔® 至强® 可扩展处理器内置的英特尔® 深度学习加速（英特尔® DL Boost）技术，也能通过英特尔® AVX-512 VNNI（Vector Neural Network Instructions，矢量神经网络指令）对 INT8 低精度数据格式的良好支持，实现 AI 加速。
传统上，方案所采用的目标检测模型，例如 DBNet，在训练和推理中都会采用 32 位浮点精度（FP32）的数据格式。这固然保证了精度，但也带来了巨大的计算量，并可能因内存带宽受限而影响计算效率。而许多实践表明，以 INT8 等较低精度的数据格式进行模型训练和推理并不会对精度造成太大影响，但执行效率却能获得成倍增长。
方案通过引入 OpenVINO™ 工具套件，不仅借助算子融合、内存优化等操作，使基于英特尔® 至强® 可扩展处理器的计算变得更为高效，也以低精度数据格式进一步加速推理性能。这一过程中，OpenVINO™ 工具套件能让原生框架中训练的模型实现数据格式从高精度向低精度的转换，并加入校准过程以保证精度损失在可接受范围内。同时，OpenVINO™ 工具套件还能够通过高效挖掘英特尔® 至强® 可扩展处理器的多核优势，以及 VNNI 指令集，进一步帮助方案提升性能。
为验证采用“英特尔® 至强® 可扩展处理器 + OpenVINO™ 工具套件”的方案在 AI 加速上获得的优化效果，一起教育科技与英特尔携手搭建了测试环境，软硬件配置如表 1 一所示：
测试表明1 在推理加速效果上，如图三所示，与使用原生框架方式相比，OpenVINO™ 工具套件（使用原始 FP32 精度）的引入让方案获得了约 4% 的提升，而将数据格式从 FP32 量化为 INT8 后，方案的推理性能与原生框架方式相比，提升高达约 12.5 倍。同时在精度损失评估中，如图四所示，在召回率没有损失的情况下，精度损失仅为 0.32%。
成果与展望：以高效便捷的作业报告输出，为老师动态调整教学计划提供助力
来自一起教育科技与英特尔的携手合作，已充分证明采用英特尔® 至强® 可扩展处理器作为核心计算引擎，并借助 OpenVINO™ 工具套件实施 AI 加速的高质量作业解决方案，能成为值得师生们信赖的教学内容信息采集与转化工具，同时方案在部署便捷性和性能上也能满足教育机构的需求，具有可推广性。
借助新方案提供的作业报告输出等能力，老师可以更充分全面地掌握不同学生在学习进度上的差异，从而扬长避短，帮助学生提升学习兴趣，激发学习热情。事实上，方案的应用并不止于作业内容和老师批改的信息采集与转化这一项，例如通过对学生书写过程的分析，也能让老师有的放矢推动对学生学习态度、学习方法的研究与指导，从更深层次帮助学生提升学习效率。
面向未来，一起教育科技与英特尔还将继续在教育信息化领域开展多个层面的深度合作。例如，将 AI 优化方案从目标检测进一步推广到 OCR 过程中，同时更多来自英特尔的软硬件产品也将加入一起教育科技的方案设计中，为加速教育信息化进程持续提供动力。