买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江西师范大学;江西飞行学院申请的专利基于人工智能的学生课堂学习状态评估方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120032300B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510505312.6，技术领域涉及：G06Q50/20；该发明授权基于人工智能的学生课堂学习状态评估方法及系统是由刘斯颖;应子尧设计研发完成，并于2025-04-22向国家知识产权局提交的专利申请。

本基于人工智能的学生课堂学习状态评估方法及系统在说明书摘要公布了：本发明公开了基于人工智能的学生课堂学习状态评估方法及系统，属于图像处理技术领域，方法包括：学生课堂学习数据采集、学生课堂学习图像增强、构建学生课堂学习状态评估模型和生成评估报告。本方案通过计算邻域像素筛除系数、局部最小可除量和像素调校因子，对图像进行初次增强，通过计算图像的均值和标准差得到增强上限值和增强下限值，对图像进行二次增强，从而提高图像质量；分别提取低级特征和高级特征，通过全局特征构建余弦相似度矩阵，计算量化矩阵和二维量化计数矩阵，得到统计特征，对低级特征进行增强，通过注意力权重对高级特征进行增强，构建综合特征序列，得到状态评分，提高对学生课堂学习状态评估的准确性。

本发明授权基于人工智能的学生课堂学习状态评估方法及系统在权利要求书中公布了：1.基于人工智能的学生课堂学习状态评估方法，其特征在于：该方法包括以下步骤： 步骤S1：学生课堂学习数据采集；采集历史学生课堂学习数据； 步骤S2：学生课堂学习图像增强； 步骤S3：构建学生课堂学习状态评估模型； 步骤S4：生成评估报告；采集实时的学生课堂学习视频并进行学生课堂学习图像增强处理，然后输入至学生课堂学习状态评估模型中进行评估，根据输出的状态评分生成学生课堂学习的评估报告； 在步骤S2中包括步骤S231：设计邻域像素筛除系数；根据每个像素点所在邻域内的局部最大值、局部最小值以及像素值方差，计算出图像中每个像素点处的邻域像素筛除系数；所用公式如下： ； 式中，是像素点（x，y）处的邻域像素筛除系数，和分别是以像素点（x，y）为中心的5×5邻域内的局部最大值和局部最小值，是以像素点（x，y）为中心的5×5邻域内所有像素值的方差，x是图像中像素点的横坐标索引，y是图像中像素点的纵坐标索引，是指数函数； 在步骤S2中，所述学生课堂学习图像增强具体包括以下步骤： 步骤S21：构建学习图像序列；从学生课堂学习视频中提取连续帧，生成学习图像序列； 步骤S22：归一化；对学习图像序列中的每一帧图像进行归一化处理； 步骤S23：图像初次增强； 步骤S24：图像二次增强；对学习图像序列中初次增强后的每一帧图像，依次进行以下二次增强处理： 步骤S241：再次归一化；根据最小-最大归一化方法对初次增强后的图像再次进行归一化处理； 步骤S242：计算增强上限值和增强下限值；根据再次归一化后图像中所有像素值的均值和标准差，计算出图像中每个像素点处的增强上限值和增强下限值；所用公式如下： ； ； 式中，和分别是像素点（x，y）处的增强上限值和增强下限值，是根据最小-最大归一化方法处理后的像素值，是初次增强后的像素值，是像素点（x，y）处归一化后的像素值，β是调整因子，μ和σ分别是再次归一化后图像中所有像素值的均值和标准差； 步骤S243：二次增强；根据增强上限值和增强下限值对每个像素点进行二次增强处理；所用公式如下： ； 式中，是像素点（x，y）处二次增强后的像素值； 步骤S25：伽马校正；对学习图像序列中二次增强后的每一帧图像进行伽马校正处理，得到学习图像增强序列； 在步骤S23中，所述图像初次增强；对学习图像序列中归一化后的每一帧图像，依次进行以下初次增强处理： 步骤S231：设计邻域像素筛除系数； 步骤S232：计算局部最小可除量；将邻域像素筛除系数和局部最小值的乘积作为每个像素点处的局部最小可除量； 步骤S233：设计像素调校因子；根据局部最小可除量和局部最大值计算出每个像素点处的像素调校因子；所用公式如下： ； 式中，是像素点（x，y）处的像素调校因子，是像素点（x，y）处的局部最小可除量； 步骤S234：初次增强；根据像素调校因子、局部最小可除量和局部最大值，对每个像素点进行初次增强处理；所用公式如下： ； 式中，是像素点（x，y）处归一化后的像素值，是初次增强后的像素值； 在步骤S3中，所述构建学生课堂学习状态评估模型具体包括以下步骤： 步骤S31：特征提取；对于学习图像增强序列中的每一帧图像，依次进行以下特征提取处理： 步骤S311：低级特征提取；将图像输入至第一卷积层进行处理，提取得到低级特征图； 步骤S312：高级特征提取；将低级特征图输入至深度可分离卷积层、第二卷积层、平均池化层和全连接层进行处理，提取得到高级特征图； 步骤S32：低级特征增强； 步骤S33：高级特征增强；对于从学习图像增强序列中每一帧图像提取的高级特征图O，依次进行增强处理；增强处理是先计算高级特征图的注意力权重W；然后通过注意力权重对高级特征图进行加权求和，以获得增强后的高级特征P； 步骤S34：构建综合特征序列；将增强后的低级特征V和增强后的高级特征P通过连接操作进行合并，得到每一帧图像的综合特征M，并将所有帧图像的综合特征按照学习图像增强序列中的顺序进行整合，得到综合特征序列； 步骤S35：评估；将综合特征序列输入至长短期记忆网络中进行评估，得到学生课堂学习的状态评分。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江西师范大学;江西飞行学院，其通讯地址为：330000 江西省南昌市高新区紫阳大道99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。