简介基于YOLO的试卷题目自动切割系统是一份面向毕业设计、课程设计与期末大作业的深度学习图像识别项目利用YOLO实时目标检测能力从整张试卷图像中自动识别并切割出各个题目区域适用于考试机构、在线教育平台及试卷数字化处理等场景也适合希望掌握目标检测工程化流程的学习者参考。资源包共9个文件包含3个Python脚本分别用于训练、测试与核心切割、2个预训练模型、2个文本文件、1个gitignore及1个Markdown说明压缩包大小约10.48MB脚本覆盖训练测试流程预训练权重便于快速验证依赖清单与使用文档辅助环境搭建和项目运行。该项目完整覆盖数据标注、模型训练、目标检测到图像切割与后处理的核心步骤目前已有69人学习下载适合完成智能试卷切割课题或构建YOLO视觉项目的同学参考。1. 基于YOLO的试卷题目自动切割这一张 zip 里装的到底是什么以“基于YOLO的试卷题目自动切割系统-1.zip”为起点面对的是一堆扫描或拍照的试卷图片。它不是普通的批量裁剪工具而是通过目标检测模型定位每道题的边界再输出按题号排列的题目切片。类似项目常用于AI题库、错题本、成绩分析等场景压缩包内通常包含训练代码、数据整理脚本和一个推理demo。适合手里有几百张考试卷、希望自动生成结构化题库的开发者。YOLO在这里解决两个问题把“试卷题目”当成一个目标类别来定位以及把重叠、倾斜的文本区域从版面中剥离。但真正决定项目价值的是后面按阅读顺序归档的那层后处理。下文从解压 zip 开始到训练、避坑和排序给你一条能直接照着搭的路径。2. 从 zip 开始准备数据解压、伪加密与 YOLO 标注格式在实际工程里压缩包里面的文件名、目录结构往往和你预期的不一样。常见的“基于YOLO的试卷题目自动切割系统-1.zip”可能由Windows下的压缩工具生成文件名编码可能是简体中文或繁体中文也可能带伪加密。如果一开始就打不开或者打开后文件名乱码后续所有环节都会被拖住。所以我把解压和数据标准化放在第一个中间章。2.1 别直接双击解压用命令行先看内部结构、校验完整性解压虽然是个初级操作但试卷切割项目的压缩包通常不止一层目录。如果直接双击解压到当前文件夹很可能会得到一堆散落的 .py 和 .yaml 文件。我习惯先打开命令行定位到 zip 所在目录先执行unzip -l 基于YOLO的试卷题目自动切割系统-1.zip-l只列出压缩包内的文件清单不解压。输出的第一列是文件长度第三列是文件名你可以根据它判断是否存在weights/、datasets/、runs/这样的子目录以及是否包含已经标注好的缓存文件。如果一个 zip 包里有多个.yaml先打开看一遍再决定用哪个训练配置。确定结构后再测一下 zip 的 CRC 完整性unzip -t 基于YOLO的试卷题目自动切割系统-1.zip这步会逐个文件校验。出现 “OK” 只能说明文件在 zip 内是完整的不代表解压出来不乱码出现 “bad CRC” 说明这一层文件在传输或分卷时损坏最好先重新获取压缩包不要执迷于用修复工具硬解。训练数据损坏时模型训练出来的特征会变得异常后面排查时间反而更长。真正解压时再添加-O gbk选项这是针对中文文件名编码的常见处理unzip -O gbk -q 基于YOLO的试卷题目自动切割系统-1.zip -d exam_project这里-d exam_project指定解压目标目录避免文件直接散落当前目录。如果你的 unzip 命令没有-O参数某些简化版 unzip 不支持一个变通办法是先用 Python 的zipfile库列出文件名再用脚本把 GBK 名字逐一重命名但那样会很繁琐。普通场景下用 7-Zip 也能解决它自动识别本地编码中文名很少乱码。2.2 伪加密明明没设密码解压却弹密码框zip 伪加密容易发生在老式打包工具生成的压缩包上。现象是双击解压弹密码框你明明没设置过密码输什么都解不开。这种伪加密不是真正的加密也没有用密码保护文件内容只是文件头通用位标志被设置为“加密”属于结构损坏或工具兼容性问题。遇到这种情况可以用zip -FF修复命令试试zip -FF 基于YOLO的试卷题目自动切割系统-1.zip --out fixed.zip-FF会扫描并尝试重建中央目录结构伪加密的情况下经常能直接恢复成正常 zip。如果-FF也不行就用 7-Zip 打开7-Zip 通常忽略该标志并能立即解压。最后的手段是用 Python 把本地文件头的加密标志位清零但因为要修改二进制偏移量只建议在测试副本上操作。核心思路是伪加密不等于真正的密码保护不需要暴力试探绕过错误的标志位即可。注意以上处理只面向伪加密和损坏文件。真正加了密码的文件请确认密码来源绕过他人设置的访问限制不在本方案适用范围内。2.3 标注“题目区域”而不是“题号”一个类别更稳接下来处理数据集。YOLO 需要的是标注框而试卷题目检测的标注框要框住“一道完整题”。实际标注时有人把题号、题干、选项分别标出来这样做翻车概率很高。试卷上的题号“1.”与题干之间的空白很小如果分成两个类别题号框和题干框会互相干扰导致模型在边界附近输出一堆重复框。更好的做法是只定义一个question类别把一道题从头到尾整体框住。这样一个类别 YOLO 学起来更容易调 NMS 参数时也不会有跨类别重复框的问题。如果你还是想拿到题号建议额外做一个独立的题号识别模块例如用下一个 OCR 去识别小区域而不是把题号与题干用两类方式硬拆。切割系统的主模型专注输出“题目框”后面的排序和编号交给后处理前后职责分开才容易维护。2.4 用 voc2yolo.py 把标注统一成 YOLO txt项目里可能已经给了转换脚本但搞清楚转换逻辑仍然有价值。因为很多旧标注是 PascalVOC 格式YOLO 要求每张图的标注为一个 txt 文件每行是“类ID 中心x 中心y 宽 高”且坐标统一归一化到 0~1。我一般使用下面这段代码批量转换# voc2yolo.py import os import xml.etree.ElementTree as ET classes [question] def convert_annotation(xml_path, out_dir): tree ET.parse(xml_path) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) basename os.path.splitext(os.path.basename(xml_path))[0] out_path os.path.join(out_dir, basename .txt) with open(out_path, w, encodingutf-8) as f: for obj in root.findall(object): label obj.find(name).text if label not in classes: continue cls_id classes.index(label) box obj.find(bndbox) xmin int(box.find(xmin).text) ymin int(box.find(ymin).text) xmax int(box.find(xmax).text) ymax int(box.find(ymax).text) cx (xmin xmax) / 2.0 / w cy (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h f.write(f{cls_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}\n)逻辑说明ET 解析 XML先从size节点拿到图片宽高再从每个object里拿bndbox的四角坐标换算成中心点坐标和宽高。这个转换结果天然是 0~1 之间的浮点数不会因为输入到 YOLO 后图片被 letterbox 缩放而失真。一个细节如果 XML 里有多余类别即便classes列表只有question脚本会默认跳过其他类这时候你容易误以为全部对象都转换了。建议脚本跑完用wc -l labels/*.txt查看每个 txt 的行数与 XML 里题目数对一下。2.5 拆分数据集并写 data.yaml数据集准备完后按 9:1 切成 train 和 val。不要直接random.sample因为试卷项目常有同一张试卷的正反面和多角度衍生图如果不做分组验证集里可能出现与训练集内容几乎相同的图片。一个务实做法是按试卷编号的前缀分组再切import os, random, shutil def group_split(image_files, val_ratio0.1): groups {} for f in image_files: key f.split(_)[0] # 比如 paper_001_1.jpg - paper_001 groups.setdefault(key, []).append(f) items list(groups.values()) random.shuffle(items) split int(len(items) * (1 - val_ratio)) train_imgs [img for g in items[:split] for img in g] val_imgs [img for g in items[split:] for img in g] return train_imgs, val_imgs分组拆分可以降低验证集和训练集之间的语义重叠让 mAP 更真实。然后把图片和 txt 放到images/train、labels/train、images/val、labels/val最后写data.yamlpath: ./exam_dataset train: images/train val: images/val nc: 1 names: [question]训练时常遇到一个报错是“image not found”多半是path写成了绝对路径或路径下还有一层。把path设成相对路径并固定所有目录层级从开始就少一次 debug。3. 训练 YOLO预训练权重、损失函数与三个必调参数数据准备好了训练是一道分水岭。有些人一跑训练就期待第一轮 mAP 很高实际上 YOLO 针对特定数据集能从预训练权重上学到不少东西但仍要正确设置几个参数。这里我用 YOLOv8 举例但思路同样适用于 YOLOv5。3.1 选 YOLOv8 还是 YOLOv5先看项目和部署环境试卷切割系统可能会被部署在边缘盒子上也可能只在本地离线跑。YOLOv5 的依赖更传统导出 ONNX 相对直接YOLOv8 的接口更像一个闭环训练完成能直接export成 ONNX 或 TensorRT。项目压缩包如果是 YOLOv5 代码就按 YOLOv5 来不要强行把数据拷到 v8 里因为两个版本的 CLI 参数和输出目录逻辑差异不小。一般我用 YOLOv8n 作为基准模型。这个“n”的模型体量小在试卷这类相对规整的文本区域上效果和更大模型差距不大但训练和推理速度快很多。如果你手里的 GPU 是 V100 或更高可以直接用yolov8s或yolov8m要是单卡 8G 显存还是用 nano 或 small。3.2 训练命令参数不是玄学是有依据的一个能直接跑的训练命令yolo train modelyolov8n.pt dataexam_dataset.yaml epochs120 imgsz640 batch16 device0 cacheTruemodelyolov8n.pt从预训练权重开始。第一次执行会自动下载权重如果你希望离线部署就把.pt文件放到项目根目录。epochs120只检测一个类别时60150 轮足够。样本量少于 300 时可以把 epochs 开到 200配合早停。imgsz640输入尺寸。640 是速度与精度的平衡点如果识别的题目包含小字号调到 960 再训练。batch16显存 8GB 以上建议 16显存 6GB 降到 8并在命令里保留cacheTrue来减少磁盘读取。另外还有三个容易被忽略的参数lr0初始学习率默认 0.01如果发现框的回归不稳把 lr0 降到 0.005。patience早停耐心值在 YOLOv8 默认 100 轮数据量少时可能 80 轮已经收敛把 patience 设成 30 能节省时间。workers数据加载线程数默认 8在 Windows 上有时要改成 0否则报 DataLoader worker 错误。3.3 损失函数曲线和混淆矩阵怎么读YOLOv8 的损失函数包含几个部分box_loss是边界框回归损失cls_loss是分类损失dfl_loss是分布聚焦损失。单类别场景里cls_loss下降趋势会很快但真正应该盯着的是box_loss。如果box_loss前 20 轮不见明显下降先怀疑输入尺寸、学习率或标注框的准确性而不是去换更大的模型。训练结束后runs/detect/train/目录下会有一个混淆矩阵。这里有个现象经常让新手困惑混淆矩阵每个格子的总和并不等于 1因为 YOLO 按行归一化而且 background 行可能没参与计算。你看到的是矩阵里“question → question”的百分比这个值越高越好而“question → background”这一项才是漏检率。我一般把漏检率控制在 10% 以内超过了就回去查 imgsz、查标注边界。提示如果训练日志中val/box_loss出现突增往往是因为验证集图片分辨率与训练集不一致。不要盲目提高imgsz先看验证集是否混入了旋转 90 度的试卷图。4. 避坑记录试卷切割系统从解压到推理最容易踩的五个坑这一章更像一份“血泪经验”。我不写泛泛的“注意事项”每条都对得上具体现象现象、原因、解决。4.1 zip 伪加密没设密码却要密码现象用操作系统自带工具解压“基于YOLO的试卷题目自动切割系统-1.zip”弹出密码输入框明明打包时没设置密码。原因文件头的加密标志位被设置为 1实际内容没有加密属于伪加密。解决优先用 7-Zip 打开并尝试解压若 7-Zip 也弹密码框输入一个任意密码多数伪加密能通过。仍不行则用zip -FF修复。不要对这种包跑暴力破解工具浪费时间。另外如果解压时提示 “missing zip entry” 或 “Could not find EOCD”意味着 zip 的中央目录结尾标记丢了。这通常是下载不完整或从网盘在线解压导致。解决方法是重新导出完整文件不要强行修复后再训练因为丢掉的可能是关键标注。4.2 中文文件名乱码现象解压后出现“绗悆XX.jpg”之类的乱码图片和标签名称无法对应。原因Windows 压缩时使用 GBK目标系统用 UTF-8 解压。解决解压时用unzip -O gbk。如果已经解压成乱码可以写 Python 脚本按原编码“gbk”重命名但要先确认原字符串能逆变换。实际操作中乱码文件名在复制到服务器后很难恢复所以把解压这一步固化到流程里用统一命令完成。4.3 训练 loss 出现 NaN现象前 10 轮正常第 15 轮突然nan。原因BN 统计不稳定。常见于 batch 过小、学习率过大或数据集里出现异常尺寸的图片比如一张宽度只有几十像素、高度却很大的拼接图。解决将 batch 提高到 8 以上lr0降到 0.005 以下。同时过滤掉宽或高小于 50 像素的图片这类图在预处理时容易导致数值溢出。4.4 同一题出现两个框NMS 效果失灵现象推理图中同一道题被画了 2 个高度重叠的框。原因两个框的原始置信度都很高NMS 的 IoU 阈值设得太高算法认为它们是不同目标。解决yolo predict时用iou0.45或更低0.3。如果训练时也有重叠框检查你的标注是否真的一个题占用了两行必要时手工合并。试卷的题号与题干之间出现重复双框最常见的就是标注时没有统一框边界。4.5 模型漏检小题号现象前排的小题例如“1.1”检测不到而大题目正常。原因resize 到 640 后小字号的文字在特征图上的表达损失严重。解决提升imgsz到 960 或 1280同时给小题号框加一点 padding。如果算力有限可以采用滑动窗口推理将大图切成 4 块分别送入模型再把边界框坐标按原图偏移合并。这种 trick 在超高分辨率试卷扫描里很常用。5. 让切割系统真正可用按阅读顺序对题目重排的实战技巧模型输出的检测框是按置信度排序的不是按阅读顺序。直接切出来是一堆顺序错乱的图片下游 OCR 会出乱子。这一部分给一个不依赖 OCR 的重排方法。5.1 为什么不能按 y 坐标整体排序试卷印刷时常见两栏排版直接按检测框的 y 中心排序会让左右两栏的题目从上到下错位。正确做法是先把彼此在垂直方向上重叠的框归到同一行再按行内 x 排序。问题在于“重叠比例”怎么算两框相交高度除以两框中较矮的那个高度如果这个比例超过 30%就视为同一行。5.2 排序函数与边界修正前面章节里的sort_boxes只解决行聚类实际还需要过滤面积过小的误检以及把坐标修正回图像边界。合并后一个完整的后处理函数如下def post_process(boxes, img_w, img_h): # 1. 过滤面积过小的误检 boxes [b for b in boxes if (b[2]-b[0])*(b[3]-b[1]) 0.05 * img_w * img_h] # 2. 按垂直重叠聚类行 boxes.sort(keylambda b: (b[1], b[0])) lines [] for b in boxes: y1, y2 b[1], b[3] for line in lines: l_y1, l_y2 line[0][1], line[0][3] overlap min(y2, l_y2) - max(y1, l_y1) if overlap 0: ratio overlap / min(y2 - y1, l_y2 - l_y1) if ratio 0.3: line.append(b) break else: lines.append([b]) # 3. 每行内按x排序并裁剪坐标到图像边界 ordered [] for line in lines: line.sort(keylambda b: b[0]) ordered.extend( (max(0, int(x1)), max(0, int(y1)), min(img_w, int(x2)), min(img_h, int(y2)), conf) for x1, y1, x2, y2, conf in line ) return ordered这里面有一个容易错的地方overlap min(y2, l_y2) - max(y1, l_y1)如果为负数就说明两个框在垂直方向上没有交集此时不能直接除以min(y2-y1, l_y2-l_y1)否则会得到一个负的比值并产生错误聚类。所以前面加了一个if overlap 0的判断。第三个步骤里的边界裁剪能把越界坐标直接压回图像内避免裁出一张带黑边的图片。这个后处理函数可以单独保存成sort_utils.py在训练和推理时复用等于给项目上了“后悔药”无论后续怎么调模型切割排序结果都能一键生成。5.3 用最小面积和长宽比对切割结果做最终校验排序之外我每次切割最终版本还会保存一个 output.tsv记下每张切片的宽高、置信度和所属原图。有了这张表可以快速挑出面积异常的切块比如某道题高度只有 100 像素、宽度却有 2000大概率是切碎了横排的选项。当这种异常数量超过一定比例就先检查训练标注再检查imgsz。我最早做这套系统时切出来的图片顺序混乱还经常带黑边后来把排序和边界修正做成了标配后处理才真正被题库团队接受。YOLO 模型只是整个切割系统的零件后处理才是让消费方愿意用起来的那一步。希望这一路的踩坑和解法能帮到你。本文还有配套的精品资源点击获取