Gambaran Umum
Apakah Anda mencari perpustakaan OMR Java yang efisien dan kaya fitur? Apakah Anda ingin mengidentifikasi markah optik dalam gambar yang dipindai? Jelajahi Aspose.OMR untuk Java, sebuah perpustakaan kelas Java yang dirancang untuk solusi SDK Pengenalan Markah Optik dalam aplikasi berbasis Java. Berikut adalah gambaran cepat tentang fitur-fitur dari API Java ini, yang menunjukkan bagaimana ia dapat digunakan untuk mengenali markah optik dalam berbagai format gambar dan mendapatkan data yang ditandai manusia dari survei, kuesioner, atau tes yang menampilkan MCQ.
Secara Dinamis Membuat Template OMR menggunakan Perpustakaan OMR Java
Aspose.OMR untuk Java menawarkan rangkaian fitur komprehensif dari pembuatan template OMR hingga mengenali markah optik untuk pengambilan data. SDK Pengenalan Markah Optik ini mendukung pembuatan file atau gambar template OMR dari markup teks sederhana. Untuk menghasilkan template, Anda dapat mengirimkan markup teks ke API, memungkinkan pembuatan template otomatis. Berikut adalah contoh markup teks untuk template OMR:
?text=Nama__________________________________ Tanggal____________
?grid=ID
sections_count=8
#Apa fungsi utama Aspose.OMR?
() OCR () Tangkap data yang ditandai manusia
() Tidak ada fungsi utama () Tingkatkan gambar
#Bisakah Aspose.OMR memproses foto juga?
() Ya, tentu saja! () Tidak
#Aspose.OMR tersedia di platform mana pun, karena:
() Kode lintas platform () Layanan cloud
#Aspose.OMR bekerja dengan segala jenis formulir OMR: tes, ujian, kuesioner, survei, dll.
() Ya, tentu saja! () Tidak
#Hasil pengenalan yang sangat baik hanya dapat dicapai untuk gelembung yang diisi setidaknya untuk:
() 40% () 60% () 75% () 98%
#Apakah Anda harus menandai setiap pertanyaan di halaman?
(Ya) Ya, itu sangat membantu! (Tidak) Tidak
#Nilai preferensi Anda dari 0 hingga 9 dengan "0" merupakan preferensi terhadap kinerja
dan "9" merupakan preferensi terhadap fleksibilitas.
(0) (1) (2) (3) (4) (5) (6) (7) (8) (9)
#Saya menemukan aspose omr sebagai alat yang berguna. (5 - sangat setuju, 1 - sangat tidak setuju)
(5) (4) (3) (2) (1)
?text= Bagian lembar jawaban
?answer_sheet=PertanyaanUtama
elements_count=10
columns_count=5
?text=Tanda________________________________
Anda dapat menyimpan markup teks ini dalam file teks dengan ekstensi .txt. Setelah selesai, pembuatan template dimulai dengan langkah-langkah berikut:
- Buat objek OmrEngine.
- Panggil metode OmrEngine.generateTemplate() yang menerima jalur file markup teks.
- Simpan template menggunakan metode GenerationResult.save.
Berikut adalah bagaimana contoh potongan kode dalam Java menunjukkan pembuatan template dari markup teks.
Keluaran
Pengenalan Markah Optik (OMR) dalam Gambar menggunakan Java
Untuk melakukan Pengenalan Markah Optik (OMR) pada gambar, Anda hanya memerlukan dua komponen: template OMR yang telah disiapkan (.omr) dan formulir atau lembar yang diisi pengguna yang ingin Anda analisis. Dengan dukungan dari SDK Pengenalan Markah Optik, API memfasilitasi OMR untuk berbagai format gambar, termasuk:
Langkah-langkah untuk melakukan OMR pada gambar adalah sebagai berikut:
- Buat objek OmrEngine.
- Buat objek TemplateProcessor dan inisialisasi dengan jalur template OMR.
- Kenali gambar menggunakan metode TemplateProcessor.recognizeImage() dan dapatkan hasil dalam format CSV atau JSON.
Disajikan di bawah ini adalah contoh kode yang menunjukkan bagaimana mengenali markah optik dalam gambar menggunakan Java.
Menggunakan Ambang Pengenalan Kustom untuk OMR
Anda juga dapat menyempurnakan hasil OMR dengan mendefinisikan ambang kustom antara 0 hingga 100 saat menggunakan SDK Pengenalan Markah Optik. Meningkatkan ambang membuat API lebih ketat dalam mengenali jawaban. Nilai ambang dapat diatur dalam metode TemplateProcessor.recognizeImage() sebagai parameter kedua, seperti yang ditunjukkan dalam contoh kode Java berikut.
.
Menghitung Kembali Hasil OMR menggunakan SDK Pengenalan Markah Optik
Dalam beberapa kasus, Anda mungkin ingin menghitung kembali hasil OMR menggunakan nilai ambang yang berbeda. Alih-alih terus-menerus memanggil TemplateProcessor.recognizeImage(), Anda dapat meningkatkan efisiensi pemrosesan gambar dengan mengonfigurasi API untuk perhitungan otomatis dengan metode TemplateProcessor.recalculate() yang disediakan oleh SDK Pengenalan Markah Optik. Contoh kode berikut menunjukkan cara menerapkan perhitungan kembali hasil OMR.
Jika Anda memiliki pertanyaan atau memerlukan bantuan mengenai perpustakaan OMR Java kami, jangan ragu untuk menghubungi kami di forum.