基于YOLOv5的智慧监考模型设计与研究

针对传统监考模式存在的监考人员工作量大、主观性强等问题,构建基于目标检测的智慧监考模型。该模型能够应用于国家标准化考场,自动实时监测考生的作弊行为。采用YOLOv5算法训练出智慧监考模型,对考生回头的作弊行为进行检测,并使用深度学习方法对其作弊行为进行判定。在实验过程中,通过模拟真实的考场环境,该智慧监考模型对考生作弊行为检测的准确率较高,检测精确度可达96.3%,并能在GPU支持下实现实时检测。同时,实验对不同光线和像素下的识别准确度进行了比较分析,证明光线和像素会对准确度造成一定影响。实验结果表明,该模型能有效降低监考人员工作成本,实现考场监考公平性。