Аннотация: Традиционная проверка рукописных работ студентов в вузах характеризуется высокой трудоемкостью, субъективностью оценивания и задержками в предоставлении обратной связи. В условиях массового обучения и цифровой трансформации образования возникает необходимость в автоматизации процессов контроля знаний. Развитие технологий компьютерного зрения и больших языковых моделей создает предпосылки для создания систем, способных распознавать рукописный текст и автоматически оценивать его правильность. Однако вопросы интеграции облачных OCR-сервисов и локальных LLM в единую математическую модель для русскоязычных технических дисциплин остаются недостаточно исследованными. Цель работы — разработка и исследование математической и программной модели, обеспечивающей распознавание рукописных ответов студентов и автоматическую оценку их правильности с применением методов искусственного интеллекта и компьютерного зрения. В работе использовались методы математического моделирования, теория нейронных сетей (сверточные и рекуррентные архитектуры), методы оценки качества систем компьютерного зрения и обработки естественного языка, а также экспериментальный анализ на реальных данных. Программная реализация выполнена на языке Python с использованием фреймворка Kivy для кроссплатформенного интерфейса, облачного сервиса Yandex Vision OCR для распознавания рукописного текста и языковой модели Qwen 2.5 (7B) для семантической оценки ответов. В первой главе проведен анализ современных методов распознавания рукописного текста (HTR), рассмотрены подходы к автоматической оценке письменных работ, выполнен обзор инструментов ИИ, а также дана формальная постановка задачи математического моделирования. Во второй главе представлена реализация программного комплекса: обоснован выбор технологий, описана структура приложения и основные модули, детально рассмотрены механизмы загрузки и предобработки изображений, интеграция Yandex Vision OCR и Qwen 2.5, а также реализация пользовательского интерфейса. В третьей главе (планируемой) будет проведено экспериментальное исследование точности распознавания и достоверности оценивания на выборке реальных студенческих работ с вычислением метрик качества. В заключении подводятся итоги работы и определяются перспективы дальнейших исследований. Разработана математическая модель в виде композиции операторов распознавания, предобработки, семантической оценки и вычисления итогового балла. Создан действующий программный комплекс, интегрирующий Yandex Vision OCR (специализированная модель handwritten с точностью распознавания кириллицы до 96%) и языковую модель Qwen 2.5 (7B) через Hugging Face Inference API. Реализован конвейер предобработки изображений (бинаризация, размытие, масштабирование) с настраиваемыми параметрами через файл .env. Пользовательский интерфейс обеспечивает загрузку изображений эталона и работ студентов, навигацию по нескольким работам, просмотр изображений с масштабированием и отображение результатов оценки.
Оленичев В. П. Математическое моделирование процесса распознавания рукописного текста и автоматической оценки письменных работ с использованием методов искусственного интеллекта / В. П. Оленичев. - Иваново, 2026. - 62 с.