试卷的数字化管理对提高教学质量有着十分重要的作用。借助数字化试卷管理系统,可以有效分析学生对知识点的掌握情况。因此,设计一个数字化的试卷管理系统具有重要的应用价值。数字化的试卷管理的核心在于试卷信息的识别、存储与分析,同时试卷中学号、分数的自动识别是其中的关键步骤之一。为了将手写体数字识别应用到试卷管理中,本文在对现有的手写数字识别技术进行研究之后,采用基于BP神经网络作为识别算法,并在GPU上实现对BP神经网络的训练,达到了减少训练神经网络时间的目的。本文设计了数字化试卷管理系统的总体框架,并实现了学号和分数的数字识别等核心功能。本文主要工作体现在:1.通过灰度化、二值化、去噪声、倾斜校正一系列预处理,得到利于识别的二值图像;利用投影法对表格区域进行了定位,确定待提取数字所在的区域;并通过分割和归一化得到待辨识的数字。2.结合数字试卷管理的特点,提出了采用BP神经网络的手写数字识别方案,将其应用于试卷管理系统中。3.神经网络进行手写数字识别时,识别率和训练样本的大小有着密切关系,样本的容量越大,训练耗时将越多。为了提高训练效率,本文设计并实现了利用GPU对神经网络的训练进行加速的算法。4.运用VC++实现了试卷管理原型系统及核心模块,其中包括学号、成绩的自动识别和储存。同时将GPU通用计算应用于试卷管理系统中,对神经网络的训练算法进行加速。经测试,GPU对三层神经网络训练的加速可以达到4~6倍,对解决实际应用中,神经网络需要大量样本进行训练而导致的效率问题,提供了新的解决方案。