随着科技的快速发展,计算机网上阅卷系统在高考、中考、教育局统考以及学校日常考试的应用日益普及,但是目前广泛应用于学校的限于光标阅卷机,其作用仅仅能够对考试中客观题例如选择题进行判卷。近几年大数据时代的到来,人工智能领域发展迅速,在机器翻译、语义分析等领域展现了强大的能力,本课题根据阅卷机的国内外研究现状,对阅卷机的机构装置设计与初等数学公式识别作为关键性技术进行研究。目前教育行业采用的光标阅卷机主要以答题卡为介质,而打印机、绘图仪等设备则是以打印纸、绘图纸为介质,因此,以考生试卷为分析对象,设计一套对试卷进行走纸拍照的装置有着不小的意义。本课题机械设计部分,根据考生试卷尺寸、摩擦系数等物理性质,对试卷在走纸过程做了力学理论分析,通过计算对阅卷机传动部分进行选型和设计,并对传动齿轮、传动轴等关键部分按照相应强度理论做出了理论校核。并且,考虑到阅卷机的工作特点及阅卷装置的紧凑性、安全性、可调试性等特性,对夹卷、抖捻、送卷、收卷等机构进行设计,利用Solidworks软件三维建模,发现各机构间干涉、布局等问题,通过不断优化和改善,完成最终阅卷装置的机械设计。选择初等数学公式识别为另一项关键技术研究主要因为数学公式相较于文字识别的序列更为复杂,相较于其他理科科目的公式、方程,有着更为复杂的二维结构,而且存在手写符号大小不一等问题,具有一定的研究难度与研究价值。本课题基于深度学习技术,阐述了手写数学公式数据集的收集与预处理工作,为解决符号大小不一的问题,采用了不同感受野来增强特征提取的方法,双向GRU则有效捕捉了编码特征向量和字符表向量的正反向的上下文关系,将复杂的公式语义关系紧密联系,对长公式也有较好的预测能力提高了模型预测的准确度。在最后,阐述了模型训练的超参数设置,并给出了模型在真实手写数据集上的训练结果与loss变化,完成了手写公式识别功能的实现,并在测试集上取得了较高的公式识别准确率。