远程后端兼职程序员外包

需求描述

此处只负责后端部分
一、项目基本要求
基于文心大模型的智能阅卷平台设计与开发
【技术要求与指标】
（1）OCR技术的使用要求 ①准确性要求：要求集成高准确率的OCR（Optical Character Recognition）技术，确保对学生手写或打印的文字进行准确、快速的识别，以提高评阅的效率和准确性，准确性在百度提供的数据集（后续提供）上，达到较为可观的准确率。 ②多格式支持：要求能够对汉字、英文、数学公式、表格等尽可能丰富的字符类型进行识别。 ③速度要求：要求部署后的模型识别速度尽可能高速。 ④深度学习框架要求：要求基于PaddleOCR完成模型建设与部署。
（2）大模型技术的使用要求：要求通过飞桨星河社区ERNIE Bot SDK进行文心大模型的调用（每位选手赠送100万Token的免费额度）。
（3）评阅结果可视化与数据管理要求：可选择在图片本身进行相关评阅结果的标注，也可以在附属界面进行显示。
（4）外部数据的融合要求：除了利用大模型本身的知识，还可以充分利用外部学科相关数据，例如学科标准、题型模板等，以提高评阅的专业性和准确性。
14:43:26
4.1后端开发技术：
框架： 掌握后端开发框架，比如Django、Flask、Express等，以构建和管理服务器端逻辑。
4.2数据库设计与管理：
数据库知识： 了解数据库的基本原理，包括关系型数据库（如MySQL、PostgreSQL）和非关系型数据库（如MongoDB）。
设计数据库： 设计数据库结构，包括试卷图像、评阅结果等相关数据的存储方式。
SQL： 熟悉SQL语言，用于数据库的查询和管理。
4.3图像数据处理：
图像存储与检索： 了解图像数据存储和检索的方法，选择合适的方式存储试卷图像。
快速采集与存储： 实现试卷图像的快速采集和存储，确保数据的及时性和完整性。
4.4业务逻辑处理：
内容理解： 负责实现后端的业务逻辑，包括对OCR模块输出的数据进行内容理解，提取关键信息。
评阅内容生成： 根据内容理解的结果生成评阅内容，为前端提供合适的数据。
4.5数据管理：
数据库管理： 确保数据库的正常运行，包括备份、优化查询等。
数据一致性： 设计数据管理策略，确保数据的一致性和可靠性。
事务处理： 实现事务处理，确保对数据库的操作是原子性的。
4.6后端与前端接口对接：
RESTful API： 设计和实现后端与前端之间的接口，通常采用RESTful API。
数据传输格式： 确保前后端之间使用统一的数据传输格式，如JSON。
注意：接收和处理图像数据： 后端需要提供一个接口，能够接收通过OCR（光学字符识别）获取的图像数据。这可能包括处理图像上传、格式转换和图像预处理等。
文本数据传递与存储： 一旦从图像中提取出文本，后端需要将这些文本数据存储在适当的数据结构中，以便后续处理。数据库是一个常见的选择，可以使用关系型数据库或者文档型数据库，具体取决于项目的需求。
集成ERNIE模型： 后端需要与ERNIE模型进行集成，将OCR提取的文本数据传递给ERNIE模型进行文本分析。这可能涉及到模型加载、推断（inference）以及处理模型输出的步骤。
结果处理与存储： 处理ERNIE模型的输出，可能包括对分析结果的解析和提取关键信息。后端也需要将这些结果存储起来，以备后续查询或展示。
安全性： 由于这涉及到学生的考试答卷，安全性是一个重要的考虑因素。后端需要确保对数据的传输和存储进行适当的加密，以防止未经授权的访问。
性能优化： 针对图像识别和文本分析，后端需要进行性能优化，确保系统能够在合理的时间内处理大量的考卷数据。
日志记录与监控： 实现日志记录以跟踪系统运行状况，监控系统性能，及时发现并解决潜在的问题。
API设计与文档： 如果后端提供 API，需要设计清晰的API接口，并提供相应的文档，以便其他系统或者前端可以轻松地与后端进行集成。
版本控制与部署： 使用版本控制系统管理代码，确保团队协作顺利。并且需要实施可靠的部署策略，以确保新功能和修复能够迅速地上线。
异常处理： 实现合理的异常处理机制，以便及时捕获和处理可能发生的错误，保障系统的稳定性。