墨享 AI 4 维评分怎么做的？
OpenCV 端侧推理的技术实现

用 OpenCV 4.9.0 + 离线 OCR 在手机端给手写笔记打分，每个用户的图片从头到尾不上传服务器。

为什么做这件事

手写笔记是最难被"算法看见"的内容形态。它不像选择题有标准答案，也不像代码可以编译检查。一张手写笔记好不好，取决于笔画工不工整、纸面整不整洁、行距留白合不合理、信息密度够不够——这 4 个维度，每一个都需要视觉理解能力。

我们最初尝试过调用云端 OCR API 拿坐标，效果不错但代价是用户的图片要上传到第三方服务器。这对学生用户、笔记隐私敏感的用户、还有离网环境下使用的用户都不友好。于是决定走一条更难的路：全部在手机端做。

4 个评分维度的定义

我们用 4 个独立的评分维度（每个 0-25 分，总分 0-100）：

• C1 文字（笔画工整度）：用 OpenCV 的轮廓检测提取笔迹，分析笔画的横平竖直、转折圆润度、笔锋连贯性。OCR 模块同时给出字符识别置信度，作为辅助信号。
• C2 物理（纸面整洁度）：检测涂改痕迹、污渍、折角、噪点。通过形态学运算和连通域分析，量化"非文字像素"占比。
• C3 排版（行距留白）：投影分析得到行间距方差，检测段落留白比例，识别是否对齐（左右边距是否整齐）。
• C4 密度（信息量）：单位面积内的有效信息字符数。避免极端值——太稀疏（白本）和太密集（挤成一团）都扣分。

技术栈与流程

Android 端，Java/Kotlin + OpenCV 4.9.0 Android SDK + Tesseract OCR（本地训练数据，chi_sim + eng）。完整流程：

1. 图像预处理：灰度化 → 自适应阈值二值化 → 倾斜校正（霍夫变换）
2. 版面分析：连通域 + 投影得到文字行区域
3. 行内分析：得到单个字符的 bbox
4. OCR 识别：每个字符走 Tesseract，拿到文本 + 置信度
5. 4 维评分：上述独立模块各自输出 0-25 分
6. 加权汇总：总分 = Σ 维度分；可配置权重（v1 默认均权）

全流程在 Android Worker Thread 跑，从不联网。一张 A5 笔记（约 1500×2000 像素）端到端耗时约 1.2-2.5 秒（中端机型，骁龙 7 系）。

踩过的坑

坑 1：彩色笔记会失败。二值化对纯黑墨水很稳，但遇到荧光笔、彩色水笔、彩铅就直接乱套。第一次跑出来有人用马克笔画彩虹笔记，OCR 字符全识别错。后来加了"前景色统一到深色"预处理，对纯文字场景不影响，对色彩场景就提示用户换笔记。

坑 2：网格纸和田字格干扰排版评分。原版 C3 排版评分会把网格线当成"内容"，导致网格纸笔记分虚高。修复：先用形态学闭运算去掉细网格线再评分。

坑 3：低分辨率照片评分波动大。手机拍屏幕 500 万像素以下，笔画细节丢失，C1 分数不稳定。修复：检测照片分辨率，低于阈值时引导用户重拍或裁切。

坑 4：竖排文字与英文混排。Tesseract 对竖排不友好，对中英混排识别率也会掉。修复：先用投影判断是横排还是竖排，分情况走不同的 OCR 参数。

为什么坚持端侧

这是个反复被挑战的决策。每次有人提"云端大模型评分更准"，我们都顶回去了。原因有 3 个：

1. 隐私：学生笔记可能包含个人信息、考试内容、家长对话引用。这不是"数据敏感"，是"绝对不能离开用户手机"。
2. 成本：云端推理按调用次数计费，日活过 1 万就烧得离谱。学生付费能力有限，必须把成本压在免费档。
3. 体验：离线可用是核心场景——图书馆、地铁、教室 WiFi 不稳定。端侧推理完全不受网络影响。

代价是评分精度比云端大模型差一截。我们接受这个 trade-off，把端侧作为底线，把云端作为未来可选增强（用户主动开启、明确授权后再上传）。

我们学到的

端侧 AI 评分不是"次优解"，是"另一类解"。它牺牲了绝对精度，换来隐私、离线、成本三个硬优势。对学生这个用户群体，这套 trade-off 是更合适的选择。

未来方向：把 4 维评分变成可解释的——每张笔记打分时附带"哪几个区域被扣分、为什么扣分"，让用户能照着改进。这比"AI 给你一个总分"有用得多。

我们也在实验用更小的端侧模型做风格分类（"印刷体 / 行书 / 草书"），给 C1 评分加一个"书写风格稳定性"维度。这是下一个迭代要做的事。

---