本发明涉及测评，更具体的说是涉及一种应用于岗评场景的低代码算法调度方法及系统。
背景技术：
1、传统电信工程技术人员技能实操考试或者训练时的评测使用的是人工评测，而人力成本较高，为了降本增效，目前市面虽然已经出现一些数字化加人工智能的评测系统，但其具有开发效率低及代码复用性差的缺点，往往对于不同题型的评测都要进行针对性的算法研发及工程开发，效率低下。
2、因此，如何提高测评系统的开发效率和复用性是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本发明提供了一种应用于岗评场景的低代码算法调度方法及系统，运用低代码的思想，实现了更智能与高效的评测流程的动态编排与重用方式，提高算法及代码的可复用性，减少重复劳动，提高开发效率。
2、为了实现上述目的，本发明采用如下技术方案：
3、一种应用于岗评场景的低代码算法调度方法，包括以下步骤：
4、步骤1：根据岗评场景确定评测流程脚本协议；
5、步骤2：根据所述评测流程脚本协议开发解析执行引擎；
6、步骤3：构建评测组件库和前端可视化评测流程编排引擎；
7、步骤4：根据所述评测组件库，利用所述前端可视化评测流程编排引擎构建评测流程，并生成评测流程脚本；
8、步骤5：所述解析执行引擎对所述评测流程脚本进行解析，并调用所述评测组件库中组件执行所述评测流程；
9、步骤6：采集评测数据，将所述评测数据输入执行的所述评测流程，获得评测结果。
10、优选的，步骤1的具体过程为：
11、步骤11：确定所述评测流程脚本协议的评测元素，包括评测任务、评测状态、执行模式和执行条件；
12、所述评测任务包含名称、类型、附加数据、事件等属性，评测任务除了支持独立执行完，还需支持可组合成阶段性的评测环节；评测状态包括开始、结束、等待及唤醒；执行模式包括顺序执行、并发执行及混合执行；执行条件包括常规逻辑表达式，以及针对岗评评测定义的一系列特定条件；
13、步骤12：提取所述评测元素的特征，并进行抽象化处理，生成所述评测流程脚本协议；协议设计时需考虑通用性、覆盖率及可扩展性，此协议将用于描述整个评测活动并作为通信契约。
14、优选的，步骤2中所述解析执行引擎能够实现脚本解析和脚本执行，所述脚本解析主要把所述评测流程脚本协议中的命令转化为可执行代码，所述脚本执行负责执行所述可执行代码完成对应的评测任务并返回评测结果；
15、采用面向对象设计思想开发所述解析执行引擎，解析执行引擎工作过程为：
16、步骤21：对所述评测流程脚本协议进行分析并抽象化，获得核心类；
17、所述核心类包括评测题型类（evaluationquestion），评测流程类（evaluationflow），评测组件类（evaluationcomponent），评测环节类（evaluationphases），评测条件类（evaluationcondition），评测状态类（evaluationstatus）等；
18、步骤22：对所述评测流程脚本协议进行分析，结合所述岗评场景为所述核心类定义属性和方法；
19、evaluationquestion（属性：名称、评测流程脚本；方法：解析方法），evaluationflow（属性：名称、流程节点集合；方法：流程执行），evaluationcomponent（属性：名称、上下游节点、类型、附加数据、事件），evaluationphases（属性：名称、上下游节点、执行模式、流程节点集合），evaluationcondition（属性：名称、上下游节点、类型、附加数据），evaluationstatus（属性：名称、上下游节点、类型）；
20、步骤23：确定所述核心类之间的关系，并用uml类图表示；
21、步骤24：根据所述核心类的属性和方法封装对象，并实现所述uml类图；具体的：
22、所述uml类图中核心类evaluationcomponent、evaluationphases、evaluationcondition和evaluationstatus都继承了node类，即这些核心类也继承了node的属性（id,name,prenodes,nextnode）和方法（run）,上述继承于node的核心类简称为node子类；node子类为了实现各自任务执行逻辑需要重写run方法，如evaluationcomponent是run方法要重写为执行自身特定的评测任务；
23、根据评测流程脚本协议和考试/训练题型封装成evaluationquestion对象，再调用evaluationquestion的解析方法解析属性中的script生成evaluationflow对象，执行evaluationflow的execute()方法；execute()方法遍历evaluationflow属性nodes，按顺序调用nodes里各元素（所述node子类）的run()方法执行node子类各自的评测任务，从而完成整个评测流程（evaluationflow）的评测任务。
24、优选的，所述步骤3中所述评测组件库包括前端评测组件库和后端评测算法组件库，所述后端评测算法组件库是所述前端评测组件库的基础；所述前端可视化评测流程编排引擎包括界面模块和逻辑模块。
25、优选的，构建所述后端评测算法组件库和前端评测组件库的过程为：
26、步骤311：根据评测任务确定基础算法模型；
27、步骤312：对所述基础算法模型进行沉淀，获得公共基础算法服务；
28、步骤313：根据所述公共基础算法服务，结合特定评测规则组成后端评测算法组件，构建所述后端评测算法组件库；
29、公共基础算法服务是后端评测算法组件库的基础，评测算法组件是步骤2的evaluationcomponent，其run方法通过调用后端评测算法组件，即调用公共基础算法服务的基础算法模型结合特定评测规则，对感知数据进行分析并进行结果反馈，从而实现单元评测能力；特定评测规则包括评测规则和考试/训练题型中描述的评分规则；
30、步骤314：将所述核心类中的评测组件类作为前端评测组件，构建所述前端评测组件库；所述前端评测组件库中的前端评测组件与所述评测组件类存在映射关系，主要用于前端可视化评测流程编排引擎的评测流程编排。
31、优选的，构建前端可视化评测流程编排引擎的过程为：
32、步骤321：设置评测流程编辑器和节点连接器构建所述界面模块，并链接存储所述前端评测组件库和所述核心类中评测环节类、评测条件类和评测状态类封装的前端组件；
33、界面模块包含评测流程编辑器、前端评测组件库、节点连接器以及由在步骤2-3中的其他节点类基础上封装的前端组件（evaluationphases封装为评测环节前端组件，evaluationcondition封装为评测条件前端组件，evaluationstatus封装为评测状态前端组件）等；界面模块主要用于人机交互，用户在评测流程编辑器上通过选择连接、拖拽的方式对前端评测组件进行编排来完成评测流程的设计；
34、步骤322：设置组件和代码映射关系，以及节点和节点连接器映射关系构建逻辑模块；
35、依据组件和代码映射关系，能够根据前端评测组件、评测环节前端组件、条件前端组件、状态前端组件的配置信息生成对应的评测流程脚本代码，完成节点脚本转换；
36、依据节点和节点连接器映射关系，能够根据各节点对应的节点前端组件顺序和节点连接器的关系，构建评测流程执行逻辑。
37、一种应用于岗评场景的低代码算法调度的系统，包括多模态感知模块、评测组件模块、评测流程编排模块和评测执行引擎模块；
38、所述多模态感知模块，采集评测数据并进行预处理；
39、所述评测组件模块，包含公共基础算法服务、后端评测算法组件库和前端评测组件库；
40、所述评测流程编排模块，根据公共基础算法服务、后端评测算法组件库和前端评测组件库编排评测流程，生成评测流程脚本，并关联所述多模态感知模块；
41、所述评测执行引擎模块，解析所述评测流程脚本，调用所述后端评测算法组件库对预处理后的评测数据按照所述评测流程执行，生成评测结果。
42、优选的，所述多模态感知模块，包含感知装置和数据流处理服务；
43、感知装置，用于采集被评测人的操作活动数据，作为评测流程的评测数据；一般采用多路摄像头多角度采集视觉信息，采用拾音器采集语音信息，包括但不限于上述感知设备；
44、数据流处理服务，对评测数据进行转化处理，处理成适合存储和作为算法模型输入的数据格式；主要是对流媒体的处理，对音视频进行格式转换、抽帧、存储及分发等。
45、优选的，所述公共基础算法服务，为评测的算法基座，为评测活动提供最底层的算法服务；本系统采用的视觉和语音，所以对外提供的服务有实时语音识别、人体检测、安全帽检测、绝缘鞋检测、扳手检测等一系列岗评评测场景相关的基础算法服务；
46、所述后端评测算法组件库，提供评测算法服务，会结合评测上下文调用对应的公共基础算法服务对评测数据进行分析处理并返回评测结果；
47、所述前端评测组件库，存储有评测算法服务映射的前端评测组件，一个前端评测组件对应一个评测算法服务，作为评测流程编排的最小单元。
48、优选的，所述评测流程编排模块，在编排对应题型的评测流程时，使用前端评测组件通过拖拽编排相应的评测流程并生成评测流程脚本，同时需设置此题型评测流程调用的感知装置，关联到对应的考场和考试类型，并将编排完成的评测流程存储到评测方案库里供后续调用。
49、优选的，解析所述评测流程脚本，按脚本描述的评测流程及规则调用对应的评测算法服务对数据流处理服务分发的数据执行评测任务，此模块通过api网关对外提供评测api。
50、优选的，可以选用合适的传感器进行感知，相应的数据流处理服务处理改为对传感器数字信号或模拟信号的处理，对应的公共基础算法服务和后端评测算法组件库也进行相应调整。
51、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种应用于岗评场景的低代码算法调度方法及系统，通过使用前端评测组件库在前端可视化评测流程编排引擎进行评测流程的设计和编排，从而实现评测流程的低代码编排；前端可视化评测流程编排引擎根据评测脚本协议对上述所编排的评测流程进行转换生成评测流程脚本；评测流程脚本作为解析执行引擎的输入，解析执行引擎对评测流程脚本进行解析并通过调用后端评测算法组件执行评测流程对应的评测任务，从而实现评测算法的调度，而评测流程的可编排也实现了评测算法调度的可编排性。本发明应用于岗评场景在实现满足岗评场景的评测需求的同时，题型评测流程的可编排性大大提高了实施及运营的效率；算法组件及基础算法的可复用提高了开发的效率，同时算法的复用提高了硬件资源的利用率，从而降低了岗评系统算法对硬件资源的要求，大大减低了硬件成本。
1.一种应用于岗评场景的低代码算法调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种应用于岗评场景的低代码算法调度方法，其特征在于，步骤1的具体过程为：
3.根据权利要求2所述的一种应用于岗评场景的低代码算法调度方法，其特征在于，步骤2中所述解析执行引擎进行解析的过程为：
4.根据权利要求3所述的一种应用于岗评场景的低代码算法调度方法，其特征在于，所述步骤3中所述评测组件库包括前端评测组件库和后端评测算法组件库，所述后端评测算法组件库是所述前端评测组件库的基础；所述前端可视化评测流程编排引擎包括界面模块和逻辑模块。
5.根据权利要求4所述的一种应用于岗评场景的低代码算法调度方法，其特征在于，构建所述后端评测算法组件库和前端评测组件库的过程为：
6.根据权利要求4所述的一种应用于岗评场景的低代码算法调度方法，其特征在于，构建前端可视化评测流程编排引擎的过程为：
7.一种应用于岗评场景的低代码算法调度的系统，其特征在于，应用权利要求1-6任一项所述的一种应用于岗评场景的低代码算法调度方法，包括多模态感知模块、评测组件模块、评测流程编排模块和评测执行引擎模块；
8.根据权利要求7所述的一种应用于岗评场景的低代码算法调度的系统，其特征在于，所述多模态感知模块，包含感知装置和数据流处理服务；感知装置，用于采集被评测人的操作活动数据，作为评测流程的评测数据；数据流处理服务，对评测数据进行转化处理，处理成存储和作为算法模型输入的数据格式。
9.根据权利要求8所述的一种应用于岗评场景的低代码算法调度的系统，其特征在于，所述公共基础算法服务包括实时语音识别、人体检测、安全帽检测、绝缘鞋检测和扳手检测基础算法服务；
10.根据权利要求9所述的一种应用于岗评场景的低代码算法调度的系统，其特征在于，所述评测流程编排模块，在编排对应题型的评测流程时，使用前端评测组件通过拖拽编排相应的评测流程并生成评测流程脚本，同时设置评测流程调用的感知装置，关联到对应的考场和考试类型，并将编排完成的评测流程存储到评测方案库中。
