Oʻzbekcha
TALABALARNING GRAFIK ISHLARINI SUN’IY INTELLEKT VA KOMPYUTER KO‘RISHI (COMPUTER VISION) YORDAMIDA AVTOMATIK BAHOLASH TIZIMLARI
Дата публикации
29.10.2026
Журнал
Республиканская научно-практическая конференция на тему «Цифровая и педагогическая трансформация и исследовательские модели современного образования»
Выпуск
Республиканская научно-практическая конференция на тему «Цифровая и педагогическая трансформация и исследовательские модели современного образования»
Аннотация
Ushbu maqolada oliy ta’lim muassasalarida muhandislik va kompyuter grafikasi fanlari bo‘yicha talabalarning grafik ishlarini sun’iy intellekt (AI) hamda kompyuter ko‘rishi (Computer Vision) texnologiyalari yordamida avtomatik va shaffof baholash tizimini joriy etish masalalari ilmiy—metodik jihatdan tahlil qilingan. An’anaviy usuldagi baholash jarayonidagi subyektivlik va vaqt sarfi muammolariga yechim sifatida tasvirni dastlabki qayta ishlash, burchak hamda chiziqlarni deteksiya qilish, topologik muvofiqlikni tekshirish hamda konvolyutsion neyron tarmoqlari (CNN) asosida grafik xatolarni aniqlash algoritmlari taklif etilgan. Shuningdek, talabalarda fazoviy tasavvur va tafakkurni rivojlantirish maqsadida 2D chizmalarni 3D modelga aylantirish va AR/VR (kengaytirilgan va virtual borliq) muhitlarida vizualizatsiya qilish mexanizmlari yoritilgan. Tizimning pedagogik samaradorligi, inson omili bilan integratsiyasi, texnologik va akademik cheklovlari har taraflama muhokama qilinadi.
Ключевые слова
3D vizualizatsiya
AR/VR texnologiyalari
avtomatik baholash
fazoviy tafakkur
intellektual yordamchi.
kompyuter ko‘rishi
muhandislik grafikasi
sun’iy intellekt
Русский
В данной статье научно—методически проанализированы вопросы внедрения системы автоматического и прозрачного оценивания графических работ студентов по дисциплинам инженерной и компьютерной графики в высших учебных заведениях с использованием технологий искусственного интеллекта (ИИ) и компьютерного зрения (Computer Vision). В качестве решения проблем субъективности и временных затрат при традиционном оценивании предложены алгоритмы предварительной обработки изображений, детекции линий и углов, проверки топологического соответствия и обнаружения графических ошибок на основе свёрточных нейронных сетей (CNN). Также для развития пространственного мышления студентов освещены механизмы преобразования 2D—чертежей в 3D—модели и их визуализации в средах AR/VR. Всесторонне обсуждаются педагогическая эффективность, интеграция с человеческим фактором, а также технологические и академические ограничения системы.
3D—визуализация
автоматическое оценивание
инженерная графика
интеллектуальный помощник.
искусственный интеллект
компьютерное зрение
пространственное мышление
технологии AR/VR
English
This article scientifically and methodologically analyzes the implementation of an automated and transparent evaluation system for students' graphic works in engineering and computer graphics using Artificial Intelligence (AI) and Computer Vision technologies. Addressing the challenges of subjectivity and time—consuming manual assessment in traditional methods, image preprocessing algorithms, line and corner detection, topological verification, and Convolutional Neural Network (CNN)—based graphic error detection are proposed. Furthermore, to enhance students' spatial reasoning and thinking, mechanisms for converting 2D drawings into 3D models and visualizing them within AR/VR environments are explored. The pedagogical effectiveness, human—in—the—loop integration, as well as technological and academic constraints of the proposed system are thoroughly discussed.
3D visualization
AR/VR technologies
artificial intelligence
automated evaluation
computer vision
engineering graphics
intelligent tutor.
spatial reasoning
[1] Chen, Y., & Zhang, L. (2021). Automated grading systems in engineering education: A comprehensive review. IEEE Transactions on Learning Technologies, 14(3), 345—358. https://doi.org/10.1109/TLT.2021.3089211
[2] Garcia—Rios, A., & Perez—Martinez, J. (2022). Computer vision algorithms for technical drawing analysis and error detection. Computers & Graphics, 102, 112—124. https://doi.org/10.1016/j.cag.2021.11.005
[3] Li, X., Wang, W., & Xu, K. (2020). Integrating AR and VR technologies into 3D spatial thinking enhancement in engineering graphics. Computers & Education, 158, 103988. https://doi.org/10.1016/j.compedu.2020.103988
[4] Smith, R., & Johnson, T. (2023). Deep learning applications in automated evaluation of mechanical engineering drawings. Journal of Educational Computing Research, 61(2), 201—225. https://doi.org/10.1177/07356331221124890
[5] Muller, K., & Weber, F. (2019). Topological matching algorithms for CAD and hand—drawn technical sketches. Computer—Aided Design, 115, 45—56. https://doi.org/10.1016/j.cad.2019.05.012
[6] Suzuki, S., & Abe, K. (1985). Topological structural analysis of digitized binary images by border following. Computer Vision, Graphics, and Image Processing, 30(1), 32—46. https://doi.org/10.1016/0734—189X(85)90016—7
[7] Duda, R. O., & Hart, P. E. (1972). Use of the Hough transformation to detect lines and curves in pictures. Communications of the ACM, 15(1), 11—15. https://doi.org/10.1145/361237.361242
[8] Redmon, J., & Farhadi, A. (2018). YOLOv3: An incremental improvement. arXiv preprint arXiv:1804.02767.
[9] Kaufmann, H., & Schmalstieg, D. (2003). Mathematics and geometry education with collaborative augmented reality. Computers & Graphics, 27(3), 339—345. https://doi.org/10.1016/S0978—8471(03)00010—3
[10] UNESCO. (2021). AI and education: Guidance for policy—makers. United Nations Educational, Scientific and Cultural Organization. Paris, France.
