有一件事我在高中的时候从来没想过：那张涂满了铅笔痕迹的答题卡，是怎么变成一个分数的。
直到后来在一个技术交流群里，有人分享了一段阅卷系统的扫描流程，我才第一次认真了解了这件事。
答题卡扫描的基本步骤
高考阅卷的第一步，是把所有答题卡收集起来，统一送进高速扫描仪。这种扫描仪不是复印店那种，一分钟能扫100张以上，扫出来的图像直接进系统，不留纸质备份。
扫描完成之后，图像就交给OCR系统来处理了。
这里的OCR跟我们平时理解的”识别文字”有一点区别——答题卡上的客观题（选择题）不需要认字，只需要认”涂了没有”“涂在哪个格子”。这叫做OMR，光学标记识别，是OCR的一个子集。
OMR怎么认涂了没有
原理其实挺直接的：答题卡上每个选项的方格位置是固定的。系统拿到扫描图像之后，先用一套定位算法找到答题区的边界（通常是靠角上的黑色定位点来校准），然后逐格检测该位置的灰度值。
铅笔涂过的地方，灰度值明显低于白色背景。系统设定一个阈值，低于这个值就判定为”已填涂”，高于就是”空白”。
所以偶尔会出现”蹭了一下被系统认成答了”的情况——不是系统特别蠢，是那一格的灰度值恰好踩线了。
主观题怎么处理
选择题靠OMR，填空题和大题就需要真正的OCR了。
考生在答题卡上的手写内容，会被扫描成图像，然后拆分成一块一块的”题目区域”，分别发给不同的老师在电脑上批改。这一步不完全依赖机器识别，人还是主力。
但系统会做一件事：识别考生在答题卡上填写的考号、姓名、座位号，跟报名数据做一次匹配。确认这张答题卡是谁的，才能正确地把分数挂到对应的考生名下。这一步出错的话，后果很严重，所以有些地方会做双重人工复核。
识别准确率够高吗
这个问题不太好回答，因为从来没有官方公布过具体数字。
但可以推断的是：仅就选择题的OMR识别而言，准确率应该是极高的——只要答题卡印刷质量稳定、扫描过程没有图像损伤，机器出错的概率远比人手动录入低。
主要的风险点在于：答题卡折叠、破损导致定位点偏移；填涂铅笔太浅导致阈值判断失误；以及少数字迹辨认难度较高的手写内容。
这些情况，系统通常会标记出来，由人工二次处理。
每年有几百万张答题卡需要在一周内完成评分，这个规模靠纯人工根本不可能，机器识别是必然选择。OCR和OMR在这个场景里解决的不是”人做不到”的问题，而是”人做太慢”的问题——是效率和可靠性的综合考量，不是技术炫技。