实验教学作为人才培养的重要一环,是帮助学生消化理解理论知识、培养动手能力和创新实践能力的重要教学手段。然而目前在传统实验教学模式下,学生人为操作观察监控多样化的实验仪器记录实验数据,容易出错且效率低下,导致普遍存在实验数据抄袭,造假来应付实验教学要求的现象;同时,教师需要花费大量时间在对学生实验结果数据的评估上,且评估过程易受到主观的判断和答案不唯一性的影响,影响评估结果,导致实验教学效率低下。本文改善传统实验教学模式,杜绝实验数据造假,减轻教师工作负担,提高实验教学效率的角度出发实现实验数据采集与评估。在广西工信厅信息化项目《基于人工智能的智慧实验教学平台及课程研发》支持下,开展了如下研究工作:（1）针对当前传统实验教学人为操作观察监控实验仪器记录实验数据,容易出错且效率低下,学生实验数据造假等问题,从数字化实验数据的角度出发,实现基于仪器交互的实验数据采集。该系统首先考虑采用学生与实验仪器之间编号对应,通过学生实验数据直接与实验仪器关联的方式从源头解决实验数据造假的问题,进一步,通过实验数据从仪器内部采集获取实验数据,减少了人为操作并观察监控实验仪器的获取数据的方式导致的误差且效率低下的问题。最后,考虑电路实验过程中需使用多种实验仪器,通过下位机实现了对示波器,万用表,信号发生器和电源四种实验测量仪器的统一管理。同时,由于学生实验是有时限要求的,实时性测试结果表明,对前述四种实验测量仪器分别可在6s,615ms,700ms,990ms内完成实验数据采集。（2）针对当前实验教学过程中由于实验多样且数据样本严重不足,难以通过传统深度学习的方法对实验报告中图像数据自动评估的问题。本文首先基于图像分类的思想,将实验图像按照响应的标准进行划分,形成涵盖了不同分段的数据集,为下一步实现智能分类评估提供数据支撑。进一步为选择合适的算法,研究了已存在的相关评估方法以及深度学习的工作原理和实现的关键点,选择使用基于小样本学习的关系网络作为智能分类评估模型,并针对关系网络在实验图像分类评估方面存在的不足进行了分析,对其进行相应的改进,提出了一种基于改进关系网络的实验图像小样本分类评估方法,实验结果表明,在5-way 1-shot,5-way 5-shot条件下,所提模型在miniImage Net数据集上提升了4.5%,1.91%的分类准确率,在CUB数据集上提升1.54%,1.03%的分类准确率。为进一步验证模型的有效性和可行性,所提模型基于桂林电子科技大学智慧实验室实验数据在5-way 1-shot,5-way 5-shot条件下,实现了61.01%,68.91%的分类评估准确率。