测试结果的评判标准如下：测试其眼睛角膜与视网膜之间的变化的生理电信号来诊断注意的稳定即稳定性的缺陷占比为40％，通过语音识别系统测试儿童的语音表达信号来诊断注意的广度性、分配性和转移性，即注意缺陷多动障碍的占比为60％。儿童注意力在临床所表现出来的四种品质，注意的稳定即稳定性、注意的广度即广度性、注意的分配即分配性和注意的转移即转移性，通过上述两种测试及相应的软件与硬件得到一个更科学、更全面的诊断。
此外，本发明进一步公开了应用于儿童智力测试仪方法中的语音识别流程。语音信号是十分复杂的非平稳信号，它不仅包括语义信息，还有个人的特征信息，对其特征参数的研究是语音识别的基础。
参照图3，本发明的语音识别方法的主要架构包括两大部分：
第一步是“系统学习”或“训练”阶段，这阶段任务是建立识别基本单元的声学模型，即构建参数模板。
第二步是“识别”或“测试”阶段，采用某一种语音分析方法，按照一定的准则把采得的语音信号与参数模板中的模型进行比较，通过判决得出结果。
如图3所示，系统启动经初始化后进入“训练”或“识别”阶段，如果是“训练”阶段，则执行S11，如果是“识别”阶段，则执行S12。
S11：系统提示语音“训练”已启动，提示训练开始。
系统的喇叭发出提问与指令，受试儿童即刻回答，如“训练”成功则语音提示进行下一条命令“训练”，如失败则语音继续进行此条命令“训练”。
依次训练各条命令，直到全部命令“训练”完毕，随后进入“测试”即语音“识别”阶段。
训练阶段的作用是对系统进行初始化，获得特定受试儿童的基准参数，从而系统能够判断受试儿童在普通环境下的反应数据，并将这些数据存储后用作后续的数据迭代和匹配。具体来说，“训练”阶段生成的数据按照系统的预设，根据数据类型存储至参数模板中，参数模版包括眼球运动时间数据、语音数据等参数。
S12：系统进入“测试”即语音“识别”阶段后，在屏幕上显示多个动态和静态图像，系统的喇叭发出多个提问与指令。
受试儿童观察到测试装置显示区的各种图像时，检测受试儿童眼睛观察图像的时间；
受试儿童耳朵听到各种问题与指令后，检测受试儿童语音表达的信号，系统接收语音输入；
系统根据受试儿童眼睛观察图像的时间计算出相应的注意力的稳定性的缺陷值；
系统将受试儿童语音模拟信号转换为语音数字信号，并根据语音处理函数库从语音数字信号中提取特征信号文本；
此时，系统判断特征信号文本是否匹配参数模板？通过判决得出注意的广度性、分配性和转移性的缺陷值。
儿童智力测试仪系统首先将上述眼睛观察图像的时间进行记录，并且与参数模板中的眼球运动时间数据进行比对，计算两者的差值，并且进一步判断该差值是提前的还是滞后的。其次，系统将特征信号文本与语音数据结合对比。最后，将两个对比的结果进行综合计算，得到注意力稳定性的缺陷值。
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。
传真：