改进DeepLabv3+网络的图书书脊分割算法

图书定位是实现图书馆智能化发展的重要技术之一,精确的书脊分割算法成为实现该目标的一大难题。基于以上情况,提出改进DeepLabv3+网络的图书书脊分割算法,以解决图书密集排列、图书存在倾斜角度和书脊纹理极相似等情况下的书脊分割难点。首先,为了提取图书图像更密集的金字塔特征,将原始DeepLabv3+网络中的空洞金字塔池化(ASPP)替换为多空洞率、多尺度的DenseASPP(Dense Atrous Spatial Pyramid Pooling)模块;其次,针对原始DeepLabv3+网络对大长宽比的目标对象分割边界不敏感的问题,在DenseASPP模块的支路加入条形池化(SP)模块以增强书脊的长条形特征;最后,参考ViT(Vision Transformer)中的多头自注意(MHSA)机制,提出一种全局信息增强的自注意模块,以增强网络获取长距离特征的能力。将所提算法在开源数据库上进行对比测试,实验结果表明,与原始DeepLabv3+网络分割算法相比,所提算法在近竖直书脊数据库上的平均交并比(MIoU)提升了1.8个百分点;在倾斜书脊数据库上的MIoU提升了4.1个百分点,达到了93.3%。以上验证了所提算法实现了有一定倾斜角度的、密集的和大长宽比的书脊目标的精确分割。

基于视觉的图书书脊检测与识别关键技术研究——以上海图书馆为例

图书的识别与定位是建设智慧复合型图书馆的关键。基于图书书脊图像获取图书信息,是常用且可行的方法。本文探究了基于图书书脊图像的信息识别获取技术,对其中的关键技术和前人的研究成果进行了总结。同时,分析了上海图书馆东馆当前盘点机器人的基本情况。本文的研究内容,对未来提升盘点机器人的效率和准确率,以及图书馆的智慧化建设、服务创新都有积极意义。

基于计算机视觉和人工智能技术的图书馆图书盘点系统的探索与应用

针对现代图书馆对图书自动盘点的需求,基于计算机视觉和人工智能技术设计了图书馆图书盘点系统。使用Mask R-CNN深度学习网络对书脊图像进行实例分割,再对分割后的书脊图像提取书架号和书名位置并进行文字识别,最终对书架号和书名两步验证确认书籍是否乱架。通过实地采集图像并测试表明,本文方法对于不同类型的书脊图像能够实现较好的分割和识别效果,能够准确地检测出乱架书籍,适合搭载在图书馆自动盘点机器人上,可以有效提高图书盘点的工作效率。

基于激光传感器的图书错位智慧报警系统研究

为了提升图书错序检测效果以及图书管理工作效率,研究基于激光传感器的图书错位智慧报警系统。系统以激光传感器及声光报警器作为主要监控传感器,通过激光传感器模块采集图书馆的图书信息,经数字图像处理芯片处理完成后,图书错位检测模块通过书脊分割、标签提取、索书号字符分割完成预处理,并采用卷积神经网络完成书籍索书号字符识别,声光报警模块依据识别结果采用STM32F103增强型单片机实现图书错位报警控制。实验分析结果表明,该系统可针对一般索书号在架图书进行良好的错序检测,且系统应用12月后,可有效提升图书馆工作有效率19.50%,提升用户对于图书管理工作的满意度将近18%。由此得知,该系统具备较高实用价值。