[發明專利]一種圖書館圖書損壞評定方法及系統

在審

• 申請號: 201710148854.8
• 申請日: 2017-03-14
• 公開（公告）號: CN106934373A
• 公開（公告）日: 2017-07-07
• 發明（設計）人: 于慧;徐小紅;胡雪華
• 申請（專利權）人: 重慶文理學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F17/30
• 代理公司: 北京挺立專利事務所(普通合伙)11265
• 代理人: 王震秀

技術領域

本發明涉及圖書自動檢測技術領域，特別是一種圖書館圖書損壞評定方法及系統。

背景技術

互聯網技術的發展，生活中智能化的提升，在圖書館中，無人智能借書還書機越來越受到人們的歡迎，但是現有的無人智能借書還書機只能完成圖書的出借和歸還記錄的記載，并不能對圖書出借過程中出現的圖書損壞進行識別和評定。

因此，需要一種自動化評定圖書損壞程度的圖書館圖書損壞評定方法及系統。

發明內容

本發明的目的是提出一種圖書館圖書損壞評定方法及系統。

本發明的目的是通過以下技術方案來實現的：

本發明提供的圖書館圖書損壞評定方法，包括以下步驟：

獲取圖書出借時正反側三面圖書圖像數據：

通過特征提取模塊采用線下訓練完成的卷積神經網絡模型提取圖書圖像數據所對應的歸一化特征向量并存入數據庫：所述歸一化特征向量包括出借時圖書正面歸一化特征向量出借時圖書反面歸一化特征向量和出借時圖書側面歸一化特征向量

其中，

表示出借時圖書正面歸一化特征向量；

表示出借時圖書反面歸一化特征向量；

表示出借時圖書側面歸一化特征向量；

通過特征比對模塊按照以下公式來計算圖書出借前后的差異度：

式中，β為圖書出借前后差異度；

表示歸還時圖書正面歸一化特征向量；

表示歸還時圖書反面歸一化特征向量；

表示歸還時圖書側面歸一化特征向量；

||·||₂為2范數運算；

根據差異度與設定門限值進行比較，判斷圖書是否存在圖書損壞，如果無，則結束；

如果有，則合并圖書歸還時和出借時的正面、反面及側面的歸一化特征向量為損壞評級所需的圖書出借前后歸一化特征向量；

將圖書出借前后歸一化特征向輸入到損壞評定模塊中，對圖書的損壞程度進行評級得到并輸出評級結果。

進一步，所述圖書出借前后歸一化特征向量采用如下公式進行特征級聯拼接方式合并：

進一步，所述歸一化特征向量采用如下公式進行歸一化計算：

式中，為歸一化之前的特征向量，||·||₂為2范數運算。

進一步，所述損壞評定模塊中的圖書損壞程度的評級是按照以下方式進行：

所述圖書損壞程度的評級采用神經網絡結構來實現損壞評級，所述神經網絡結構通過神經網絡全鏈接層和softmax層采用線下訓練完成。

進一步，所述損壞評定模塊中的Softmax層采用概率值進行圖書損壞級別預測，所述概率值分別設置為10個級別。

進一步，所述根據差異度對圖書損壞程度進行評級，具體步驟如下：

當圖書損壞級別大于門限值時，則報廢該圖書；將圖書出借前的特征向量替換為圖書新書時特征向量，將圖書歸還時特征向量替換為當前圖書特征向量。

本發明還提供了一種圖書館圖書損壞評定系統，包括圖像采集模塊，特征提取模塊、特征比對模塊、損壞評定模塊和輸出模塊；

所述圖像采集模塊，用于獲取圖書出借時正反側三面圖書圖像數據：

所述特征提取模塊，用于通過特征提取模塊采用線下訓練完成的卷積神經網絡模型提取圖書圖像數據所對應的歸一化特征向量并存入數據庫：所述一化特征向量包括

其中，

表示出借時圖書正面歸一化特征向量；

表示出借時圖書反面歸一化特征向量；

表示出借時圖書側面歸一化特征向量；

所述特征比對模塊，用于通過按照以下公式來計算圖書出借前后的差異度：

式中，β為圖書出借前后差異度；

表示歸還時圖書正面歸一化特征向量；

表示歸還時圖書反面歸一化特征向量；

表示歸還時圖書側面歸一化特征向量；

||·||₂為2范數運算；

所述損壞評定模塊，用于根據差異度與設定門限值進行比較，判斷圖書是否存在圖書損壞，如果無，則結束；

如果有，則合并圖書歸還時和出借時的正面、反面及側面的歸一化特征向量為損壞評級所需的圖書出借前后歸一化特征向量；將圖書出借前后歸一化特征向輸入到損壞評定模塊中，對圖書的損壞程度進行評級；

所述輸出模塊，用于輸出評級結果。

進一步，所述圖書出借前后歸一化特征向量采用如下公式進行特征級聯拼接方式合并：