CN108256658B - 一种智能旧书回收方法及装置 - Google Patents

一种智能旧书回收方法及装置 Download PDF

Info

Publication number
CN108256658B
CN108256658B CN201810220357.9A CN201810220357A CN108256658B CN 108256658 B CN108256658 B CN 108256658B CN 201810220357 A CN201810220357 A CN 201810220357A CN 108256658 B CN108256658 B CN 108256658B
Authority
CN
China
Prior art keywords
book
thickness
module
camera
incomplete
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810220357.9A
Other languages
English (en)
Other versions
CN108256658A (zh
Inventor
方宏坚
高龑
王立杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201810220357.9A priority Critical patent/CN108256658B/zh
Publication of CN108256658A publication Critical patent/CN108256658A/zh
Application granted granted Critical
Publication of CN108256658B publication Critical patent/CN108256658B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/30—Administration of product recycling or disposal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30176—Document
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Multimedia (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Sustainable Development (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种智能旧书回收方法及装置。该智能旧书回收方法包括以下步骤：步骤S1，获取图书的封面图片；步骤S2，分析比对所述封面图片与数据库中的训练模型以评定所述图书的残缺等级。该智能旧书回收方法评定效率高，适合规模化回收，评定结果客观、统一，分类的准确性高。

Description

一种智能旧书回收方法及装置
技术领域
本发明涉及计算机技术领域，具体涉及一种智能旧书回收方法及装置。
背景技术
知识是心灵的窗口，每个人从出生到死亡均会购买相当数量的图书，而且随着年龄的增长，其中一些图书不再有保存的价值，需要将其被处理。最理想的旧书处理方式是将其送往图书馆或旧书店等图书回收中心，使其再利用，发挥最大的剩余价值。
由于读者购书的目的不同以及图书可读性存在差异，不同图书在读者手中翻看次数和保存时间不同，导致图书的残缺程度均不相同。当图书馆和图书回收中心收到旧书时，首先要对其进行分类，如按照图书的残缺程度以及不同的领域进行分类。虽然摩布图书等公司推出了一些旧书回收机器，但这些旧书回收机器无法判断图书的残缺程度，残缺程度的判断仍然是依靠人工，不仅分类效率低，而且判断具有很强的主观性，导致分类不准确。
发明内容
本发明的目的在于提供一种智能旧书回收方法及装置，用以解决现有在旧书分类时对残缺程度判断效率低下以及分类不准确的问题。
为实现上述目的，本发明的技术方案为提供一种智能旧书回收方法，所述智能旧书回收方法包括以下步骤：
步骤S1，获取图书的封面图片；
步骤S2，分析比对所述封面图片与数据库中的训练模型以评定所述图书的残缺等级。
优选地，在步骤S1之前还包括以下步骤：
步骤S01，获取图书的出版信息，并根据所述出版信息估算所述图书的重量，获得估算重量；
步骤S02，获取所述图书的实测重量；
步骤S03，根据所述估算重量和所述实测重量判断所述图书是否残缺，若是，则评定所述图书为严重残缺。
优选地，在所述步骤S03之后还包括以下步骤：
步骤S04，获得所述图书的侧面图片以及拍摄位置与所述图书的侧面之间的距离，根据所述侧面图片中图书厚度所占像素点的个数以及所述距离获得所述图书的第一测量厚度；以及通过机械测量方式获得所述图书的第二测量厚度；
步骤S05，计算所述第一测量厚度和第二测量厚度的第一差值；
步骤S06，判断所述第一差值是否大于第一预设值，若是，则评定所述图书为严重残缺；若否，则执行步骤S07；
步骤S07，计算所述第一测量厚度和第二测量厚度的平均值；
步骤S08，计算所述平均值与所述出版信息中的厚度值的差值获得第二差值；
步骤S09，判断所述第二差值是否大于第二预设值，若是，则评定所述图书为严重残缺。
其中，通过所述图书上的ISBN条形码获得所述图书的出版信息。
本发明还提供一种智能旧书回收装置，所述智能旧书回收装置包括壳体、第一摄像头、第二摄像头和图像分析模块；其中，
所述第一摄像头和第二摄像头分别设置于所述壳体的上壁和下壁，分别用于获得图书的正面的封面图片和背面的封面图片；
所述图像分析模块用于提取所述封面图片中的图像特征，并在训练模型中比对所述图像特征，以获得该图书的残缺等级。
其中，所述智能旧书回收装置包括重力传感器、重量估算模块和第一评估模块，其中，
所述重力传感器用于测量所述图书的实测重量；
所述重量估算模块用于根据所述图书的出版信息估算所述图书的重量获得估算重量；
所述第一评估模块用于根据所述图书的实测重量和估算重量判断所述图书是否残缺。
其中，所述智能旧书回收装置还包括第一厚度测量模块、第二厚度测量模块和第二评估模块，其中，
所述第一厚度测量模块根据所述图书侧面的图片中所述图书厚度所占像素点的个数获得所述图书的第一测量厚度；
所述第二厚度测量模块用于通过机械方式测量所述图书的厚度获得第二测量厚度；
所述第二评估模块根据所述第一测量厚度、所述第二测量厚度以及所述图书的出版信息判断所述图书是否残缺。
其中，所述智能旧书回收装置包括第一距离传感器、第二距离传感器、第三摄像头、第四摄像头和第一厚度处理器，其中，
所述第一距离传感器和所述第三摄像头设置于所述壳体的左侧壁，所述第二距离传感器和所述第四摄像头设置于所述壳体的右侧壁，所述第三摄像头和所述第四摄像头用于分别获得所述图书左侧面和右侧面的图片，所述第一距离传感器用于测量所述第三摄像头与图书左侧面之间的距离；第二距离传感器用于测量所述第四摄像头与所述图书右侧面之间的距离；所述第一厚度处理器用于根据所述第三摄像头和所述第四摄像头与所述图书侧面之间的距离以及所述侧面图片中图书厚度所占像素点的个数获得所述图书的第一测量厚度。
其中，所述智能旧书回收装置包括压力传感器、升降机构和第二厚度处理器，所述升降机构固定于所述壳体上；所述压力传感器固定于所述升降机构的移动端，并在所述升降机构的移动端的带动下在竖直方向做上下运动，当所述压力传感器挤压所述图书的表面的压力值等于预设的阈值时，记录所述移动端的测量位置；所述第二厚度处理器根据所述测量位置和初始位置的差值获得所述图书的第二测量厚度，所述初始位置为未放置图书时，所述移动端能够下降的最低位置。
其中，所述第二评估模块包括第一计算子模块、第二计算子模块、第三计算子模块、第一比较子模块和第二比较子模块；其中，
所述第一计算子模块用于计算所述第一测量厚度和所述第二测量厚度的差值，获得第一差值；
所述第一比较子模块用于比较所述第一差值和第一预设值，若所述第一差值大于所述第一预设值，则评定该图书为严重残缺；
所述第二计算子模块用于计算所述第一测量厚度和所述第二测量厚度的平均值；
所述第三计算子模块用于计算所述平均值和出版信息中的厚度值的差值以获得第二差值；
所述第二比较子模块用于比较所述第二差值和第二预设值，若所述第二差值大于所述第二预设值，则评定该图书为严重残缺。
优选地，所述智能旧书回收装置还包括云服务器和通信模块；其中，
所述图像分析模块设置于所述云服务器，所述图像分析模块的运算在所述云服务器中完成；
所述通信模块用于所述智能旧书回收装置与所述云服务器之间的通信。
本发明具有如下优点：
本发明提供的智能旧书回收方法通过图书的封面图片自动评定图书的残缺程度，评定效率高，适合规模化旧书回收时残缺等级的评定，而且避免了人的主观性，评定结果客观、统一，提高了分类的准确性。另外，该智能旧书回收方法能快速地将较高等级的图书回收利用，客观上提高了图书平均利用次数，间接减少了砍伐树木，降低了社会的读书成本。
附图说明
图1为本发明实施例1提供的智能旧书回收方法的流程图；
图2为本发明实施例2提供的智能旧书回收方法的流程图；
图3为本发明实施例3提供的智能旧书回收方法的流程图；
图4为本发明实施例4提供的智能旧书回收装置的结构示意图。
具体实施方式
以下实施例用于说明本发明，但不用来限制本发明的范围。
实施例1
如图1所示，本实施例提供的智能旧书回收方法。该智能旧书回收方法包括以下步骤：
步骤S1，获取图书的封面图片。
图书的封面图片可以通过摄像头获得，图书封面图片可以是图书的正面封面图片，也可以是图书的反面封面图片。
步骤S2，分析比对封面图片与数据库中的训练模型以评定图书的残缺等级。
数据库中的模型将在下文介绍。
本实施例智能旧书回收方法是通过图书的封面图片自动评定图书的残缺程度，评定效率高，适合规模化旧书回收时残缺等级的评定，而且避免了人的主观性，评定结果客观、统一，提高了分类的准确性。另外，该智能旧书回收方法能快速地将较高等级的图书回收利用，客观上提高了图书平均利用次数，间接减少了砍伐树木，降低了社会的读书成本。
实施例2
如图2所示，本实施例提供的智能旧书回收方法包括以下步骤：
步骤S21，获取图书的出版信息，并根据出版信息估算图书的重量获得估算重量。
图书的出版信息可以通过扫描ISBN条形码获得，根据出版信息，如图书的总页数、纸张质量估算该图书的重量。
步骤S22，获取图书的实测重量。
图书的实测重量可以通过重量传感器获得。
步骤S23，根据估算重量和实测重量判断图书是否残缺，若是，则评定图书为严重残缺；若否，则执行步骤S24。
步骤S24，获取图书的封面图片。
图书的封面图片可以通过摄像头获得，图书封面图片可以是图书的正面封面图片，也可以是图书的反面封面图片。
步骤S25，分析比对封面图片与数据库中的训练模型以评定图书的残缺等级。
本实施例中图书重量达标后，再以封面图片评定图书的残缺等级，这样可加快评定速度，提高评定效率。
实施例3
如图3所示，本实施例提供的智能旧书回收方法包括以下步骤：
步骤S31，获取图书的出版信息，并根据出版信息估算图书的重量获得估算重量。
图书的出版信息可以通过扫描ISBN条形码获得，根据出版信息，如图书的总页数、纸张质量估算该图书的重量。
步骤S32，获取图书的实测重量。
图书的实测重量可以通过重量传感器获得。
步骤S33，根据估算重量和实测重量判断图书是否残缺，若是，则评定图书为严重残缺；若否，则执行步骤S34。
步骤S34，通过图片中像素点及获取该图片时获取位置与图书的距离得到第一测量值；以及通过机械测量方式获得图书的第二测量厚度。
获得图书的侧面图片以及拍摄位置与图书的侧面之间的距离，根据侧面图片中图书厚度所占像素点的个数以及距离获得图书的第一测量厚度。
步骤S35，计算第一测量厚度和第二测量厚度的第一差值。
步骤S36，判断第一差值是否大于第一预设值，若是，则评定图书为严重残缺；若否，则执行步骤S37。
步骤S37，计算第一测量厚度和第二测量厚度的平均值。
步骤S38，计算平均值与估算厚度值的差值获得第二差值。
图书厚度的估算厚度值从出版信息中的总页数和纸张质量估算获得。
步骤S39，判断第二差值是否大于第二预设值，若是，则评定图书为严重残缺；若否，则执行步骤S310。
步骤S310，获取图书的封面图片。
图书的封面图片可以通过摄像头获得，图书封面图片可以是图书的正面封面图片，也可以是图书的反面封面图片。
步骤S311，分析比对封面图片与数据库中的训练模型以评定图书的残缺等级。
本实施例提供的智能旧书回收方法是在图书重量和厚度均达标后，再以封面图片评定图书的残缺等级，这样可加快评定速度，提高评定效率，而且可以提高评定的质量。
实施例4
如图4所示，本实施例提供的智能旧书回收装置包括壳体1、四个摄像头2a、2b、2c、2d，两个距离传感器3a、3b、一个重力传感器4、一个升降机构5、一个压力传感器6、一块玻璃板7和图像分析模块8。
其中，第一摄像头2a、第二摄像头2b、第三摄像头2c和第四摄像头2d分别固定于壳体1上壁、下壁、左侧壁和右侧壁，用于对应地获得图书正面封面图片、背面封面图片、左侧面照片和右侧面照片。在背面封面图片中包含有ISBN条形码，因此，设置在下壁的第二摄像头2b既获得了图书背面的封面图片，又获得了ISBN条形码信息。从ISBN条形码可以得到该图书的出版信息，图书的出版信息包括但不限于出版社名称、出版日期、总字数、总页数、纸张质量、作者等图书信息。
图像分析模块8用于提取第一摄像头2a和第二摄像头2b拍摄的封面图片中的图像特征，并比对训练模型中的图像特征，从而获得该图书的残缺等级。这里提及的训练模型将在下文介绍。
重力传感器4设置在壳体1内部的下壁，重力传感器4的上方设置玻璃板7，玻璃板7用于承载图书，将图书放置在玻璃板7上时，通过重力传感器4测量图书的重量。需要说明的是，由于玻璃板7透光，其不会对设置在玻璃板7下方的第二摄像头2b造成影响。
智能旧书回收装置还包括重量估算模块(图中未示出)和第一评估模块(图中未示出)。重量估算模块用于根据图书的出版信息估算图书的重量获得估算重量，并将估算重量发送第一评估模块。重力传感器4将测量的实测重量发送第一评估模块。第一评估模块根据实测重量和估算重量判断图书是否残缺。如，当实测重量与估算重量的差值超过预设的重量差值时，则第一评估模块评定该图书严重残缺。
在本实施例中，第一距离传感器3a和第三视觉传感器2c固定在壳体1的左侧壁，第三视觉传感器2c用于测量图书的左侧面照片；第一距离传感器3a用于测量第三摄像头2c与图书左侧面之间的距离。第四摄像头2d和第二距离传感器3b固定在壳体1的右侧壁，第四摄像头2d用于测量图书的右侧面照片；第二距离传感器3b用于测量第四摄像头2d与图书的右侧面之间的距离。
智能旧书回收装置还包括第一厚度处理器(图中未示出)，其首先根据图书左侧面照片中图书厚度所占像素点的个数以及第三视觉传感器2c与图书的左侧面之间的距离可以获得图书的左侧面厚度；以及根据图书右侧面的照片中图书厚度所占像素点的个数以及第四视觉传感器2d与图书的右侧面的距离可以获得该图书的右侧面厚度。然后，计算左侧面厚度和右侧面厚度的平均值获得该图书的第一测量厚度。
升降机构5设置在壳体1内部的上壁，压力传感器6固定于升降机构5的移动端，并在升降机构5的移动端的带动下在竖直方向做上下运动。上文提到，图书放置在玻璃板7的上表面。当玻璃板7上未放置图书时，压力传感器6在升降机构5的移动端的带动下挤压玻璃板的上表面的压力值等于预设的阈值时，记录此时移动端的测量位置，该位置为初始位置。当将图书放置在玻璃板7的上表面时，压力传感器6在升降机构5的移动端的带动下挤压图书的表面的压力值等于预设的阈值时，记录此时移动端的位置，该位置为测量位置。
智能旧书回收装置还包括第二厚度处理器(图中未示出)和第二评估模块(图中未示出)，第二厚度处理器计算测量位置和初始位置的差值即获得图书的第二测量厚度。第二评估模块根据第一测量厚度、第二测量厚度以及图书的出版信息(如总页数和纸张质量等相关信息)判断图书是否残缺。
第二评估模块包括第一计算子模块、第二计算子模块、第三计算子模块、第一比较子模块和第二比较子模块。其中，第一计算子模块用于计算第一测量厚度和第二测量厚度的差值，并获得第一差值。第一比较子模块用于比较第一差值和第一预设值(用户预先设定的值)，若第一差值大于或等于第一预设值，则评定该图书为严重残缺。
第二计算子模块用于计算第一测量厚度和第二测量厚度的平均值。第三计算子模块用于计算平均值和估算厚度值的差值以获得第二差值。从出版信息中的总页数和纸张质量估算图书的厚度获得估算厚度值。第二比较子模块用于比较第二差值和第二预设值，若第二差值大于或等于第二预设值(用户预先设定的值)，则评定该图书为严重残缺。
作为本实施例的一个变型实施例，智能旧书回收装置还包括云服务器和通信模块。其中，图像分析模块设置于云服务器，图像分析模块的运算中云服务器中完成。通信模块用于智能旧书回收装置与云服务器之间的通信。
智能旧书回收装置通过通信模块将其获得的图书的正反封面的图片上传至云服务器，云服务器依照图像分析模块中的模块评定该图书残缺等级后，再通过通信模块将残缺等级发回智能旧书回收装置，用户可以从智能旧书回收装置了解该图书的残缺等级。由于云服务器处理能力较强，能缩短评定残缺等级的时间，提高分类效率。
下面详细介绍数据库中的模型，该模型通过训练活动，具体包括通过SIFT算法提取图片中的特征，或通过亮度直方图提取图片中的特征，或通过卷积神经网络提取图片中的特征，然后通过训练、测试和交叉验证得到。
首先需要说明的是，本实施例的训练模型中将图书的残缺等级分为五级，5级最新，1级最旧。采集大量与回收壳体内光照条件一致的各种新旧程度图书的照片，每一级采集正反封面图片各500张，即采集2500×2(正反)张有标签的图书的正反封面图片。
本实施例可以通过三种特征提取方式从图片中提取特征并进行训练。其一，SIFT+SVM方法。
具体地，通过尺度不变特征变换(Scale-invariant feature transform，以下简称SIFT)算法从5000张图片中提取图像特征，然后利用高斯核对图像特征进行升维，以使得图片尽可能的变成线性可分。利用SVM算法进行学习，学习过程中分为训练集、测试集和交叉验证集，图片比例不限于6：2：2。通过训练集对训练模型进行有监督训练，通过交叉验证集进行参数调优，最后通过测试集确定训练模型的质量，最终得以确定出五类不同新旧程度图书的超平面，得到训练模型。
其二，亮度直方图+SVM方法。具体地，通过亮度直方图提取图片中的特征，即将RGB数据空间图片转化为HLS数据空间图片，绘制书籍的亮度直方图，将直方图向量化，以此向量作为图片的特征。该方法针对新书反光能力较强这一特性，在光强上对于新旧书进行区分，实际效果较好。SVM算法的学习过程与其一中相同，在此不再赘述。
其三，通过卷积神经网络(Convolutional Neural Networks，以下简称CNN)提取所述图片中的图像特征，即对图片的每个3×3的像素点进行卷积操作，得到卷积操作之后的图像信息，设置若干层深度神经网络，将卷积操作后的图像信息作为输入，结合该图像对应的新旧级数作为标签，利用反向传播方法，不断调整深度神经网络各个节点之间的权重，最终使得整体损失函数最小，达到训练目的。将5000张照片按6：2：2的比例分为训练集、交叉验证集和测试集三部分。训练集用于训练网络，交叉验证集用于参数调优，测试集用于测试网络实际效果。
本实施例提供的智能旧书回收装置可以自动评定图书的残缺程度，评定效率高，适合规模化旧书回收时残缺等级的评定，而且避免了人的主观性，评定结果客观、统一，提高了分类的准确性。另外，该智能旧书回收装置能快速地将较高等级的图书回收利用，客观上提高了图书平均利用次数，间接减少了砍伐树木，降低了社会的读书成本。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (7)

1.一种智能旧书回收方法，其特征在于，所述智能旧书回收方法包括以下步骤：
步骤S1，获取图书的封面图片；
步骤S2，分析比对所述封面图片与数据库中的训练模型以评定所述图书的残缺等级；
在步骤S1之前还包括以下步骤：
步骤S01，获取图书的出版信息，并根据所述出版信息估算所述图书的重量，获得估算重量；
步骤S02，获取所述图书的实测重量；
步骤S03，根据所述估算重量和所述实测重量判断所述图书是否残缺，若是，则评定所述图书为严重残缺；
步骤S04，获得所述图书的侧面图片以及拍摄位置与所述图书的侧面之间的距离，根据所述侧面图片中图书厚度所占像素点的个数以及所述距离获得所述图书的第一测量厚度；以及通过机械测量方式获得所述图书的第二测量厚度；
步骤S05，计算所述第一测量厚度和第二测量厚度的第一差值；
步骤S06，判断所述第一差值是否大于第一预设值，若是，则评定所述图书为严重残缺；若否，则执行步骤S07；
步骤S07，计算所述第一测量厚度和第二测量厚度的平均值；
步骤S08，计算所述平均值与所述出版信息中的厚度值的差值获得第二差值；
步骤S09，判断所述第二差值是否大于第二预设值，若是，则评定所述图书为严重残缺。
2.根据权利要求1所述的智能旧书回收方法，其特征在于，通过所述图书上的ISBN条形码获得所述图书的出版信息。
3.一种智能旧书回收装置，其特征在于，所述智能旧书回收装置包括壳体、第一摄像头、第二摄像头和图像分析模块；其中，
所述第一摄像头和第二摄像头分别设置于所述壳体的上壁和下壁，分别用于获得图书的正面的封面图片和背面的封面图片；
所述图像分析模块用于提取所述封面图片中的图像特征，并在训练模型中比对所述图像特征，以获得该图书的残缺等级；
所述智能旧书回收装置还包括第一厚度测量模块、第二厚度测量模块和第二评估模块，其中，
所述第一厚度测量模块根据所述图书侧面的图片中所述图书厚度所占像素点的个数获得所述图书的第一测量厚度；
所述第二厚度测量模块用于通过机械方式测量所述图书的厚度获得第二测量厚度；
所述第二评估模块包括第一计算子模块、第二计算子模块、第三计算子模块、第一比较子模块和第二比较子模块；其中，
所述第一计算子模块用于计算所述第一测量厚度和所述第二测量厚度的差值，获得第一差值；
所述第一比较子模块用于比较所述第一差值和第一预设值，若所述第一差值大于所述第一预设值，则评定该图书为严重残缺；
所述第二计算子模块用于计算所述第一测量厚度和所述第二测量厚度的平均值；
所述第三计算子模块用于计算所述平均值和出版信息中的厚度值的差值以获得第二差值；
所述第二比较子模块用于比较所述第二差值和第二预设值，若所述第二差值大于所述第二预设值，则评定该图书为严重残缺。
4.根据权利要求3所述的智能旧书回收装置，其特征在于，所述智能旧书回收装置包括重力传感器、重量估算模块和第一评估模块，其中，
所述重力传感器用于测量所述图书的实测重量；
所述重量估算模块用于根据所述图书的出版信息估算所述图书的重量获得估算重量；
所述第一评估模块用于根据所述图书的实测重量和估算重量判断所述图书是否残缺。
5.根据权利要求3所述的智能旧书回收装置，其特征在于，所述智能旧书回收装置包括第一距离传感器、第二距离传感器、第三摄像头、第四摄像头和第一厚度处理器，其中，
所述第一距离传感器和所述第三摄像头设置于所述壳体的左侧壁，所述第二距离传感器和所述第四摄像头设置于所述壳体的右侧壁，所述第三摄像头和所述第四摄像头用于分别获得所述图书左侧面和右侧面的图片，所述第一距离传感器用于测量所述第三摄像头与图书左侧面之间的距离；第二距离传感器用于测量所述第四摄像头与所述图书右侧面之间的距离；所述第一厚度处理器用于根据所述第三摄像头和所述第四摄像头与所述图书侧面之间的距离以及所述侧面图片中图书厚度所占像素点的个数获得所述图书的第一测量厚度。
6.根据权利要求3所述的智能旧书回收装置，其特征在于，所述智能旧书回收装置包括压力传感器、升降机构和第二厚度处理器，所述升降机构固定于所述壳体上；所述压力传感器固定于所述升降机构的移动端，并在所述升降机构的移动端的带动下在竖直方向做上下运动，当所述压力传感器挤压所述图书的表面的压力值等于预设的阈值时，记录所述移动端的测量位置；所述第二厚度处理器根据所述测量位置和初始位置的差值获得所述图书的第二测量厚度，所述初始位置为未放置图书时，所述移动端能够下降的最低位置。
7.根据权利要求3所述的智能旧书回收装置，其特征在于，所述智能旧书回收装置还包括云服务器和通信模块；其中，
所述图像分析模块设置于所述云服务器，所述图像分析模块的运算在所述云服务器中完成；
所述通信模块用于所述智能旧书回收装置与所述云服务器之间的通信。
CN201810220357.9A 2018-03-16 2018-03-16 一种智能旧书回收方法及装置 Active CN108256658B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810220357.9A CN108256658B (zh) 2018-03-16 2018-03-16 一种智能旧书回收方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810220357.9A CN108256658B (zh) 2018-03-16 2018-03-16 一种智能旧书回收方法及装置

Publications (2)

Publication Number Publication Date
CN108256658A CN108256658A (zh) 2018-07-06
CN108256658B true CN108256658B (zh) 2023-06-23

Family

ID=62746053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810220357.9A Active CN108256658B (zh) 2018-03-16 2018-03-16 一种智能旧书回收方法及装置

Country Status (1)

Country Link
CN (1) CN108256658B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110570585A (zh) * 2019-09-12 2019-12-13 深圳市丰巢科技有限公司 回收图书进行售卖的方法、装置、服务器和存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915584A (zh) * 2012-10-07 2013-02-06 西安信唯信息科技有限公司 一种书籍或档案的缺页检测系统及方法
KR20130047930A (ko) * 2011-11-01 2013-05-09 김정량 헌책을 분류하여 재활용 및 재사용하는 시스템
CN103295033A (zh) * 2012-03-02 2013-09-11 深圳市海恒智能技术有限公司 图书自检系统和方法
CN203464907U (zh) * 2013-08-13 2014-03-05 张兴 书本厚度测量仪
CN106548561A (zh) * 2016-12-06 2017-03-29 韩楷文 带前置摄像头的立式一体机及其控制方法
CN106596582A (zh) * 2016-11-23 2017-04-26 重庆向日葵机器人有限公司 图书质量自动测评机器人及控制方法
CN106600823A (zh) * 2016-11-07 2017-04-26 重庆向日葵机器人有限公司 一种二手书回收出售机器人及其控制方法
CN106779912A (zh) * 2016-11-23 2017-05-31 陶震宇 基于移动互联网的二手图书交易评估系统和方法
CN107358282A (zh) * 2017-08-21 2017-11-17 遵义师范学院 具有鉴定追踪功能的二手书快递箱及其系统、工作方法
CN107463114A (zh) * 2017-08-04 2017-12-12 京东方科技集团股份有限公司 基于书架的书籍管理方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130047930A (ko) * 2011-11-01 2013-05-09 김정량 헌책을 분류하여 재활용 및 재사용하는 시스템
CN103295033A (zh) * 2012-03-02 2013-09-11 深圳市海恒智能技术有限公司 图书自检系统和方法
CN102915584A (zh) * 2012-10-07 2013-02-06 西安信唯信息科技有限公司 一种书籍或档案的缺页检测系统及方法
CN203464907U (zh) * 2013-08-13 2014-03-05 张兴 书本厚度测量仪
CN106600823A (zh) * 2016-11-07 2017-04-26 重庆向日葵机器人有限公司 一种二手书回收出售机器人及其控制方法
CN106596582A (zh) * 2016-11-23 2017-04-26 重庆向日葵机器人有限公司 图书质量自动测评机器人及控制方法
CN106779912A (zh) * 2016-11-23 2017-05-31 陶震宇 基于移动互联网的二手图书交易评估系统和方法
CN106548561A (zh) * 2016-12-06 2017-03-29 韩楷文 带前置摄像头的立式一体机及其控制方法
CN107463114A (zh) * 2017-08-04 2017-12-12 京东方科技集团股份有限公司 基于书架的书籍管理方法及系统
CN107358282A (zh) * 2017-08-21 2017-11-17 遵义师范学院 具有鉴定追踪功能的二手书快递箱及其系统、工作方法

Also Published As

Publication number Publication date
CN108256658A (zh) 2018-07-06

Similar Documents

Publication Publication Date Title
US20210375032A1 (en) Photo deformation techniques for vehicle repair analysis
CN109657716B (zh) 一种基于深度学习的车辆外观损伤识别方法
US8594385B2 (en) Predicting the aesthetic value of an image
CN110728236B (zh) 车辆定损方法及其专用设备
CN108323209B (zh) 信息处理方法、系统、云处理设备以及计算机存储介质
US20130223726A1 (en) Method and apparatus of classification and object detection, image pickup and processing device
CN110674680B (zh) 活体识别的方法、装置、存储介质
CN112862757A (zh) 一种基于计算机视觉技术的重量评估系统及实现方法
CN110569864A (zh) 基于gan网络的车损图像生成方法和装置
CN110427810B (zh) 视频定损方法、装置、拍摄端及机器可读存储介质
CN108229289B (zh) 目标检索方法、装置和电子设备
CN111210399A (zh) 一种成像质量评价方法、装置及设备
CN109815823B (zh) 数据处理方法及相关产品
CN111639629A (zh) 一种基于图像处理的猪只体重测量方法、装置及存储介质
CN114972316A (zh) 基于改进YOLOv5的电池壳端面缺陷实时检测方法
KR102559586B1 (ko) 인공지능을 이용한 구조물 외관 점검 시스템 및 방법
CN113850749A (zh) 训练缺陷侦测器的方法
CN108256658B (zh) 一种智能旧书回收方法及装置
CN116797977A (zh) 巡检机器人动态目标识别与测温方法、装置和存储介质
Gautam et al. Hidden object detection for classification of threat
CN117152094A (zh) 基于计算机视觉的钢板表面缺陷分析方法、装置及系统
CN112257506A (zh) 果蔬大小识别方法、装置、电子设备以及计算机可读介质
CN111754491A (zh) 一种图片清晰度判定方法及装置
CN115860026A (zh) 条码检测方法、装置、条码检测设备和可读存储介质
CN114743045A (zh) 一种基于双分支区域建议网络的小样本目标检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant