图书馆智能定位盘点机器人的研究——以上海图书馆为例

吴佳圆

（上海图书馆上海科学技术情报研究所，上海 200031）

传统图书盘点需要耗费大量的人力与时间，而RFID（radio frequency identification）技术在图书馆行业的普及拓展了图书智能定位盘点业务的发展空间。现今，在机器人技术日益成熟的大环境下，RFID技术与智能机器人的有机结合将有力推进智慧图书馆的发展。为了早日实现这一目标，上海图书馆以东馆开放为契机，着手引入智能定位图书盘点机器人。这一智能设备将大大提升图书盘点的效率，不仅减轻了馆员的体力工作，还能为读者提供更好的借阅体验。

图书盘点是图书馆文献管理的一项重要的基础工作，其目的是发现馆藏文献资源的排放问题、书目数据等问题。同时，通过图书盘点也可以查找遗失文献，从而确保馆藏文献的完整性。图书盘点作为图书馆日常工作之一，是保障图书馆开展业务的前提。

早期的图书盘点方式主要有人工清点、条码扫描盘点，如今随着RFID技术在国内图书馆的普及，基于此技术的智能定位盘点系统开始崭露头角。它是指图书馆工作人员利用智能设备对书架上的书进行核对和清点，检查有无错架、漏架。这些智能设备的最大特点就是全都运用了RFID技术，通过该技术设备可自动扫描多本图书的电子标签信息，并给出结果提示，从而引导工作人员完成图书盘点工作。该盘点模式根据盘点设备的不同，衍生出静态人工盘点也称手持盘点、盘点车盘点、动态RFID智能书架、智能盘点机器人这四种形式。

智能定位盘点的应用简化了图书馆的日常工作，将一线工作人员从繁杂的图书盘点中解放出来。除此之外，与传统图书盘点方式相比较，智能定位盘点在盘点成本、盘点效率和准确率、盘点工作的常态化、创新服务等方面都具有一定的优势［1］。

智能盘点机器人是智能定位盘点的一种应用形式，它将RFID技术与机器人技术结合起来，能为图书馆的图书动态盘点工作提供支撑［2］。相较于其他三种智能定位盘点技术，盘点机器人在精确度、高效性、智能化方面都领先一步。未来，图书馆运用盘点机器人进行图书盘点将是大势所趋，而本章节内容也将就智能盘点机器人进行更深入的研究。

2.1 产品主要设计理念

目前，基于对图书智能盘点的需求，盘点机器人需要拥有数据采集系统和导航定位系统。

2.1.1 超高频RFID与机器人的结合

数据采集系统主要依赖于RFID技术，又称无线射频识别。该技术可通过无线电讯号识别特定目标并读写相关数据，而无需建立机械或光学接触。在图书盘点方面，图书馆一般采用芯片内置方式把电子标签放置在书籍当中，使每一本书籍的馆藏条码与电子标签相关联。届时，只需通过智能设备终端对图书进行扫描，就可以非接触式地快速识别粘贴在图书上的RFID标签，从而实现对图书的盘点管理。

RFID技术按照工作频率，可分为低频、高频、超高频和微波系统。相较于其他频段，超高频系统具有传输距离远、穿透性强、使用寿命长、稳定性好、存储容量大等特点。在图书盘点领域，香港城市大学的研究表明，超高频RFID在标签读取速率、标签读取范围、标签检测方向、防冲突等方面都优于高频RFID［3］。

2.1.2 SLAM自适应导航功能

盘点机器人如果要实现全方位替代人工进行顺架、排架工作，必不可少的一项功能就是灵活自主地在书架间进行移动。它要能在移动的过程中实时检测环境，自主建造增量式地图，感知到整层楼中书架排放、充电设备等环境，然后利用构建的地图进行自主定位和导航［4］，而不会因为环境的变化，比如书架、桌椅的挪动或者读者、工作人员的阻挡等造成机器人不能正常行走的情况。目前大部分智能移动机器人是通过SLAM（simultaneous localization and mapping），也就是同步定位与地图构建算法来实现定位导航。SLAM是一种基于概率计算的增量式定位建图算法，它利用各类传感器，如激光测距器、深度相机、超声波等，搜集场景数据信息并对当前位置进行后验概率估计，而后利用运动模型加以校正，从而得到机器人当前位置信息，构建高精度周围场景地图，并进行导航工作。SLAM算法是目前最成熟的机器人定位导航算法，已在商用机器人上广泛应用［5］。

运用在图书馆内的智能盘点机器人同样配备SLAM自适应导航功能。设备在正式投入使用时，需要先进行图书馆现场环境建图。机器人自身搭载的激光雷达发射出激光，通过计算反射回的激光的角度、时间等确定障碍物的位置，达到构建2D地图的作用。一般来说，为15000 m2的环境建图大约需要10天至15天。

图1 SLAM地图构建示意图（一）

图2 SLAM地图构建示意图（二）

2.2 我国自主研发案例

以上从理论角度探讨了RFID技术、SLAM导航与机器人结合的可能性。技术层面，在2015年，南京大学计算机软件新技术国家重点实验室陈力军教授团队和南京大学图书馆联合研发了全球首台智能图书盘点机器人——图客，开创了理论实践的先河。在此之后，上海飒智、杭州横竖、北京金至等科技公司也轮番入场了图书盘点机器人的领域。

2.2.1 江苏图客

2019年7 月，江苏图客机器人有限公司注册成立，其研发的“图客”机器人已更新到第四代产品：移动硬件搭载差速轮，并配备无刷伺服电机，实现了机器人的静音行走；
导航模块由SLAM双激光360°导航，使机器人可以在书架间双向行走，路径更为灵活、准确；
此外，机器人有两套独立升降模块，可以更好地适应不同书架的层高；
在安全性能上添加了阻燃层模块，保障机器人的运行安全。“图客”在结合图书识别定位技术、多模态自主导航技术和OCR视觉技术（智能避障和书脊信息识别）的基础上，实现了盘点机器人每小时两万册的盘点效率，98%的定位精确度，1%的漏读率。如今，该款机器人已经在南京大学、同济大学、宁波大学等图书馆投入使用。“图客”实物图如图3所示。

图3 图客机器人

2.2.2 上海飒智

2017年底，上海高新技术企业飒智智能科技有限公司成立，该公司致力于智能移动共融机器人产品的研发、集成与应用，并于2018年推出了其自主研发的融合人工智能、计算机视觉、大数据处理、物联网等先进技术的图书盘点机器人。

在机械方面，该款机器人配有四个高频RFID天线，可同时对四层书架进行盘点；
增加了可调天线间距的设计，天线升降范围可达90～2400 mm，适用于不同书架，提高盘点的读到率和层定位精度。机器人的机械结构经过专门的防共振设计，工作最大噪声不超过50分贝，可在安静的图书馆环境中使用。标签读取方面，除了为机器人配备高端千标签/秒级吞吐量RFID读写器外，同时辅以OCR视觉识别技术，采用人工智能算法对索书号标签进行识别，精准定位标签损坏或RFID信号弱的书籍。RFID和OCR两种读取方法相互补充，可实现高达99.7%的盘点效率。导航与行动方面，在设备部署阶段，机器人根据自主研发的建图算法和其自带的高精度激光雷达进行场馆地图建立工作。除了地面附近的激光雷达之外，机器人四周一定高度都装有超声探测装置，用于规避桌椅、行人和透明物体。当检测到机器人周围有障碍物时，机器人会首先进行减速，直到停止。2021年，飒智机器人在不断更新换代后已经实现了100架（7层书架）/小时的盘点效率，高于99.7%的图书读取率，8小时续航时长以及厘米级的定位粒度。是人工盘点效率的60倍。“飒智”实物图如图4所示。

图4 飒智机器人

2.2.3 北京金至

北京金至科技股份有限公司是国家高新技术企业，始立于1998年中关村。公司业务方向涉及云计算、大数据、智能维保、信息安全等领域。“金至国胜壹号”是金至科技凭借多年的RFID技术实践经验和深入调研，在分析图书馆业务的基础上，结合智能机器人技术、激光扫描技术、RFID射频识别技术、云计算与大数据分析，自主研发的一款图书馆智能盘点机器人，实现了图书馆无人值守的全自动盘点、顺架、扫描等工作。通过WIFI网络将数据上传至云平台，进行大数据分析、运算，生成在架、错架、遗失、外借等数据报表。设备设计新颖，运行稳定，安全可靠，是一款高性能的盘点助手。“金至”实物图如图5所示。

图5 金至机器人

上海图书馆东馆开放在即，新馆更大的阅读空间与更多的在架图书都对未来上图东馆的综合服务能力提出了更高的要求。尤其是三楼开放式的阅读广场，对读者来说是一种全新的阅读体验，38万册图书也将对书架准确率提出新的挑战。因此，在上图东馆运行智能盘点机器人进行图书盘点势在必行，为了检验其可操作性，上海图书馆挑选了其中一款盘点机器人在中文书刊外借室进行先行测试。希望通过此次现场测试，再结合东馆的实际情况，加强与厂商的交流沟通，从而挑选、打磨出一款适合上海图书馆东馆的盘点机器人。

本次测试分为两个阶段进行，分别为常规场景和非常规场景的适应性测试。

第一阶段常规场景测试选取了两排四列书架共965本图书，主要通过RFID+OCR两种方式进行相互补充盘点，对标签弱的图书采用OCR对索书号进行识别。测试结果证明OCR对RFID有明显的补充作用，两者结合后的盘点率可达98%以上，具体结果如表1所示。

表1 常规书架的盘点结果汇总 单位：%

第二阶段测试主要针对特定书架和书籍区域进行分段测试。上海图书馆的工作人员挑选了三类具有明显特征的书架，分别为：被大柱子隔断的书架（如图6所示）、有凸出书籍的书架以及有密集图书和横放图书的书架。

图6 被柱子隔断的书架

3.1 非常规场景的测试——被大柱子隔断的书架

针对该类场景，盘点机器人仍采用RFID+OCR的盘点方式，但在导航方式上运用了SLAM自适应算法，遇到柱子这类障碍，盘点机器人会自动后退，然后向外移动一定距离，并不断进行尝试，直到机器人能通过该障碍物。在通过障碍物之后，盘点机器人会以书架另一端为起点，继续进行剩余部分的盘点，以此保证最高的导航精度和盘点率，盘点机器人运动轨迹如图7所示。

图7 盘点机器人运动轨迹

机器人通过对导航算法的优化，调整自身和书架的间距，从而获得最优盘点效果。图8盘点的数据结果表明，盘点机器人不仅可以完全适应书架被柱子等凸出障碍物隔断的结构环境，采用RFID和OCR进行盘点还可以实现高达98%以上的盘点率。

图8 盘点结果汇总

3.2 非常规场景的测试——有凸出书籍的书架

在盘点进程中遇到大型的凸出书籍（如图9所示），盘点机器人会采用和上述大柱子场景类似的导航逻辑。机器人侧面是视野360°的激光雷达，可以探测平行于天线平面的障碍物。如果探测到书籍进入危险距离，机器人会停下来，然后沿书架后退30 cm再前进30 cm，期间会让机器人与书架间的距离增加3 cm（单次移动间距可根据实际情况设置），如果不再遇到障碍，保持该距离直到本架结束，到下一架会再调整回原本距离，继续盘点。如果不能过去，再以此法增加3 cm距离。如果反复6次，或进入对侧书架的危险范围也无法成功，则判定失败，停止盘点后面的书架，升高天线，执行前面书架的上半部分盘点。其运动原理如图10所示。

图9 有凸出书籍的书架

图10 机器人运动原理

根据图11数据结果显示。

图11 针对凸出书籍的智能盘点结果汇总

针对凸出书籍的盘点，盘点机器人经过导航算法优化，可以尽可能地将该因素对盘点效果的影响控制在极小范围内，盘点率可达97%～98%，和正常书架的盘点率相对接近。

3.3 非常规场景的测试——有密集、横放图书的书架

图12 有密集、横放图书的书架

由于该部分书籍厚度≤5 mm，且未按常规方向堆叠放置，无法使用OCR识别到索书号标签，故盘点机器人仅采用RFID进行盘点。针对该场景除了需要解决超薄书籍间的信号干扰问题，还需要克服横放图书凸出书架的问题，以及适应书架层高变化、不在同一直线等难点。在导航算法优化下，盘点机器人对该列密集图书进行了多次测试，测试结果如图13所示。

图13 针对有密集、横放图书书架的智能盘点结果汇总

可以看到，密集图书由于书籍太薄且摆放不规则，图书间信号干扰较强，无法使用OCR等其它辅助盘点方式，故盘点率略低于正常书架的盘点，但仍可达到87%以上。

通过以上现场测试，我们对此类智能定位盘点设备的效能有了直观的了解。然而，新型设备或者说创新模式在应用过程中必然伴随着有待磨合之处，结合国内其他图书馆较早使用盘点机器人的经验，和在上海图书馆的现场测试，我们发现该智能设备在未来长期使用中可能会遇到以下这些问题。

4.1 SLAM算法精度降低

盘点机器人的定位与导航依赖于SLAM算法，该算法在计算过程中需要将观测数据、预测数据和历史数据合成一个高维向量并进行概率估计。随着时间的推移，数据结果会产生累积误差，长时间运行后定位精度可能会有偏差。而图书盘点和查找最重要的就是定位精度，精度偏差容易导致图书位置、排序和数量识别错误，从而降低了盘点的准确率［5］。更有甚者，定位精度降低严重的话可能会造成机器人和狭窄的书架之间发生碰擦。

4.2 少儿绘本盘点难度大

一般来说，少儿绘本书脊薄、规格多，这些图书特征给智能盘点机器人的盘点工作带来了不小的困难。首先，书脊薄会造成书架上少儿图书的密集堆放，从而干扰到盘点机器人对每本图书RFID信号的读取，而辅助盘点的OCR视觉识别功能也同样受限于较薄的书脊，无法完成有效的识别。其次，规格多表现在少儿绘本往往大小不一，开本种类从8开到64开都很常见，甚至还有异型开本。不规律的书籍大小同样给盘点机器人的RFID信号识别造成困难，因为在盘点时，机器人与书架之间的距离是固定的，遇到较小开面的图书会拉长芯片读取的距离，可能导致信号较弱从而识别不到；
较大开面的图书则会对机器人的行径路线产生阻碍。前期测试的数据证实，盘点机器人对少儿图书的盘点准确率为80%，对于少儿绘本的盘点依然处于技术瓶颈期。

4.3 对网络连接要求较高

盘点机器人对网络的依赖度较高，在盘点完成后，机器人需将数据上传至后台的服务器输出定制化报表，同时要将相关结果同步到folio等索书平台。万一在数据传送阶段遇到无网络连接或网络较慢等意外状况，我们要求盘点机器人能做到把数据先行缓存，待网络良好再进行上传。此外，将来在上图东馆阅读广场的书架上会采用墨水屏层架标，如果能实现智能盘点机器人和与其系统对接，那么当层架标变化时，盘点数据库后台也会实时更新，保证盘点数据的准确性。这也对未来场馆的网络稳定性提出了更高的要求。

近年来，随着智慧图书馆理念的提出，代表着智能化、自动化、高效化的智能定位盘点模式将被更广泛地运用到图书馆的日常运营中去。盘点机器人是当下这一创新模式最先进的技术之一，其历经数次迭代升级，在系统功能、运行性能、结构设计等方面都日臻完善。我们希望，通过上海图书馆在这一领域的实践与测试，能够带动更多新时代下的传统图书馆在常态化图书盘点业务上的改进与突破。