站在书架前,茫茫书海里找“情有独钟”的那一本,眼睛都看花了——这是许多读者共同的困扰。还书逾期要缴费,积分又不够用——这是另一个令人头疼的小烦恼。近日,广东省立中山图书馆正式上线读者众包盘点+“慧眼寻书”两项新功能:以众包模式让读者参与馆藏维护,以视觉算法赋能精准找书。两者看似各管一头,实则同源共生,为破解找书“最后10CM”难题提供了新思路。
一、从“馆员的事”到“读者的事”:盘点也能赚积分
过去,图书盘点是馆员的事;现在,读者也能领任务、拍拍照,把积分赚了。读者进入盘点任务系统后,可查看并领取任务,在截止日期前到书库拍下指定书架的一面(一个书架格子拍一张),上传后经系统验证通过,积分即可到账。积分可用于抵扣逾期费用,也有机会兑换奖品。
但这件事的意义,不止于积分换服务。图书馆从来不是静态仓库,而是一个持续流动、不断熵增的开放系统:书被借走、归还、翻找、错置,秩序每天都在被消耗。定期盘点固然有效,却更像一次集中校准——两次盘点之间的错架、乱架,往往要等到下一次才能被发现。读者众包盘点的巧妙之处,正在于把这种校准化整为零:谁路过、谁拍照、谁上传,系统多一次即时纠错,馆藏位置数据也因此获得了日常的自我修复能力。
更微妙的变化发生在读者心里。当一位读者亲自为图书馆的书架拍照、一册册核对书脊,他就不再只是图书馆的过客;时间与注意力的投入,会让他对书架秩序产生共同维护的责任感。比起积分,更重要的是参与——亲身走近书架、一本本核对过,才会发觉图书馆的秩序背后,一直有人在默默维护;而现在,维护者也可以是读者自己。这重身份一旦确立,读者便从空间借用者变成空间共治者,图书馆的秩序也就多了一层来自读者的守护。
二、慧眼寻书:让找书不再“一本本数”
另一项功能“慧眼寻书”目前处于公测阶段。读者在手机馆藏检索系统中查到想借的书后,点击“去找书”,即可看到一张平面书架分布图,图中标出了对应书架及图书所在的大致区域;走到书架附近,再点击“打开相机找书”,将手机对准书架缓慢移动,想找的那本书便会被实时框选在屏幕中。
满墙的书,不用再一本本地用眼睛“扫”。找书最难的那“最后10CM”,交给它就够了。所谓“最后10CM”,指的是从某一排书架到某一本书之间、过去只能靠肉眼逐格比对的那最后一小段距离;视觉识别算法所做的,正是把这段距离压缩为一次实时框选。
三、一套算法,两处用:众包数据反哺寻书能力
表面看,盘点功能是请读者帮忙整理书,寻书功能是帮读者找书。实则二者相辅相成:读者拍照盘点的结果会实时更新图书的位置数据,直接供“慧眼寻书”调用;而“慧眼寻书”与盘点时的相机识别,用的正是同一套视觉算法。技术上,该系统依托图书馆自建的书脊图像数据集训练YOLO目标检测模型,完成书脊的实例级定位,再经OCR识别书脊题名,将图像映射为“书名—架位—行列—书库”的结构化数据。读者顺手做的事,最终变成了大家都能用的找书能力。
四、众包闭环:让读者参与持续发生
这套组合的价值,还不止于省事。传统盘点依赖馆员周期性作业,数据更新慢、覆盖有限;众包模式把盘点任务嵌入读者的日常借阅动线,用积分激励换取大量真实、细颗粒的位置反馈。这些反馈持续汇入系统,直接提升“慧眼寻书”的定位精度,也反过来吸引更多读者参与,形成“读者参与—数据更新—找书更准—更多人参与”的正向循环。
从馆员盘点到读者众包盘点,从人工扫书架到算法框图书,两项功能改变的不仅是作业方式,也让图书馆的秩序维护从单向服务变为共建共享。
五、从一间书库,到更多图书馆
这两项功能并非孤立的技术尝试,而是本馆智慧服务应用矩阵中智慧感知板块的最新落地:一个负责“采”,让读者成为馆藏状态的数据采集者;一个负责“用”,让读者成为感知成果的直接受益者。它们与BIBFRAME馆藏图谱检索、馆藏AI检索、VR新阅读空间等应用同处一套底座之上,共同构成图书馆对用户、资源与空间的实时感知能力。
目前,这套模式在文明路总馆二楼中文图书外借书库开放公测,但具备向更多书库、更多馆区乃至其他图书馆复制的潜力,其系统能力可通过馆际合作授权、SaaS化调用等方式输出,让更多图书馆同时获得AI视觉盘点与“最后10CM”寻书两种能力。
更值得关注的是它对馆藏治理方式的改变:对读者,找书从人眼搜索变为算法框选;对馆员,错架、乱架带来的重复劳动被大幅压缩;而众包盘点沉淀下来的实时架位数据,本身就是一种馆藏治理资源——它让所有图书馆对馆藏状态的感知从定期校准变为持续在线,使常态化盘点的门槛显著降低,也为更智能的决策提供了可能。
当读者成为系统的感知末梢,图书馆的智慧服务便不只是技术堆叠,而是一张由读者、空间、资源、系统共同编织的智慧网络。“最后10CM”本是书架与目标图书之间的最后一段距离,如今也成了智慧服务从技术底座走到用户指尖的最后一环。当读者参与进来,这10CM,便不再难。(赵美花)