A.B.C. – A.I. Book Cataloguer: od koncepcji do dzialajacego prototypu

28 lutego 2026   |   Wiadomości   |   Tags: AI, Axelera Challenge, książki, skaner na książki

Poniższy artykuł jest kontynuacją naszego poprzedniego wpisu: Axelera AI Smarter Spaces Project Challenge, w którym poinformowaliśy o naszym udziale w tym zadaniu.

Od koncepcji do działającego prototypu: nasza droga przez Axelera Project Challenge.

Projekt

A.B.C. („A.I. Book Cataloguer”) to system edge-AI do automatycznej katalogizacji książek, opracowany przez nas w Denovo, włoskim startupie, w ramach Axelera Project Challenge 27. Projekt został po raz pierwszy przedstawiony na forum społeczności Axelera 3 grudnia 2025 i został zrealizowany jako w pełni działający prototyp 25 lutego 2026.  Finalna dokumentacja opublikowaliśmy 28 lutego 2026.

Bazowa idea jest prosta i skuteczna: zmniejszenie pracy fizycznej związanej z katalogizacją książek – powolnej, powtarzalnej i podatnej na błędy – poprzez zastosowanie inteligentnej stacji biurkowej, która automatycznie skanuje okladkę książki, odzczytuje tytuł, autora oraz wydawcę w czasie rzeczywistym, bez potrzeby połączenia z chmurą.

Zespół

Denovo jest  innowacyjnym startupem zajmującym się mechatroniką wspieraną przez AI. To niewielki zespół o składzie międzynarodowym, czyli:

• Dwóch włoskich inżynierów
• Jednej polskiej project manager

Więcej informacji o zespole znajduje się na stronie O nas.

A.B.C. to nasz pierwszy prawdziwy projekt edge-AI, zrealizowany dzięki zestawowi sprzętu dostarczonemu przez Axelera w ramach zorganizowanego przez nich zadania.

Problem, który rozwiązuje A.B.C.

Rejestracja cyfrowa zbiorów książkowych była zawsze procesem wolnym i pracochłonnym. Aby dodać książkę do katalogu, operatorzy muszą sczytać informacje z okładek książki, wprowadzić dane ręcznie i sprawdzić ewentualne błędy – co znacznie spowalnia pracę, a kiedy książek do rejestracji jest dużo i jest się pod presją czasu, wzrasta ryzyko popełniania błędów.

A.B.C. ma za zadanie ulżyć pracy operatorów przez automatyczne sczytanie informacji i wprowadzenie naturalnego, opartego na gestach, mechanizmu korekty, czyniąc cały proces wprowadzania danych szybszym, dokładniejszym i znacznie bardziej intuicyjnym.

Do potencjalnej grupy klientów wchodzą biblioteki, antykwariaty i sklepy z komiksami, gdzie nieustanne wprowadzanie do katalogu stale zmieniającej się oferty stanowi konkretne i kosztowne wyzwanie.

Sprzęt

System został zbudowany z użyciem zestawu dostarczonego przez Axelera. Komponenty wykorzystane w finalnej konfiguracji to:

• SBC: Orange Pi 5 Plus
• Akcelerator NPU: Axelera Metis M.2
• Kamera: Sonoff CAM S2
• Siec lokalna: router TP-Link z bezpośrednim połączeniem Ethernet
• Mocowanie kamery: lampa pierścieniowa z regulowanym ramieniem
• Poziomowanie: podwójna poziomica przy kamerze
• Pamiec: karta SD
• Wyswietlacz: monitor

Oprogramowanie i pipeline AI

Po kilku próbach doszliśmy do ostatecznego rozwiazania opartego na PP-OCR (PaddleOCR v3 Latin) w trybie hybrydowym, po odrzuceniu EasyOCR, Tesseract oraz kilku LLM-ów (które okazały się zbyt „kreatywne” i wymyślały dane zamiast je poprawiać).

Kompletny pipeline obejmuje:

1. Sczytanie RTSP z kamery i ograniczenie skanowanego obszaru za pomoca OpenCV
2. Rozpoznanie książki przy użyciu YOLOv8l na NPU Metis
3. Hybrydowy sub-pipeline OCR: wykrywanie bloków tekstu na Metis i adekwatne sczytanie OCR na CPU z nowszym, dokłladniejszym modelem
4. Fuzzy matching z lokalną bazą danych (12 GB dump Open Library)
5. Wyświetlenie rezultatu i oczekiwanie na gest operatora

Interakcja operatora i UX

Operator wchodzi w interakcje z systemem w sposób całlkowicie bezdotykowy, oparty na gestach:

• Położenie książki w wyznaczonym obszarze automatycznie uruchamia proces skanowania.
• Usunięcie książki oznacza potwierdzenie sczytania danych – na ekranie pojawia się zielony znak zatwierdzenia, a dane są zapisywane w lokalnym pliku CSV.
• Skrzyżowane palce (kształt X) pod kamerą to odrzucenie rezultatu – na ekranie pojawia się czerwony X.
• W obu przypadkach na ekranie widoczny jest pasek czasu, dzięki któremu operator wie kiedy może przerwać sczytywanie.

W fazie końcowej dodano system poleceń słożony z różńych kodów QR, pozwalający operatorowi na uruchome ponownej kalibracji, włączenie/wyłączenie diagnostyki oraz samego Orange Pi.

Harmonogram projektu

• 3 grudnia 2025: pierwszy post opublikowany na społecznosci Axelera
• 20 grudnia 2025: otrzymanie zestawu sprzętu z Holandii
• 12 stycznia 2026: pełne unboxing, instalacja Voyager SDK, pierwszy test z „inference.py”
• 1 lutego 2026: konfiguracja, integracja z bazą danych Open Library, publikacja na GitHub
• 23 lutego 2026: kompletny pipeline, przejście na PaddleOCR v3, ostateczny debug
• 25 lutego 2026: ukończenie działającego prototypu
• 28 lutego 2026: finalna dokumentacja i weryfikacja konfiguracji

Axelera promuje projekt

10 kwietnia 2026 Axelera przedstawiła publicznie nasz projekt na swoim profilu LinkedIn: zobacz wpis (otwiera się w nowej karcie).

Wyniki i perspektywy

Zadanie zostało pomyślinie ukończone w ramach czasowych ustalonych przez Axelerę. Finalny prototyp dziala całkowicie offline (z jedynym wyjątkiem połączenia Wi-Fi między kamerą a lokalnym access pointem) i jest dowodem wykonalności efektywnego systemu automatycznej katalogizacji na niedrogim sprzęcie edge.

Cały kod, dokumentacja, instrukcje, kody QR, obrazy oraz plik „.stl” uchwytu dla Orange Pi są dostępne w repozytorium GitHub projektu: github.com/denovo-it/abc (otwiera się w nowej karcie).

Projekt zosłał zrealizowany przez Denovo w ramach Axelera Project Challenge 27  grudzień 2025 / marzec 2026.

ABC (AI Book Cataloguer) to jeden z publicznych projektów Denovo z wykorzystaniem sztucznej inteligencji, realizowany przez nasz zespół obok mechatronika, blockchain oraz cyberbezpieczeństwo.