參觀未來全自動商店 AiFi NanoStore
零售業每天收集大量資料，這使得其機器學習自動化的關鍵流程已經成熟。 與製造業一樣，零售業在未來幾年，可能會從一種特定的人工智慧技術中受益最多：機器視覺，也稱為電腦視覺。
機器視覺使電腦能夠「辨識」圖像和影像中的物件。在安全、購物、駕駛等領域應用中，普通人可能熟悉機器視覺應用案例，如店內攝影機、自動駕駛汽車和智慧手機應用 apps，這些應用 apps 允許人們拍攝產品照片，並在線上找到。
Emerj AI 零售機會景觀顯示，實體零售商可用的人工智慧供應商解決方案中，有 43% 涉及機器視覺。在本報導中，我們特別討論了兩個機器視覺用例：
- 自動結賬：允許客戶在商店取貨並離開，而無需在登記簿或 kiosk 結賬
- 庫存管理：當物品需要重新進貨時，提醒商店員工
我們開始探索零售業的機器視覺，以及如何將其用於自動結賬過程。
自動結賬
一些零售商正試圖使用機器視覺來自動結賬，並減少對收銀員和結賬 kiosk 的需求。
自動結賬案例
- 刷卡進入：其中一個例子是在需要刷卡，才能進入的自動商店中。然後，機器視覺演算法將追蹤刷卡的人的運動，將該人的身體和運動與該卡相關聯。在這種情況下，客戶可能能夠取走他們想要購買的物品，並允許商店自動從卡上扣款。
- 臉部辨識：在一些罕見的情況下，商店要求客戶首先在商店線上註冊臉部。他們的臉也附在存檔的信用卡上。然後，在進入商店之前，他們可以透過臉部辨識軟體掃描臉部。因此，客戶可以在商店裡取貨，和他們一起走出去，並自動向他們的卡充電。
- 檢測結賬準備情況：在不需要刷卡或存檔卡即可進入的商店中，機器視覺可用於檢測客戶，何時站在結賬終端並自動啟動付款過程。
來自人工智慧供應商 AiFi 的 1 分鐘短片，說明了支援機器視覺的自動結賬是如何工作的（請見開頭影片）。
庫存管理
零售商也可以使用機器視覺來管理庫存。像自動結賬一樣，零售商可以在商店的貨架上安裝攝影機。他們還可以像沃爾瑪在 2017 年那樣，佈署機器人沿著小島旅行並掃描貨架。
以下是沃爾瑪的一個機器人掃描貨架的照片：
零售商可以訓練這些機器視覺演算法，以檢測某些類別和品牌的產品，何時從貨架上取走。這些系統不會向客戶的卡收費，而是會提醒後屋的人員，在貨架上補充適當的產品。
這種應用有可能透過減少貨架沒有庫存的時間來增加營收。
將人工智慧應用於實體世界的挑戰
在零售店內安裝具機器視覺的攝影機系統，可能是一項具有挑戰性的工作。
零售商需要在商店每個貨架的多個點設定攝影機。需要訓練攝影機背後的機器視覺演算法，以辨識商店出售的每個產品，以及品牌標籤。
例如，僅僅訓練演算法來檢測，客戶何時拿起一包紙巾是不夠的；該演算法需要檢測客戶何時拿起一包 Brawny 紙巾，而不是何時拿起一包通用商店品牌紙巾。
這就是將人工智慧應用於實體世界的困難所在：實體空間會以意想不到的微妙方式發生變化，如位置和照明。
例如，一家大型雜貨連鎖店希望訓練其機器視覺演算法，以辨識客戶何時拿起晚會蘋果，和何時拿起蜂蜜脆蘋果。
這些蘋果看起來很相似，但價格可能有所不同。一種目的在辨識這兩個蘋果之間輕微實體差異的演算法，需要輸入數千張圖像和影像剪輯，這些圖像和影像剪輯，顯示器在不同的燈光下（包括蘋果顯示幕靠近窗戶時）和商店中不同水準的步行流量（人們可能正在阻擋攝影機的顯示幕檢視）。
即使經歷了這一切，該演算法可能仍然難以在客戶撿起蘋果、放入袋子，並放入購物車之前的幾秒鐘內，辨識這些蘋果之間的差異。
使此進一步複雜化的是，顧客傾向於將商店物品放在貨架上，和他們不打算去的展示中。雜貨連鎖店可能想訓練其機器視覺演算法，以辨識從一個顯示器中撿到的蘋果為晚會，另一個顯示為蜂蜜脆。雖然這在技術上可能更可行，但這意味著客戶可能能夠欺騙演算法。
他們可以在晚會展示中放一個蜂蜜脆蘋果，離開繼續購物，然後回來拿著他們在晚會展示中留下的蜂蜜脆蘋果，從而欺騙演算法，讓他們相信客戶拿了晚會蘋果。然後，客戶會少付錢買他們實際拿的蜂蜜脆蘋果。
採用這些解決方案可以為零售商，帶來降低成本的好處，但如果這些系統在一定比例的時間內無法工作，他們可能會難以提供投資報酬率。
零售公司的 Emerj
零售和電子商務行業，是最早採用人工智慧的行業之一。零售主管者使用Emerj AI Opportunity Landscapes 來確定人工智慧，包括機器視覺，可以在他們的公司使用哪裡來提供最高的投資報酬率。人工智慧機會景觀還幫助零售商評估，其行業中的人工智慧供應商，允許他們選擇合作夥伴，將人工智慧帶入公司和潛在收購目標。
 |
沒有留言:
張貼留言