零售业每天收集大量数据,这使其关键流程变得成熟,可以通过机器学习实现自动化。与制造业一起,零售业可能会在未来几年中受益于一种特定的AI技术:机器视觉,也称为计算机视觉。
机器视觉使计算机能够“识别”图像和视频中的对象。借助安全,购物,驾驶等应用程序,普通人可能会熟悉机器视觉用例,例如店内摄像头,自动驾驶汽车和智能手机应用程序,这些应用程序使人们可以拍照并找到产品线上。
我们在零售领域的AI场景研究表明,实体零售商可获得的AI供应商解决方案中有43%与机器视觉有关。在本文中,我们特别讨论了两个机器视觉示例:
自动结账:允许客户在商店中取货并离开而无需在收银机或售货亭结账
库存管理:在需要补货时提醒商店员工
我们将以如何将其用于自动结账的流程来探索零售中的机器视觉。
自动结账
一些零售商正在尝试使用机器视觉来自动结账,并减少对收银员和结账亭的需求。
自动结账的示例
刷卡输入:自动存储的一个示例是需要刷卡输入的自动化商店。然后,机器视觉算法将跟踪刷卡者的移动,从而将其身体和移动与该卡相关联。在这种情况下,客户能够拿起他们想购买的物品,并允许商店自动从他们的卡中扣款。
面部识别:在极少数情况下,商店要求顾客首先在线上向商店注册自己的脸孔。他们的脸也附在存档的信用卡上。然后,他们可以在进入商店之前通过面部识别软件扫描面部。结果,客户可以在商店中取货,与他们一起走走,并自动为他们的卡充值。
检测结账准备情况:在不需要刷卡或存档文件才能进入的商店中,机器视觉可用于检测客户何时站在结账终端并自动开始付款过程。
库存管理
零售商还可以使用机器视觉来管理库存。像自动结账一样,零售商可以在商店的整个货架上安装相机。他们还可以部署沿着小岛行驶并扫描货架的机器人,就像沃尔玛在2017年所做的那样:
由The Verge提供的机器人在沃尔玛(Walmart)扫描货架以检查库存水平。
零售商可以训练这些机器视觉算法,以检测何时从货架上取走某些类型和品牌的产品。这些系统不会向客户的卡收费,而是会提醒后房间的人员向货架上重新存放适当的产品。这样的应用程序有可能通过减少货架上没有库存的时间来增加收入。
将AI应用于物理世界的挑战
在零售商店中安装基于机器视觉的摄像头系统可能是一项艰巨的任务。
零售商需要在商店中每个货架的多个位置安装相机。摄像机背后的机器视觉算法需要进行培训,以识别商店出售的不同品牌的每种商品。例如,算法仅训练检测客户何时捡起一包纸巾是不够的;该算法需要检测何时顾客拿起一包布朗尼纸巾与何时捡起一包普通的商店品牌纸巾。
这就是将人工智能应用于物理世界的困难:物理空间会以意想不到的微妙方式发生变化,例如位置和照明。例如,某大型食品杂货连锁店希望训练其机器视觉算法,以识别客户何时采摘嘎拉苹果与何时采摘Honeycrisp苹果。这些苹果看起来很相似,但价格可能会有所不同。旨在识别这两个苹果之间细微物理差异的算法需要提供数千个图像和视频片段,这些图像和视频片段是在不同的光照下(包括一天中的不同时间,如果苹果显示器靠近窗户的话)拾起这些苹果的人的;商店中不同的人流水平(人们可能会挡住相机的显示屏视线)。
即使完成了所有这些工作,该算法仍可能很难在顾客拿起苹果并将其放入购物袋时,在其放入购物车之前的几秒钟内识别出这些苹果之间的差异。
使得客户将商店物品放在他们不打算去的货架和陈列架上的趋势进一步使这种情况变得更加复杂。杂货连锁店可能希望训练其机器视觉算法,以识别从一个陈列柜中拣选的苹果为联欢晚会,而从另一个陈列柜中拣出的苹果为蜜糖。尽管从技术上讲这可能更可行,但这意味着客户可能可以欺骗算法。他们可以在节日晚会展示中放一个蜜糖苹果,离开然后继续购物,然后再回来取走节日晚会展示中剩下的蜜糖苹果,从而欺骗算法,使客户认为顾客购买了节日苹果。然后,客户将为他们实际购买的蜜糖苹果花更少的钱。
采用这些解决方案可以为零售商带来降低成本的好处,但是,如果这些系统在一定百分比的时间内无法正常工作,则可能无法实现投资回报率。
原文链接:https://emerj.com/ai-sector-overviews/machine-vision-in-retail/