智能售货柜技能筹划大年夜盘点理解无人零售新风向

　　二、智能货柜技能方案解析

　　当下主流的智能货柜技能方案有RFID电子标签识别、重力感应、视觉识别这几大类。
在这个中，RFID识别方案由于须要给商品贴电子标签带来的本钱太高，已经逐步淡出运营商的视野，本文将不再重点讲述。
接下来，笔者将重点谈论重力感应、视觉识别这几种方案，从技能事理和用户体验等方面做深度剖析。

　　2.1 重力感应办理方案

重力感应

　　社区生鲜重力柜

　　重力感应办理方案在每个货道上均装有重力感应器，核心事理即通过感知货道上的重力变革来判断消费者实际拿取的商品。
基于底层事理，该方案拥有以下运用特性：

　　（1）不涉及人工智能算法模型搭建，无需对商品进行学习，便于商品上新

　　（2）可自动称重售卖散装生鲜产品，非常适用于社区生鲜零售场景；

　　（3）支持多品类SKU售卖，商品可堆叠摆放以充分利用柜体空间。

　　同时，该方案中，商品重量成为唯一识别标准，这也造成了诸多弊端：

　　（1）无法识别重量相同的SKU；

　　（2）置换商品位置后会涌现识别偏差；

　　（3）长期放置后，胀气、湿度等影响成分将使商品重量发生变革，同时重力感应器长久发生形变后难以感知小幅度重力变革，识别精度无法担保；

　　（4）只感知单次消费重力变量，不涉及库存盘点，给实际运营管理造成困难。

　　2.2 动态视觉识别

动态视觉识别

　　动态视觉柜购物视频截图

　　动态视觉识别方案常日是在柜体顶端或两侧安装1-4个摄像头，对消费者开门后拿取商品的过程进行录制，视频上传至后台系统后，通过对购物视频进行识别从而确定消费者拿取的商品信息。
基于此，笔者总结了动态视觉柜的运用特性：

　　（1）对商品陈设无任何哀求，商品可堆叠摆放，能够提高空间利用率，适用于仓储运营场景；

　　（2）商品的学习本钱比较低，支持多品类SKU售卖。

　　动态视觉方案仅依据消费者开门后拿取商品的视频来进行识别，非常随意马虎受到外界滋扰，如果碰着消费者故意遮挡商品信息、快速拿取商品导致画面模糊、故意遮挡摄像头无法正常拍摄等情形，便无法精确识别商品。
因此目前市场上已投放运营的动态视觉智能柜均为100%人工识别，通过人工审查视频来完成消费结算，在运营中存在诸多局限性：

　　（1）视频上传流量用度高，带宽本钱远高于其他方案；

　　（2）依赖于人工，使得消费结算韶光非常不稳定，短则几秒钟，长则一天，严重影响购物体验；

　　（3）识别准确率较低。
以上图为例，视频定格画面十分模糊，难以准确判断商品信息；

　　（4）仅针对消费过程进行变量记录，无法对柜内货品进行精确盘存，货损率比较高。

　　2.3 静态视觉识别

　　该方案同样是基于打算机视觉算法，但实现事理与动态方案有着实质的差异。
静态视觉柜每层货架的顶端都安装有摄像头，在消费者开门前、后，摄像头均会对柜内物体进行拍照并上传系统，系统后台的算法模型会对所有图片进行检测识别，并天生开门前、后柜内商品的库存明细，通过打算商品库存量差值来判断消费者实际拿取的商品。

静态视觉识别

　　经由大量的实例验证，静态视觉方案有诸多上风：

　　（1）以人工智能算法完备取代人力审核，结算速率快，识别稳定；

　　（2）识别准确率高，同时也可通过实际运营中采集的数据持续优化算法，现识别准确率基本可达到99%-99.9%；

　　（3）可实现实时远程库存管理，商品货损率极低；

　　（4）更适宜大密度投放，得到规模运营效益。

　　同样，比较其他的技能方案，静态视觉方案也存在局限性：

　　（1）空间利用率低，柜内商品不能叠放，否则会在镜头前形成遮挡，影响识别准确率；

　　（2）须要对商品进行学习，数据采集及数据标注等流程较为繁琐，常日至少须要3-7天的韶光完成。

　　2.4 重力+动态视觉

　　为进一步提高识别准确率，市场上还涌现了重力感应+动态视觉的组合方案。
经笔者调研理解到，该方案在实际的运营过程中，依旧以重力感应技能为主，视频监控仅在大单消费等极分外情形下才会启用，本文将不再做详细先容。

　　三、图像识别事理

　　目前运用比较广泛的智能柜大多以视觉识别方案为主。
在上文剖析过，视觉识别技能方案尤其是静态视觉方案已非常成熟，可以基于人工智能算法实现闭环式无人零售。
下面笔者将连续阐发图像识别的实现事理。

　　3.1 图像识别事理

图像识别

　　图像识别紧张由两个步骤组成，首先是目标检测，其次是商品识别。

　　目标检测便是在照片中确定商品的位置，找到每个商品的像素区域。
大略来讲，便是确定每个商品的边缘轮廓并进行标注，如图中所示，在每个商品的边缘画上白框即目标检测过程。

　　商品识别通过基于深度学习的算法来实现。
深度学习便是采取卷积神经网络提取目标特色，再根据相同商品表现出来的共性总结出一定的识别履历值。
将上图每个白框标注出来的待检测目标放入算法模型中，提取并比对商品特色点后，即可确定商品名称。

　　3.2 目标检测实现难点

　　理解了图像识别事理，笔者再以实例讲解技能运用难点。
由于商品形状包装千变万化，消费者行为又难以掌握，诸多成分都给技能落地造成了不小的障碍：

视觉识别

　　商品密集摆放

　　上图是静态视觉智能柜拍摄到的真实画面，鱼眼摄像头会造成图像畸变，尤其是当商品密集摆放或商品位于边缘区域时，将给目标检测、特色提取等造成障碍。

　　软包装商品难以精确检测商品边缘

　　与瓶装、盒装商品不同的是，软包装商品形状没有那么规则，很难清晰地区分单个商品的边缘轮廓，尤其是碰着上图所示的透明包装商品，在直立摆放的情形下，很随意马虎造成目标检测不准确，从而导致识别出错。

　　以上是几个较为直不雅观的案例，可见单靠图像识别算法很难办理这类实际运营难题，此外还须要其他技能赞助，以一个更加全局不雅观的视角剖析并办理问题，方可提升智能货柜的稳定性。

　　四、智能柜产品测评

　　笔者走遍上海，对于出宝、深兰科技、海深科技、智购猫、嗨便利这五家智能货柜进行了实地调研，从结算韶光、繁芜场景识别稳定性等多个维度对智能货柜进行评估，结果如下：

智能柜产品测评

　　没有100%完美的技能方案，但针对不同的运营场景，一定有最具比较上风的办理方案。
本文从智能柜实际运营的角度出发，剖析了不同技能方案的运用特性，希望能帮助智能柜运营团队做出最适宜自己的选择，为无人零售行业的智能化升级贡献一份力量。