首页
摩登7产品
行业应用
渠道合作
摩登7新闻
研究院
投资者关系
技术支持
关于摩登7
|
 
  当前位置:首页 > 新闻资讯 > 机器人开发 > CVPOS自助收银的挑战以及商品识别算法工程落地方法和经验  
 

CVPOS自助收银的挑战以及商品识别算法工程落地方法和经验

来源:智东西      编辑:摩登7      时间:2020/6/9      主题:其他   [加盟]

AI+零售

首先,AI+零售定义为以人工智能为核心技术,为零售行业降本增效,增强用户的体验。也就是人工智能在传统行业里,是为了提升它的效率、降成本、整合资源并增强体验。但在实践中发现,AI的能力并没有摩登7期待的那么美好,所以在落地的过程中,更需要脚踏实地的抓紧节省成本的关键指标。

近几年,接触到AI+零售的概念,大概是从16或17年的无人店开始,它确实是风靡一时,但是到后面主要是往自助结算、人脸支付、智慧营销及门店管理的方向发展。形态变得越来越沉稳,看到大家在风口前面慢慢冷静下来,回归到务实和理性,这是行业健康发展非常乐于看见的情况。为什么无人店不能够坚持下去,或者说现在越来越少?一个原因可能是人的诚信问题;另一个是管理、维护成本还很高,而体验却没达到非常极致的效果,所以大家也不再往这个方面去考虑。

目前AI+零售会有哪些业态呢?摩登7总结了4大产品业态。第一是自助结算,第二是无感购物,第三是新型支付,第四是智慧营销。

自助结算是在收银环节节省成本,从整个零售行业来考虑,结算是在所有消费行为的末端,也是最容易想到并且场景最容易控制的,所以大家都愿意在这方面进行研发。自助收银产品主要是自助结算台,包括RFID的和视觉的,另外还有一些扫码设备,购物车以及冰箱等。实践证明,这些设备做的越简单,越易用,节省成本的效果就越显著。

第二是无感购物,拿了就走,这是最接近无人店的一种产品。他没有固定的结算的流程,挑完商品之后,出门就完成自动结算。它大概经历了两代,第一个是RFID的模式,第二个是完全基于视觉的模式。RFID相对比较简单,而且比较容易实现,只要在商品上加入特定的标签,出门时通过感应完成商品的检测,从而生成订单。RFID实际上完成了一种成本转移,把末端的结算的成本转移到中间用来贴标签、管理商品的成本。而视觉方案确实是解决了成本转移的问题,但是它本身造价比较高,要求的运算能力、传感器的精度、规模都非常的大,而且并非真的无人,还需要按照一定规则进行运营,所以真正达到无人落地还需要很长的一段时间,它涉及到成本、技术和客户顾客的习惯的问题。为什么还继续坚持做这样的产品?或许这是人类对未来的生活方式的期许和信仰。

第三是支付,自从诞生了扫码支付以后,摩登7携带现金的机会大大降低,这方面确实改变了摩登7的生活。下一步肯定会向无感支付的方向发展,它的第一阶段是人脸支付,摩登7在17年时借助微信的免密支付,率先推出了人脸支付+手势识别的模式,实现零接触的支付方式。随着人们对支付安全性的信心越来越强,人脸支付在未来必定成一个比较流行的趋势。

第四是智慧营销方面,可以通过一些会员识别的方式,对会员做精准的推荐,向商户提供合适的营销策略。门店可以借助布置的传感系统,比如用于人脸支付的人脸识别机,识别会员,然后通过室内的监控摄像头进行客流统计,并且获取一些购买行为的情况,做大数据的处理,就可以向门店提供供应链管理、门店运营、营销推荐等服务,让门店的经营更加省时省力。

这四个的产品模式都是围绕在提高效率,这也没有违背刚刚提到的人工智能就是为了节省成本这一点。下面从收银环节来介绍人工智能落地的应用情况。

CVPOS自助收银的应用和商品识别的难点

摩登7讲到的自助收银设备叫做CVPOS,从名称看出它是借助视觉的技术的POS机。首先从它的基本的需求开始介绍,作为一个自助设备,它的基本功能是要自己操作,输出订单并完成结算,而不需要其他人员参与,这是产品最顶层的需求。再往下探一些需求,相比于扫码支付而言,怎样提升体验呢?它可以一次识别多个,并且解决扫码不能解决的非标品问题。根据这两级的需求,产品的模式是尝试用摄像机拍摄结算台上的所有的商品,用视觉模型进行识别。当然也可以用别的传感器,但是视觉是最准确的。如果大家了解这个行业,可能会出现用重力传感器去识别,但是它的限制会高很多。












面向动态记忆和学习功能的神经电晶体可塑性研究

神经形态结构融合学习和记忆功能领域的研究主要集中在人工突触的可塑性方面,同时神经元膜的固有可塑性在神经形态信息处理的实现中也很重要

人工智能和机器学习之间的差异及其重要性

机器学习就是通过经验来寻找它学习的模式,而人工智能是利用经验来获取知识和技能,并将这些知识应用于新的环境

滴滴机器学习平台调度系统的演进与K8s二次开发

滴滴机器学习场景下的 k8s 落地实践与二次开发的技术实践与经验,包括平台稳定性、易用性、利用率、平台 k8s 版本升级与二次开发等内容

如何更高效地压缩时序数据?基于深度强化学习的探索

大型商用时序数据压缩的特性,提出了一种新的算法,分享用深度强化学习进行数据压缩的研究探索

基于深度学习目标检测模型优缺点对比

深度学习模型:OverFeat、R-CNN、SPP-Net、Fast、R-CNN、Faster、R-CNN、R-FCN、Mask、R-CNN、YOLO、SSD、YOLOv2、416、DSOD300、R-SSD

传统目标检测算法对比

SIFT、PCA-SIFT、SURF 、ORB、 VJ 等目标检测算法优缺点对比及使用场合比较

基于深度学习和传统算法的人体姿态估计,技术细节都讲清楚了

人体姿态估计便是计算机视觉领域现有的热点问题,其主要任务是让机器自动地检测场景中的人“在哪里”和理解人在“干什么”

让大规模深度学习训练线性加速、性能无损,基于BMUF的Adam优化器并行化实践

Adam 算法便以其卓越的性能风靡深度学习领域,该算法通常与同步随机梯度技术相结合,采用数据并行的方式在多台机器上执行

音乐人工智能、计算机听觉及音乐科技

音乐科技、音乐人工智能与计算机听觉以数字音乐和声音为研究对象,是声学、心理学、信号处理、人工智能、多媒体、音乐学及各行业领域知识相结合的重要交叉学科,具有重要的学术研究和产业开发价值

【深度】未来5-10年计算机视觉发展趋势为何?

专家(查红彬,陈熙霖,卢湖川,刘烨斌,章国锋)从计算机视觉发展历程、现有研究局限性、未来研究方向以及视觉研究范式等多方面展开了深入的探讨

华南理工大学罗晶博士和杨辰光教授团队发文提出遥操作机器人交互感知与学习算法

罗晶博士和杨辰光教授团队提出,遥操作机器人系统可以自然地与外界环境进行交互、编码人机协作任务和生成任务模型,从而提升系统的类人化操作行为和智能化程度

实时识别卡扣成功装配的机器学习框架

卡扣式装配广泛应用于多种产品类型的制造中,卡扣装配是结构性的锁定机制,通过一个机器学习框架将人类识别成功快速装配的能力迁移到自主机器人装配上。
 
资料获取
新闻资讯
== 资讯 ==
» 人形机器人未来3-5年能够实现产业化的方
» 导诊服务机器人上岗门诊大厅 助力医院智慧
» 山东省青岛市政府办公厅发布《数字青岛20
» 关于印发《青海省支持大数据产业发展政策措
» 全屋无主灯智能化规范
» 微波雷达传感技术室内照明应用规范
» 人工智能研发运营体系(ML0ps)实践指
» 四驱四转移动机器人运动模型及应用分析
» 国内细分赛道企业在 AIGC 各应用场景
» 国内科技大厂布局生成式 AI,未来有望借
» AIGC领域相关初创公司及业务场景梳理
» ChatGPT 以 GPT+RLHF 模
» AIGC提升文字 图片渗透率,视频 直播
» AI商业化空间前景广阔应用场景丰富
» AI 内容创作成本大幅降低且耗时更短 优
 
== 机器人推荐 ==
 
迎宾讲解服务机器人

服务机器人(迎宾、讲解、导诊...)

 

                              消毒机器人排名        移动消毒机器人        导览机器人         
版权所有 © 摩登7智能机器人集团股份有限公司     中国运营中心:上海·科技园8号楼5层     中国生产中心:山东日照解放路71号
销售1:4006-935-088    销售2:4006-937-088   客服电话: 4008-128-728