Computer vision: zgodność stanów na półkach z systemem
Handel detaliczny, sieć sklepów
Branża i typ organizacji
Duża sieć handlowa. Stan zapisany w systemie i stan realny na półce potrafiły się rozjeżdżać, a rozbieżność wychodziła zwykle za późno.
Problem biznesowy
Między tym, co pokazuje system, a tym, co realnie stoi na półce, powstaje luka: towar źle ustawiony, niezeskanowany, przesunięty gdzie indziej. Przy jednym sklepie wychwytuje się to obchodem. Przy sieci sklepów ręczna kontrola każdej półki jest nierealna, więc rozbieżności rosną, aż zamienią się w braki na półce albo w zamówienia oparte na błędnym stanie.
Podejście i zakres prac
Zaadaptowaliśmy za pomocą transfer learningu model computer vision, który porównuje zdjęcie półki ze stanem zapisanym w systemie. Model łączy detekcję i rozpoznawanie obiektów: wykrywa na zdjęciu poszczególne produkty, ich położenie i to, czym są, a potem zestawia ten obraz z danymi z systemu.
Kontrola nie wymaga już obchodzenia każdej półki. Porównanie dzieje się w tle, a pracownik idzie od razu tam, gdzie obraz i system się nie zgadzają, zamiast sprawdzać wszystko po kolei.
Efekt biznesowy
zdjęcie → stan
automatyczne porównanie półki z systemem
zamiast ręcznego obchodu sklep po sklepie
rozbieżności
wychwytywane, zanim urosną w braki
sprawdzane w pierwszej kolejności
System wskazuje miejsca, w których stan realny i systemowy się różnią, więc kontrola trafia od razu tam, gdzie jest problem. Rozbieżności wychodzą wcześniej, zanim zamienią się w pustą półkę albo w zamówienie policzone na błędnym stanie.
Skala wdrożenia
Porównanie działa na poziomie pojedynczej półki i obejmuje sieć sklepów. Model rozpoznaje obraz i zestawia go z bieżącym stanem w systemie.
Jeśli u Ciebie stan w systemie nie zawsze zgadza się z tym, co jest na miejscu, opisz nam swój przypadek. Sprawdzimy, czy obraz da się zestawić z danymi automatycznie.
Powiązane artykuły w Bazie wiedzy cm-opti
Obszar usługi: Computer vision i analiza obrazu.