AI机器视觉实现智能零售

分享到:
269
下一篇 >
亚马逊(Amazon)于2016年提出Amazon Go无人商店概念后,全球前扑后继开始投入相关技术研究,希望能够真正做到无人商店的理想。 然而,尽管Amazon Go的前导影片已发表多时,至今却始终无法具体落实。 中国阿里巴巴也积极希望能够率先落实无人商店概念,甚至挖角曾主导Amazon Go负责人任小枫加入开发团队,却至今依然不见实际店面。

目前看到已真正落地的无人商店,皆并非使用机器视觉技术辨识商品动向,而是使用无线射频(Radio Frequency IDentification, RFID)技术。 然而事实上,所有***都知道RFID技术并不能走向*后的无人商店理想,只是在目前此概念开始生成的时候,协助人们展示无人商店概念过渡时期的技术。 要真正能够达到Amazon所提出的「Just Walk Out」无人商店体验,依然需要透过机器视觉技术完成。

然而,目前机器视觉也有其技术局限,但却是可以够攻克的。 本文将详述RFID技术在无人商店的局限,以及该如何藉由机器视觉技术,探索「新零售」、「智能零售」的可能性。

Just Walk Out仍是考验

Amazon Go所提出的重要概念即是「Just Walk Out」,消费者进到商店中之后,只要从货架上取下想要购买的商品,无须其他任何结账手续即可离开商店完成身份辨识,并使用电子支付系统完成扣款。 Amazon Go始终无法完成此理想,*为重大的原因在于Amazon Go直接将目标立定为一大型的无人商场,但至今无论是使用RFID技术或是机器视觉,都是无法完成「多人多单」的购物形式的。 也就是说,那么大一家无人商店,可能一次只能容许一位消费者进场。 单以技术发展而言,要真正实现Amazon Go大约还需要2~3年的开发时间。

无人商店*大的局限是在于店面一次只能容纳一位客人,系统无法判定多位客人、多笔购物车订单的消费模式。 多人多单是一个待突破的瓶颈,也是接下来技术发展*重要的目标。 目前,我们团队已在开发多人多单的机器视觉结账技术,在不久的未来便能够看到实验店展示。 但在那之前,我们选择以售货亭、饮料柜的模式先行落实智能零售,便省去了多人多单的顾虑,让消费体验更加符合消费者的期待。

消费者习惯尚未养成

事实上,「无人商店」此概念对于消费者而言十分不友善。 科技应当是用以辅助人类得以更方便、更直觉地生活,无人服务的商店,可能不是消费者所期待的购物方式。 因此我们可以看到在中国有许多无人商店的失败案例,可以看见消费者为了逃避结账而撕下并随意丢在地上的RFID卷标纸;或是由于仓储管理失准、店面无人维护,留下了满屋腐臭报废的食物。

因此,与其说是「无人商店」,我认为此波潮流应该使用「智能零售」概念更为准确。 而使用机器视觉辨识技术,才能真正展现智能零售的智能之处。

全球*大的视觉大赛ImageNet在2017年的比赛之中,**得主所能做到的机器视觉准确率是81.7%,对于商用技术而言依然太低。 我们的解决方式是采用四台摄影机以不同角度拍摄,采用一秒30帧摄影机,也就是说一秒能够捕捉120张照片,再彼此勾稽比对,判断消费者的行动与选购的商品。 目前,已能透过此方式达到93%准确率。

RFID高成本不符零售应用所需

无人商店是一个以资方立场出发,希望可以降低人事成本的零售概念,并非是以消费者利益为出发点的**。 然而,RFID的卷标建置成本非常高,一张一次性的RFID卷标成本大约新台币3元左右,而且是变动成本,零售业者将难以负担。

机器视觉设备如摄影机与GPU则是固定开销,并且是一次性的支出。 **变动的是商品的影像模型建立,却依然还是接近固定的成本。 当店家商品越多、分店越多,边际成本越低。 这才是适合零售业者的硬设备。

目前,我们团队已能透过多台摄影机的架设,将机器视觉准确度提升至93%。 尽管以商用标准而言97%~99%才是及格的水平,然而,如果就零售业中的人事成本约占三成,这样换算下来7%的准确率依然是比三**事成本低上许多,机器视觉在智能零售的应用依然是值得开发并且有利可图的技术。

(本文由尹相志口述,记者程倚华整理)

你可能感兴趣: 业界新闻 机器视觉 AI Amazon RFI 首页推荐
无觅相关文章插件,快速提升流量