社區(qū)生鮮重力柜

　　重力感應(yīng)解決方案在每個(gè)貨道上均裝有重力感應(yīng)器，核心原理即通過感知貨道上的重力變化來判斷消費(fèi)者實(shí)際拿取的商品?；诘讓釉?，該方案擁有以下應(yīng)用特性：

　?。?）不涉及人工智能算法模型搭建，無需對商品進(jìn)行學(xué)習(xí)，便于商品上新

　　（2）可自動稱重售賣散裝生鮮產(chǎn)品，非常適用于社區(qū)生鮮零售場景；

　?。?）支持多品類SKU售賣，商品可堆疊擺放以充分利用柜體空間。

　　同時(shí)，該方案中，商品重量成為唯一識別標(biāo)準(zhǔn)，這也造成了諸多弊端：

　?。?）無法識別重量相同的SKU；

　　（2）置換商品位置后會出現(xiàn)識別誤差；

　?。?）長期放置后，脹氣、濕度等影響因素將使商品重量發(fā)生變化，同時(shí)重力感應(yīng)器長久發(fā)生形變后難以感知小幅度重力變化，識別精度無法保證；

　?。?）只感知單次消費(fèi)重力變量，不涉及庫存盤點(diǎn)，給實(shí)際運(yùn)營管理造成困難。

　　2.2 動態(tài)視覺識別

動態(tài)視覺柜購物視頻截圖

　　動態(tài)視覺識別方案通常是在柜體頂端或兩側(cè)安裝1-4個(gè)攝像頭，對消費(fèi)者開門后拿取商品的過程進(jìn)行錄制，視頻上傳至后臺系統(tǒng)后，通過對購物視頻進(jìn)行識別從而確定消費(fèi)者拿取的商品信息。基于此，筆者總結(jié)了動態(tài)視覺柜的應(yīng)用特性：

　?。?）對商品陳列無任何要求，商品可堆疊擺放，能夠提高空間利用率，適用于倉儲運(yùn)營場景；

　　（2）商品的學(xué)習(xí)成本比較低，支持多品類SKU售賣。

　　動態(tài)視覺方案僅依據(jù)消費(fèi)者開門后拿取商品的視頻來進(jìn)行識別，非常容易受到外界干擾，如果遇到消費(fèi)者故意遮擋商品信息、快速拿取商品導(dǎo)致畫面模糊、有意遮擋攝像頭無法正常拍攝等情況，便無法正確識別商品。因此目前市場上已投放運(yùn)營的動態(tài)視覺智能柜均為100%人工識別，通過人工審查視頻來完成消費(fèi)結(jié)算，在運(yùn)營中存在諸多局限性：

　?。?）視頻上傳流量費(fèi)用高，帶寬成本遠(yuǎn)高于其他方案；

　?。?）依賴于人工，使得消費(fèi)結(jié)算時(shí)間非常不穩(wěn)定，短則幾秒鐘，長則一天，嚴(yán)重影響購物體驗(yàn)；

　　（3）識別準(zhǔn)確率較低。以上圖為例，視頻定格畫面十分模糊，難以準(zhǔn)確判斷商品信息；

　?。?）僅針對消費(fèi)過程進(jìn)行變量記錄，無法對柜內(nèi)貨品進(jìn)行精確盤存，貨損率比較高。

　　2.3 靜態(tài)視覺識別

　　該方案同樣是基于計(jì)算機(jī)視覺算法，但實(shí)現(xiàn)原理與動態(tài)方案有著本質(zhì)的區(qū)別。靜態(tài)視覺柜每層貨架的頂端都安裝有攝像頭，在消費(fèi)者開門前、后，攝像頭均會對柜內(nèi)物體進(jìn)行拍照并上傳系統(tǒng)，系統(tǒng)后臺的算法模型會對所有圖片進(jìn)行檢測識別，并生成開門前、后柜內(nèi)商品的庫存明細(xì)，通過計(jì)算商品庫存量差值來判斷消費(fèi)者實(shí)際拿取的商品。

經(jīng)過大量的實(shí)例驗(yàn)證，靜態(tài)視覺方案有諸多優(yōu)勢：

　?。?）以人工智能算法完全取代人力審核，結(jié)算速度快，識別穩(wěn)定；

　?。?）識別準(zhǔn)確率高，同時(shí)也可通過實(shí)際運(yùn)營中采集的數(shù)據(jù)持續(xù)優(yōu)化算法，現(xiàn)識別準(zhǔn)確率基本可達(dá)到99%-99.9%；

　　（3）可實(shí)現(xiàn)實(shí)時(shí)遠(yuǎn)程庫存管理，商品貨損率極低；

　?。?）更適合大密度投放，獲得規(guī)模運(yùn)營效益。

　　同樣，相比其他的技術(shù)方案，靜態(tài)視覺方案也存在局限性：

　?。?）空間利用率低，柜內(nèi)商品不能疊放，否則會在鏡頭前形成遮擋，影響識別準(zhǔn)確率；

　?。?）需要對商品進(jìn)行學(xué)習(xí)，數(shù)據(jù)采集及數(shù)據(jù)標(biāo)注等流程較為繁瑣，通常至少需要3-7天的時(shí)間完成。

　　2.4 重力+動態(tài)視覺

　　為進(jìn)一步提高識別準(zhǔn)確率，市場上還出現(xiàn)了重力感應(yīng)+動態(tài)視覺的組合方案。經(jīng)筆者調(diào)研了解到，該方案在實(shí)際的運(yùn)營過程中，依舊以重力感應(yīng)技術(shù)為主，視頻監(jiān)控僅在大單消費(fèi)等極特殊情況下才會啟用，本文將不再做詳細(xì)介紹。

　　三、圖像識別原理

　　目前應(yīng)用比較廣泛的智能柜大多以視覺識別方案為主。在上文分析過，視覺識別技術(shù)方案尤其是靜態(tài)視覺方案已非常成熟，可以基于人工智能算法實(shí)現(xiàn)閉環(huán)式無人零售。下面筆者將繼續(xù)剖析圖像識別的實(shí)現(xiàn)原理。

　　3.1 圖像識別原理

　　圖像識別主要由兩個(gè)步驟組成，首先是目標(biāo)檢測，其次是商品識別。

　　目標(biāo)檢測就是在照片中確定商品的位置，找到每個(gè)商品的像素區(qū)域。簡單來講，就是確定每個(gè)商品的邊緣輪廓并進(jìn)行標(biāo)注，如圖中所示，在每個(gè)商品的邊緣畫上白框即目標(biāo)檢測過程。

　　商品識別通過基于深度學(xué)習(xí)的算法來實(shí)現(xiàn)。深度學(xué)習(xí)就是采用卷積神經(jīng)網(wǎng)絡(luò)提取目標(biāo)特征，再根據(jù)相同商品表現(xiàn)出來的共性總結(jié)出一定的識別經(jīng)驗(yàn)值。將上圖每個(gè)白框標(biāo)注出來的待檢測目標(biāo)放入算法模型中，提取并比對商品特征點(diǎn)后，即可確定商品名稱。

　　3.2 目標(biāo)檢測實(shí)現(xiàn)難點(diǎn)

　　理解了圖像識別原理，筆者再以實(shí)例講解技術(shù)應(yīng)用難點(diǎn)。由于商品外形包裝千變?nèi)f化，消費(fèi)者行為又難以控制，諸多因素都給技術(shù)落地造成了不小的障礙：

商品密集擺放

　　上圖是靜態(tài)視覺智能柜拍攝到的真實(shí)畫面，魚眼攝像頭會造成圖像畸變，尤其是當(dāng)商品密集擺放或商品位于邊緣區(qū)域時(shí)，將給目標(biāo)檢測、特征提取等造成障礙。

軟包裝商品難以精確檢測商品邊緣

　　與瓶裝、盒裝商品不同的是，軟包裝商品外形沒有那么規(guī)則，很難清晰地區(qū)分單個(gè)商品的邊緣輪廓，尤其是遇到上圖所示的透明包裝商品，在豎立擺放的情況下，很容易造成目標(biāo)檢測不準(zhǔn)確，從而導(dǎo)致識別出錯(cuò)。

　　以上是幾個(gè)較為直觀的案例，可見單靠圖像識別算法很難解決這類實(shí)際運(yùn)營難題，此外還需要其他技術(shù)輔助，以一個(gè)更加全局觀的視角分析并解決問題，方可提升智能貨柜的穩(wěn)定性。

　　四、智能柜產(chǎn)品測評

　　筆者走遍上海，對支付寶、深蘭科技、海深科技、智購貓、嗨便利這五家智能貨柜進(jìn)行了實(shí)地調(diào)研，從結(jié)算時(shí)間、復(fù)雜場景識別穩(wěn)定性等多個(gè)維度對智能貨柜進(jìn)行評估，結(jié)果如下：

　　沒有100%完美的技術(shù)方案，但針對不同的運(yùn)營場景，必然有最具比較優(yōu)勢的解決方案。本文從智能柜實(shí)際運(yùn)營的角度出發(fā)，分析了不同技術(shù)方案的應(yīng)用特性，希望能幫助智能柜運(yùn)營團(tuán)隊(duì)做出最適合自己的選擇，為無人零售行業(yè)的智能化升級貢獻(xiàn)一份力量。

感興趣者可參考下方具體的產(chǎn)品測評視頻：
https://www.bilibili.com/video/BV1Bz4y1D77u?from=search&seid=2895542164485255315
https://v.qq.com/x/page/e3113xwfgz7.html
或者在騰訊視頻、嗶哩嗶哩搜索“智能貨柜超全測評”關(guān)鍵詞，獲取更多詳細(xì)信息！

zhangnn