详细内容或原文请订阅后点击阅览
“Magnit”测试货架上产品的识别度
公司在20家便利店开展试点项目。该系统基于神经网络，监控货架上产品的展示是否符合申报的平面图（货架图）。验证准确率达到98%。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）公司在20家便利店开展试点项目。该系统基于神经网络，监控货架上产品的展示是否符合申报的平面图（货架图）。验证准确率达到98%。
根据零售网络的初步估计，该系统可以根据产品类别为客户提高高达 5% 的商品供应量，并增加销售额。如果试点成功，该技术可以在超过 2 万家公司商店复制。
零售店管理员在智能手机上的移动应用程序中拍摄货架照片，几秒钟后就会收到有关货架图正确性的报告。未来，此类功能将在数据采集终端中提供。系统分析商店仓库内所需商品的库存情况及其余额、陈列顺序、第一线仓位位置等指标。如果都符合计算，则删除任务；如果不符合，则给出提示，然后任务返回工作。在这种情况下，错误会以清晰的图表形式指示出来。
此前，员工独立将图表与制作的布局进行比对，耗时较长，且准确度不够高。自学习系统使您即使在复杂的空间中也能识别布局的合规性，消除人为因素，显着提高控制水平，减少检查时间并避免“虚拟”浪费。