অটোমেটেড খুচরা নিরীক্ষণের জন্য অন ডিভাইস চিত্রের স্বীকৃতি: প্যারালালডটস দ্বারা ওডিন

ইমেজ রিকগনিশন ব্যবহার করে স্বয়ংক্রিয় খুচরা অডিট সাম্প্রতিক বছরগুলিতে জনপ্রিয়তা অর্জন করেছে অনেক CPG নির্মাতারা সমাধানটি পরীক্ষা করছেন, বা বিশ্বব্যাপী এটি বাস্তবায়নের উন্নত পর্যায়ে। যাইহোক, অনুযায়ী POI রিপোর্ট, খরচ এবং গতি প্রধান উদ্বেগ, এই গেম-চেঞ্জার সমাধান ব্যাপকভাবে গ্রহণ প্রতিরোধ

খুচরা এক্সিকিউশন ট্র্যাক করার জন্য চিত্র স্বীকৃতি ম্যানুয়াল স্টোর চেকের তুলনায় সময় সাশ্রয় এবং উচ্চ নির্ভুলতার কারণে এটি জনপ্রিয় হয়ে উঠছে। যেমনটি গার্টনার রিপোর্ট, ছবি স্বীকৃতি প্রযুক্তি বিক্রয় শক্তি উৎপাদনশীলতা বাড়াতে পারে, শেলফের অবস্থার অন্তর্দৃষ্টি উন্নত করতে পারে এবং ক্রমবর্ধমান বিক্রয় চালাতে সহায়তা করতে পারে। 

ইমেজ রিকগনিশন প্রযুক্তির সমস্ত প্রমাণিত সুবিধা থাকা সত্ত্বেও, ব্যবহারিক সমস্যা যেমন বাস্তবায়নের উচ্চ খরচ এবং ধীর গতিতে পরিবর্তনের সময়গুলি এই সমাধানটিকে কম গ্রহণ করেছে। আমরা, এ সমান্তরাল ডট, এই সমস্যাগুলি মোকাবেলা করার জন্য কঠোর পরিশ্রম করা হয়েছে আমাদের অন-ডিভাইস ইমেজ রিকগনিশন সলিউশন, ODIN চালু করার মাধ্যমে। ODIN-এর মাধ্যমে, প্রতিনিধিদের দ্বারা ধারণ করা সমস্ত ছবি তাদের হাতে ধরা ডিভাইসে প্রক্রিয়া করা হবে, এইভাবে KPI রিপোর্ট তৈরি করতে একটি সক্রিয় ইন্টারনেট সংযোগ এবং গুণমান পরীক্ষা প্রক্রিয়া ব্যবহার করার প্রয়োজন বাদ দেওয়া হবে। এই ব্লগপোস্টে, আমরা ODIN এর বিষয়ে আমাদের পদ্ধতি নিয়ে আলোচনা করব এবং কেন এটি সমস্ত আকারের CPG কোম্পানির জন্য গেম পরিবর্তন হতে পারে, যারা তাদের বাস্তবায়ন করতে চায় নিখুঁত স্টোর প্রোগ্রাম।

কেন অন-ডিভাইস ইমেজ রিকগনিশন স্বয়ংক্রিয় খুচরা অডিটের জন্য গেম পরিবর্তন করছে

বর্তমান অত্যাধুনিক ইমেজ রিকগনিশন অ্যালগরিদমগুলির দক্ষতার সাথে সম্পাদন করার জন্য GPU-এর মতো শক্তিশালী সার্ভারের প্রয়োজন৷ আধুনিক দিনের ক্লাউড কম্পিউটিং অবকাঠামোর মাধ্যমে এই ধরনের কম্পিউট পাওয়ার উপলব্ধ করা যেতে পারে। যাইহোক, এর মানে হল যে ফিল্ড প্রতিনিধিরা দোকানে ফটো তুলছেন, এই ফটোগুলি আগে ক্লাউড সার্ভারে আপলোড করতে হবে তাক KPIs এই ছবি থেকে গণনা করা যেতে পারে. এই প্রক্রিয়াটি ওয়াই-ফাই সংযোগ বা ভাল 4G ইন্টারনেট সংযোগ সহ স্টোরগুলিতে ভাল কাজ করে।

যাইহোক, ইন্টারনেট সংযোগ অনেক এলাকায় বা ভূগর্ভস্থ দোকানে ভাল নাও হতে পারে। এই ধরনের দোকানের জন্য, প্রতিনিধি স্টোরে থাকাকালীন একটি KPI রিপোর্ট পাওয়া সম্ভব নয়। এই ধরনের ক্ষেত্রে, অন-ডিভাইস ইমেজ রিকগনিশন খুব ভালোভাবে কাজ করতে পারে তা নিশ্চিত করতে যে প্রতিনিধিরা অনলাইনে যাওয়ার প্রয়োজন ছাড়াই তারা যে ফটোগুলি তুলছেন তাতে প্রতিক্রিয়া পান। 

এছাড়াও, ইমেজ রিকগনিশন প্রযুক্তি উচ্চ-মানের ছবিতে ভালো কাজ করে। যার অর্থ, ছবিগুলি আপলোড হতে কিছুটা সময় লাগতে পারে, এমনকী এমন এলাকায়ও যেগুলি ভাল নেটওয়ার্ক উপলব্ধতা অফার করে৷ এটি এমন পরিস্থিতির দিকে নিয়ে যেতে পারে যেখানে ফিল্ড প্রতিনিধিদের তাদের ছবি আপলোড করার আগে অতিরিক্ত সময়ের জন্য অপেক্ষা করতে হয়, ক্লাউড সার্ভারে প্রক্রিয়া করা হয় এবং তারপরে, ফলাফলগুলি প্রতিনিধিকে ফেরত পাঠানো হয়। অন-ডিভাইস স্বীকৃতি এই সমস্যাটি দূর করে এবং অবিলম্বে ফলাফল তৈরি করে। মাঠের প্রতিনিধিরা 5-10 মিনিট অপেক্ষা করার পরিবর্তে সেকেন্ডের মধ্যে অন্তর্দৃষ্টি পেতে পারেন। এটি আউটপুটটিকে আরও কার্যকর করে তোলে এবং এআই বিশ্লেষণের জন্য অপেক্ষা করার জন্য কোনও সময় ব্যয় করা হয় না।

জড়িত চ্যালেঞ্জ-

কার্যকরভাবে কাজ করার জন্য চিত্র স্বীকৃতি ব্যবহার করে স্বয়ংক্রিয় খুচরা অডিট পরিচালনার জন্য, ভাল মানের ছবি প্রয়োজন। এমনকি চিত্রের গুণমানে ছোট পরিবর্তনগুলি চিত্র সনাক্তকরণের সময় নির্ভুলতা হ্রাস করতে পারে। এটি ডিভাইসে চলমান কম্পিউটার ভিশন মডেলের নির্ভুলতার জন্য সর্বোত্তম।

এছাড়াও, চিত্র স্বীকৃতির উদ্দেশ্যে সঠিক পরিমাণে উচ্চ-মানের প্রশিক্ষণ ডেটা পাওয়া চ্যালেঞ্জিং হতে পারে। CPG প্রস্তুতকারকদের প্রায় কোনোটির কাছেই স্টোর ইমেজের লেবেলযুক্ত ডাটাবেস সহজলভ্য নেই। সুতরাং, অন-ডিভাইস ইমেজ রিকগনিশন শুরু করার সবচেয়ে বড় বাধা হল এই ধরনের ডাটাবেস তৈরির সাথে যুক্ত লিড টাইম এবং খরচ। 

অধিকন্তু, নতুন পণ্য চালু করা হয় অথবা পণ্যের প্যাকেজিং পরিবর্তন করা হয় - তাই এটিকে আপডেট রাখার জন্য AI এর নিয়মিত প্রশিক্ষণ এবং পুনরায় প্রশিক্ষণ করা হয়। নতুন পণ্য লঞ্চের জন্য প্রচুর পরিমাণে ডেটা জমা হতে কিছু সময় লাগবে, এআই-কেও একই বিষয়ে প্রশিক্ষণ দেওয়ার আগে এই বিষয়টি যোগ করুন।

ডিভাইসে ইমেজ স্বীকৃতি বেছে নেওয়ার আগে কিছু তথ্য বিবেচনা করতে হবে-

নির্ভুলতা এবং অন্তর্দৃষ্টির গতির মধ্যে সর্বদা একটি লেনদেন বন্ধ থাকে এবং তাই, একটি আদর্শ সমাধান সমাধানটিকে ব্যবহারিক করার জন্য সবচেয়ে সর্বোত্তম মান খুঁজে পাবে। তাই, CPG এক্সিকিউটিভদের মূল্যায়ন করতে হবে যে ডিভাইসে ইমেজ রিকগনিশন বেছে নেওয়ার আগে কম নির্ভুলতা বা ধীর অন্তর্দৃষ্টির প্রভাব কী হবে। 

এটা মনে রাখা গুরুত্বপূর্ণ যে এখানে আমরা নির্ভুলতা এবং গতির ছোট পার্থক্য উল্লেখ করছি কারণ আমরা স্বীকার করি যে একটি আদর্শ সমাধান হবে সঠিক এবং খুব দ্রুত। একটি সিপিজি প্রস্তুতকারক একটি 91% নির্ভুল মডেল স্থাপনের জন্য যা লাগতে পারে তার চেয়ে কম সেটআপ সময় এবং খরচ সহ একটি 98% SKU স্তরের সঠিক মডেল স্থাপন করতে সক্ষম হতে পারে৷ যাইহোক, যদি উচ্চ নির্ভুলতা তাদের জন্য গুরুত্বপূর্ণ হয় (কারণ খুচরা বিক্রেতা প্রণোদনা), তারা অনলাইন ইমেজ স্বীকৃতির জন্য বেছে নিতে পারে যা উচ্চ নির্ভুলতা নিশ্চিত করার জন্য একটি গুণমান পরীক্ষা প্রক্রিয়ার অনুমতি দেয়। যাইহোক, এর মানে হল যে প্রতিনিধিদের ছবিগুলি আপলোড, প্রক্রিয়াকরণ, গুণমান পরীক্ষা করার জন্য অপেক্ষা করতে হবে এবং তারপর, KPIs অ্যাক্সেস করার আগে তাদের ডিভাইসে রিপোর্ট ডাউনলোড হওয়ার জন্য অপেক্ষা করতে হবে। 

ব্যবহারিক উদ্দেশ্যে একটি 91% সমাধানও কাজ করতে পারে। একটি 91% নির্ভুল সমাধান বলতে বোঝায় যে, শেল্ফে উপলব্ধ 50টি অনন্য SKU, AI ~4 SKU সঠিকভাবে বাছাই করতে পারে না। ফিল্ড প্রতিনিধিরা যে পরিমাণ সময় সৌজন্যে অন-ডিভাইস স্বীকৃতি বাঁচাতে পারে তার পরিপ্রেক্ষিতে, এটি তাদের অনলাইন মোডে উত্পন্ন প্রতিবেদনের জন্য অপেক্ষা করার চেয়ে ভাল আপস হতে পারে (যদিও এটি 98% সঠিক হতে পারে)। তারা AI দ্বারা করা ভুল ভবিষ্যদ্বাণীগুলিকে উপেক্ষা করতে পারে এবং সঠিকগুলির উপর পদক্ষেপ নিতে পারে।

এই সমাধানটি ব্যবহার করা সিরিকে একটি গান বাজাতে বলার অনুরূপ, বেশিরভাগ সময় তিনি সঠিকভাবে বুঝতে পারবেন যে গানটি আমরা তাকে বাজাতে বলেছি কিন্তু কিছু অনুষ্ঠানে, সে আমাদের অনুরোধ বুঝতে নাও পারে এবং একটি ভিন্ন গান বাজাতে পারে৷ সিরির সাথে আমার নিজের পরীক্ষায়, দশটি অনুরোধের মধ্যে সে আমার দুটি অনুরোধ পূরণ করতে পারেনি। তবুও, একটি আপস আমি নিতে ইচ্ছুক যেহেতু একটি অ্যাপ খোলা, একটি গান ব্রাউজ করা বা অনুসন্ধান করা সিরিকে এটি চালানোর জন্য বলার চেয়ে বেশি কষ্টকর (80% সঠিক সমাধান)।

ParallelDots দ্বারা ODIN : স্বয়ংক্রিয় খুচরা নিরীক্ষার জন্য ডিভাইসে ছবি স্বীকৃতি

এআই-সক্ষম অডিট সমাধানের সবচেয়ে বড় সীমাবদ্ধতা হল তাৎক্ষণিকভাবে সঠিক ফলাফল দেওয়া। উচ্চ নির্ভুলতা প্রদানের জন্য, কম্পিউটিং শক্তি উচ্চ প্রয়োজন। যাইহোক, প্রতিনিধিদের দ্বারা ব্যবহৃত হ্যান্ডহেল্ড ডিভাইসগুলিতে সীমিত গণনা সংস্থান রয়েছে এবং একজনকে সতর্ক থাকতে হবে যাতে প্রতিনিধিদের ডিভাইসের অত্যধিক ব্যাটারি খরচ এড়াতে হয় যাতে প্রতি 2 বা 3 বার দেখার পরে তার ডিভাইসটি চার্জ করতে হয়। এখানেই ParallelDots' ODIN সলিউশন জিতেছে। আমাদের ডেটা সায়েন্স টিম আমাদের অ্যালগরিদমকে এমনভাবে অপ্টিমাইজ করতে সফল হয়েছে, যে শেল্ফওয়াচ আপনাকে উভয় জগতের সেরা দেয় - নির্ভুলতা এবং গতি।  

ODIN-এর মাধ্যমে, আমাদের সমাধান প্রক্রিয়াকরণের জন্য ফটোগুলিকে ক্লাউডে আপলোড করার প্রয়োজন ছাড়াই ছবির প্রতিটি SKU এবং এর অবস্থান সনাক্ত করতে পারে৷ এর মানে হল যে reps অবিলম্বে দেখতে পারেন অনুপস্থিত SKU MSL তালিকা অনুযায়ী এবং ভুলভাবে স্থাপিত SKUগুলিকে চিহ্নিত করুন (যেমন প্রিমিয়াম ব্র্যান্ডগুলি নীচের শেল্ফে রাখা)। ODIN-এর মধ্যে একটি সম্পূর্ণ অফলাইন ইমেজ কোয়ালিটি গ্রেডিং সলিউশনও তৈরি করা হয়েছে যা ফটো রিকগনিশন করার জন্য ফটোগুলি সর্বোত্তম মানের না হলে প্রতিনিধিকে আবার ফটো তোলার জন্য অনুরোধ করে।

যখন এটি ডিভাইসে ইমেজ স্বীকৃতির ক্ষেত্রে আসে, তখন আমরা আমাদের ক্লায়েন্টদের সীমিত সংখ্যক SKU এবং KPI-এর জন্য এটি স্থাপন করার পরামর্শ দিই। এছাড়াও, যেহেতু ডিভাইসে প্রক্রিয়াকরণের মাধ্যমে গুণমান যাচাই করা সম্ভব নয়, তাই প্রকল্প শুরুর আগে একটি অত্যন্ত নির্ভুল মডেলকে প্রশিক্ষণ দেওয়া গুরুত্বপূর্ণ যাতে AI বিভিন্ন পরিবেশে এবং বিভিন্ন অভিমুখে প্রতিটি SKU-এর পর্যাপ্ত নমুনা দেখেছে। অতএব, আমরা আমাদের ক্লায়েন্টকে উচ্চ-মানের ডেটা সংগ্রহ করার জন্য দীর্ঘ সেটআপ সময়ের সুপারিশ করি এবং তারপরে এটিতে একটি মডেলকে প্রশিক্ষণ দিই। একবার মোতায়েন করা হলে, ODIN-এর এখনও মানুষের প্রতিক্রিয়া প্রয়োজন, এবং আমরা প্রতিনিধিদেরকে মডেলের আউটপুট সম্পর্কে প্রতিক্রিয়া জানাতে বলি যাতে AI সেই প্রতিক্রিয়াগুলি থেকে শিখতে পারে এবং আরও ভাল হতে পারে।

অন-ডিভাইস ইমেজ রিকগনিশনের জন্য কীভাবে প্রস্তুত করবেন-

অন-ডিভাইস ইমেজ রিকগনিশন এর সাথে বিশাল সুযোগ নিয়ে আসে। জন্য সফলভাবে বাস্তবায়ন করা, নির্দিষ্ট প্রস্তুতি প্রয়োজন। আমাদের সুপারিশ হল প্রথমে অনলাইন মোড দিয়ে শুরু করুন এবং ডিভাইস মোডে যাওয়ার আগে AI-কে বিভিন্ন SKU চিত্রের উপর প্রশিক্ষণ দেওয়া হোক। CPG প্রথমে অন-ডিভাইস মোডে তাদের শীর্ষ খুচরা দৃশ্যমানতা KPI গুলি স্থাপন করতে পারে।

তাছাড়া, কৌশলগত অন্তর্দৃষ্টি যেমন প্রতিযোগিতামূলক তথ্য এবং মূল্য প্রদর্শন স্বীকৃতি অনলাইন মোডে ট্র্যাক করা যেতে পারে কারণ এর জন্য দ্রুত, প্রতিকারমূলক পদক্ষেপের প্রয়োজন নাও হতে পারে।

সিপিজি-কেও নিশ্চিত করতে হবে যে তাদের ফিল্ড প্রতিনিধিরা ভালোভাবে প্রশিক্ষিত আছে যখন আদর্শ ছবি তোলার নির্দেশিকা আসে। অন-ডিভাইস মোডে স্যুইচ করার আগে এটি অত্যন্ত নির্ভুল SKU স্বীকৃতি প্রতিবেদন তৈরি করতে সহায়ক হবে।

অন-ডিভাইস ইমেজ রিকগনিশন হল অন্যতম প্রধান বৈশিষ্ট্য যা CPG নির্মাতাদের এমনকি তাদের দূরবর্তী স্টোরগুলিতেও নজর রাখতে এবং তাদের জন্য খুচরা এক্সিকিউশন উন্নত করতে সাহায্য করবে। তাত্ক্ষণিক প্রতিবেদনগুলি কার্যকর করতে সক্ষম হওয়া প্রতিনিধিদের প্রভাব তারপরে উন্নত গ্রাহক সন্তুষ্টির দিকে নিয়ে যেতে পারে, যা উন্নত ব্র্যান্ডের স্বাস্থ্য এবং আরও ভাল বিক্রয়ের দিকে পরিচালিত করে। কোভিড-পরবর্তী যুগে, গ্রাহকরা সেসব ব্র্যান্ডকে দ্বিতীয় সুযোগ দেবেন না যাদের শেল্ফগুলিতে ওঠানামাকারী প্রাপ্যতা রয়েছে কারণ তারা একটি বিকল্প পণ্য বেছে নেবে বা ই-কমার্স চ্যানেলে চলে যাবে। 

ব্লগ পছন্দ হয়েছে? আমাদের অন্য চেক আউট ব্লগ চিত্র স্বীকৃতি প্রযুক্তি কীভাবে ব্র্যান্ডগুলিকে খুচরা ক্ষেত্রে তাদের কার্যকরকরণ কৌশলগুলি উন্নত করতে সহায়তা করে তা দেখতে to

তাকগুলিতে আপনার নিজের ব্র্যান্ডটি কীভাবে কাজ করছে তা দেখতে চান? ক্লিক এখানে ShelfWatch-এর জন্য একটি বিনামূল্যের ডেমো নির্ধারণ করতে।

অঙ্কিত সিং-এর সাম্প্রতিক পোস্টগুলি৷ (সবগুলো দেখ)

সূত্র: https://blog.paralleldots.com/product/automated-retail-audits-on-device-image-recognition-by-paralleldots/