ऑन-डिवाइस छवि मान्यता स्वचालित रिटेल ऑडिट के लिए: समानांतर द्वारा ODIN

छवि मान्यता का उपयोग करके स्वचालित खुदरा ऑडिट ने हाल के वर्षों में कई सीपीजी निर्माताओं द्वारा समाधान का परीक्षण करने, या इसे विश्व स्तर पर लागू करने के उन्नत चरणों में लोकप्रियता हासिल की है। हालांकि, के अनुसार POI की रिपोर्ट, लागत और गति मुख्य चिंताएं हैं, जो इस गेम-चेंजर समाधान को व्यापक रूप से अपनाने से रोकती हैं

खुदरा निष्पादन पर नज़र रखने के लिए छवि मान्यता समय की बचत और उच्च सटीकता के कारण यह लोकप्रिय हो रहा है क्योंकि यह मैनुअल स्टोर चेक की तुलना में वितरित कर सकता है। के अनुसार गार्टनर की रिपोर्ट, छवि मान्यता प्रौद्योगिकी बिक्री बल उत्पादकता बढ़ा सकती है, शेल्फ स्थिति अंतर्दृष्टि में सुधार कर सकती है और ड्राइव वृद्धिशील बिक्री में मदद कर सकती है। 

छवि मान्यता प्रौद्योगिकी के सभी सिद्ध लाभों के बावजूद, कार्यान्वयन की उच्च लागत और धीमी गति से बदलाव के समय जैसे व्यावहारिक मुद्दों ने इस समाधान को अपनाने को कम रखा है। हम, पर पैरेललडॉट, इन मुद्दों से निपटने की कोशिश में काम में कड़ी मेहनत की गई है हमारी ऑन-डिवाइस छवि पहचान समाधान, ओडिन लॉन्च करके। ओडिन के साथ, रिप्स द्वारा कैप्चर की गई सभी छवियों को उनके हाथ से पकड़े गए डिवाइस पर संसाधित किया जाएगा, इस प्रकार केपीआई रिपोर्ट बनाने के लिए सक्रिय इंटरनेट कनेक्शन और गुणवत्ता जांच प्रक्रियाओं का उपयोग करने की आवश्यकता के साथ दूर किया जाएगा। इस ब्लॉगपोस्ट में, हम ओडिन के बारे में हमारे दृष्टिकोण पर चर्चा करेंगे और यह सभी आकारों की सीपीजी कंपनियों के लिए गेम-चेंजिंग क्यों हो सकता है, जो अपने को लागू करना चाहते हैं सही दुकान कार्यक्रम।

क्यों ऑन-डिवाइस छवि मान्यता स्वचालित रिटेल ऑडिट के लिए गेम बदल रही है

वर्तमान अत्याधुनिक छवि मान्यता एल्गोरिदम को कुशलतापूर्वक प्रदर्शन करने के लिए जीपीयू जैसे शक्तिशाली सर्वर की आवश्यकता होती है। इस प्रकार की गणना शक्ति आधुनिक दिन क्लाउड कंप्यूटिंग बुनियादी ढांचे के माध्यम से उपलब्ध कराई जा सकती है। हालांकि, इसका मतलब यह है कि जैसे ही फील्ड प्रतिनिधि स्टोर में तस्वीरें ले रहे हैं, इन तस्वीरों को क्लाउड सर्वर पर पहले अपलोड करना होगा शेल्फ KPIs इन तस्वीरों से गणना की जा सकती है। यह प्रक्रिया वाई-फाई कनेक्शन या अच्छे 4 जी इंटरनेट कनेक्टिविटी वाले स्टोर में अच्छी तरह से काम करती है।

हालाँकि, इंटरनेट कनेक्टिविटी कई क्षेत्रों में या भूमिगत स्टोर के साथ अच्छी नहीं हो सकती है। ऐसे स्टोर्स के लिए KPI रिपोर्ट प्राप्त करना संभव नहीं है, जबकि प्रतिनिधि अभी भी स्टोर में है। ऐसे मामलों के लिए, ऑन-डिवाइस छवि मान्यता यह सुनिश्चित करने के लिए बहुत अच्छी तरह से काम कर सकती है कि प्रतिनिधि उन फ़ोटो पर प्रतिक्रिया प्राप्त करें, जो उन्हें ऑनलाइन जाने की आवश्यकता के बिना। 

इसके अलावा, छवि मान्यता तकनीक उच्च-गुणवत्ता वाली छवियों पर अच्छी तरह से काम करती है। इसका मतलब है, छवियों को अपलोड होने में थोड़ा समय लग सकता है, यहां तक ​​कि उन क्षेत्रों में भी जो सभ्य नेटवर्क की उपलब्धता प्रदान करते हैं। यह उन परिदृश्यों को जन्म दे सकता है जहां फ़ील्ड रिप्स को अपनी छवियों के अपलोड होने से पहले अतिरिक्त समय के लिए इंतजार करना पड़ता है, क्लाउड सर्वर में संसाधित किया जाता है और फिर, परिणाम को प्रतिनिधि को वापस भेज दिया जाता है। ऑन-डिवाइस मान्यता इस समस्या को समाप्त करती है और तुरंत परिणाम उत्पन्न करती है। 5-10 मिनट के इंतजार के बजाय फील्ड प्रतिनिधि को सेकंड में अंतर्दृष्टि मिलती है। यह आउटपुट को अधिक क्रियाशील बनाता है, और एआई विश्लेषण की प्रतीक्षा में कोई समय व्यतीत नहीं होता है।

शामिल चुनौतियां-

प्रभावी ढंग से काम करने के लिए छवि मान्यता का उपयोग करके स्वचालित खुदरा ऑडिट आयोजित करने के लिए, अच्छी गुणवत्ता वाली छवियों की आवश्यकता होती है। छवि गुणवत्ता में भी छोटे परिवर्तन छवि मान्यता प्रदर्शन करते समय सटीकता में डुबकी लगा सकते हैं। यह डिवाइस पर चल रहे कंप्यूटर विज़न मॉडल की सटीकता के लिए सर्वोपरि है।

इसके अलावा, छवि पहचान के उद्देश्य के लिए उच्च गुणवत्ता वाले प्रशिक्षण डेटा की सही मात्रा प्राप्त करना चुनौतीपूर्ण हो सकता है। लगभग CPG निर्माताओं में से कोई भी स्टोर छवियों का आसानी से उपलब्ध लेबल डेटाबेस नहीं है। इस प्रकार, ऑन-डिवाइस छवि मान्यता के साथ शुरुआत करने के लिए सबसे बड़ी बाधाओं में से एक ऐसा डेटाबेस बनाने के साथ जुड़े समय और लागत है। 

इसके अलावा, नए उत्पाद लॉन्च किए गए हैं या उत्पाद पैकेजिंग को बदल दिया जाता है - इसलिए इसे अद्यतन रखने के लिए AI का निरंतर प्रशिक्षण और फिर से उपयोग किया जाता है। इस तथ्य में जोड़ें कि नए उत्पाद लॉन्च के लिए डेटा की उच्च मात्रा को जमा होने में कुछ समय लगेगा, इससे पहले कि AI को भी उसी पर प्रशिक्षित किया जा सके।

ऑन-डिवाइस छवि मान्यता के लिए चयन करने से पहले कुछ तथ्य -

अंतर्दृष्टि की सटीकता और गति के बीच हमेशा एक व्यापार-बंद होता है और इसलिए, समाधान को व्यावहारिक बनाने के लिए एक आदर्श समाधान सबसे इष्टतम मूल्य मिलेगा। इसलिए, CPG के अधिकारियों को यह आकलन करना होगा कि ऑन-डिवाइस छवि पहचान के लिए चयन करने से पहले कम सटीकता या धीमी अंतर्दृष्टि का प्रभाव क्या होगा। 

यह ध्यान रखना महत्वपूर्ण है कि यहां हम सटीकता और गति में छोटे अंतर का उल्लेख कर रहे हैं क्योंकि हम स्वीकार करते हैं कि एक आदर्श समाधान सटीक और बहुत तेज होगा। CPG निर्माता 91% SKU स्तर के सटीक मॉडल को कम सेटअप समय और लागत के साथ उपकरण पर तैनात करने में सक्षम हो सकता है, जो कि 98% सटीक मॉडल को तैनात करने में सक्षम हो सकता है। हालांकि, अगर उच्च सटीकता उनके लिए महत्वपूर्ण है (के कारण) खुदरा विक्रेता प्रोत्साहन), वे ऑनलाइन छवि मान्यता के लिए विकल्प चुन सकते हैं जो उच्च सटीकता सुनिश्चित करने के लिए गुणवत्ता जांच प्रक्रिया की अनुमति देता है। हालांकि, इसका मतलब यह है कि प्रतिनिधि को अपलोड होने, संसाधित होने, गुणवत्ता की जांच करने और फिर, केपीआई तक पहुंचने से पहले अपने डिवाइस पर रिपोर्ट डाउनलोड होने की प्रतीक्षा करने के लिए छवियों का इंतजार करना होगा। 

व्यावहारिक उद्देश्यों के लिए 91% समाधान भी काम कर सकता है। 91% सटीक समाधान का मतलब यह होगा कि शेल्फ पर उपलब्ध 50 अद्वितीय SKU, AI ~ 4 SKU को सही ढंग से नहीं चुन सकते हैं। समय की मात्रा को देखते हुए कि क्षेत्र प्रतिनिधि डिवाइस पर शिष्टाचार को बचा सकता है, यह ऑनलाइन मोड में उत्पन्न रिपोर्ट की प्रतीक्षा करने से बेहतर समझौता हो सकता है (भले ही यह 98% सटीक हो सकता है)। वे केवल एआई द्वारा की गई गलत भविष्यवाणियों को अनदेखा कर सकते हैं और सही लोगों पर कार्रवाई कर सकते हैं।

इस समाधान का उपयोग करना सिरी को एक गाना बजाने के लिए कहने के समान है, अधिकांश समय वह उस गीत को सही ढंग से समझ पाएगा जिसे हमने उसे बजाने के लिए कहा था लेकिन कुछ अवसरों पर, वह हमारे अनुरोध को नहीं समझ सकता है और एक अलग गाना बजा सकता है। सिरी के साथ अपने स्वयं के परीक्षण में, मैंने इसे 80% सटीक पाया है, जब यह मेरे वॉयस कमांड से दस अनुरोधों के रूप में गाने आता है, तो वह मेरे दो अनुरोधों को पूरा नहीं कर सका। फिर भी, एक समझौता जो मैं एक ऐप खोलने के बाद से करने के लिए तैयार हूं, एक गीत को ब्राउज़ करना या खोजना एक अधिक बोझिल (100% सटीक समाधान) है, सिरी को इसे खेलने के लिए कहने से।

पैरेललडॉट्स द्वारा ओडिन: स्वचालित रिटेल ऑडिट के लिए ऑन-डिवाइस छवि मान्यता

एआई-सक्षम ऑडिट समाधान की सबसे बड़ी सीमाओं में से एक है सटीक परिणाम तुरंत देना। उच्च सटीकता देने के लिए, आवश्यक कंप्यूटिंग शक्ति अधिक है। हालाँकि, रिप्स द्वारा उपयोग किए जाने वाले हैंडहेल्ड डिवाइसों में सीमित कंप्यूटर्स संसाधन होते हैं और रेप्स डिवाइस के अत्यधिक बैटरी खपत से बचने के लिए सावधानी बरतने की जरूरत होती है। यह वह जगह है जहाँ ParallelDots का ODIN समाधान जीतता है। हमारी डेटा साइंस टीम हमारे एल्गोरिथ्म को इस तरह से अनुकूलित करने में सफल रही है, जैसे शेल्फ आपको दोनों दुनिया का सर्वश्रेष्ठ देता है - सटीकता, और गति।  

ODIN के साथ, हमारा समाधान प्रसंस्करण के लिए क्लाउड पर अपलोड किए जाने वाले फ़ोटो की आवश्यकता के बिना फोटो और उसके स्थान में प्रत्येक SKU की पहचान कर सकता है। इसका मतलब है कि प्रतिनिधि तुरंत देख सकते हैं लापता SKUs MSL सूची के अनुसार और गलत तरीके से रखे गए SKU की पहचान करें (जैसे कि प्रीमियम ब्रांड को नीचे की ओर शेल्फ में रखना)। ODIN में एक पूरी तरह से ऑफ़लाइन छवि गुणवत्ता ग्रेडिंग समाधान भी बनाया गया है जो फ़ोटो को फ़ोटो पहचान करने के लिए इष्टतम गुणवत्ता के नहीं होने पर फ़ोटो को फिर से दिखाने के लिए प्रेरित करता है।

जब यह ऑन-डिवाइस छवि मान्यता की बात आती है, तो हम अपने ग्राहकों को इसे सीमित संख्या में SKU और KPI के लिए तैनात करने की सलाह देते हैं। इसके अलावा, चूंकि ऑन-डिवाइस प्रसंस्करण के साथ गुणवत्ता की जांच संभव नहीं है, इसलिए यह सुनिश्चित करने के लिए परियोजना की शुरुआत से पहले एक बहुत सटीक मॉडल को प्रशिक्षित करना महत्वपूर्ण है कि एआई ने प्रत्येक एसकेयू के विभिन्न परिवेशों में और विभिन्न झुकावों के तहत पर्याप्त नमूने देखे हैं। इसलिए, हम अपने ग्राहक को उच्च-गुणवत्ता वाले डेटा एकत्र करने के लिए एक लंबी सेटअप अवधि की सलाह देते हैं और फिर उस पर एक मॉडल को प्रशिक्षित करते हैं। एक बार तैनात होने के बाद, ओडिन को अभी भी मानवीय प्रतिक्रिया की आवश्यकता है, और हम प्रतिनिधि से मॉडल के आउटपुट पर प्रतिक्रिया प्रदान करने के लिए कहते हैं, ताकि एआई उन फीडबैक से सीख सके और बेहतर बन सके।

ऑन-डिवाइस छवि पहचान की तैयारी कैसे करें -

ऑन-डिवाइस छवि मान्यता अपने साथ बहुत अधिक गुंजाइश रखती है। के लिये इसे सफलतापूर्वक लागू करना, कुछ तैयारियों की आवश्यकता है। हमारी सिफारिश सबसे पहले ऑनलाइन मोड से शुरू करने की है और एआई को पहले डिवाइस डिवाइस पर जाने से पहले विभिन्न SKU छवियों पर प्रशिक्षित किया जाना चाहिए। CPG सबसे पहले अपने शीर्ष खुदरा दृश्यता KPI को ऑन-डिवाइस मोड में तैनात कर सकता है।

इसके अलावा, रणनीतिक जानकारी जैसे प्रतिस्पर्धी जानकारी और मूल्य प्रदर्शन मान्यता ऑनलाइन मोड में ट्रैक किया जा सकता है क्योंकि इसके लिए त्वरित, उपचारात्मक कार्रवाई की आवश्यकता नहीं हो सकती है।

सीपीजी को यह भी सुनिश्चित करना चाहिए कि आदर्श छवियों को कैप्चर करने के दिशानिर्देशों के अनुसार उनके क्षेत्र प्रतिनिधि अच्छी तरह से प्रशिक्षित हैं। यह ऑन-डिवाइस मोड पर स्विच करने से पहले अत्यधिक सटीक SKU मान्यता रिपोर्ट बनाने में सहायक होगा।

ऑन-डिवाइस छवि मान्यता उन प्रमुख विशेषताओं में से एक है जो CPG निर्माताओं को अपने दूरस्थ स्टोरों पर भी अपनी नज़र रखने में मदद करेगी और उनके लिए खुदरा निष्पादन में सुधार करेगी। रिप्स के प्रभाव के कारण त्वरित रिपोर्ट में सुधार हो सकता है, जिससे ग्राहकों की संतुष्टि में सुधार हो सकता है, जिससे ब्रांड स्वास्थ्य और बेहतर बिक्री में सुधार होगा। COVID के बाद के युग में, ग्राहक उन ब्रांडों को दूसरा मौका नहीं देंगे, जिनके पास अलमारियों पर उतार-चढ़ाव की उपलब्धता है, क्योंकि वे एक वैकल्पिक उत्पाद का विकल्प चुनेंगे या ई-कॉमर्स चैनलों की ओर रुख करेंगे। 

ब्लॉग पसंद आया? हमारे अन्य की जाँच करें ब्लॉग यह देखने के लिए कि कैसे छवि पहचान तकनीक खुदरा क्षेत्र में अपनी निष्पादन रणनीतियों को बेहतर बनाने में मदद कर सकती है।

देखना चाहते हैं कि अलमारियों पर आपका अपना ब्रांड कैसा प्रदर्शन कर रहा है? क्लिक करें यहाँ उत्पन्न करें शेल्फ़वॉच के लिए एक मुफ़्त डेमो शेड्यूल करने के लिए।

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