自動小売監査のためのオンデバイス画像認識：ParallelDotsによるODIN

画像認識を使用した自動小売監査は、近年、多くのCPGメーカーがソリューションを試している、またはグローバルに実装する高度な段階で人気を博しています。 ただし、 POIレポート、コストと速度が主な懸念事項であり、このゲームチェンジャーソリューションの普及を妨げています

小売業の実行を追跡するための画像認識 手動の店舗チェックと比較して、時間の節約と高精度を実現できるため、人気が高まっています。 によると ガートナーレポート、 画像認識テクノロジーは、営業部隊の生産性を高め、棚の状態に関する洞察を改善し、売り上げの増加を促進するのに役立ちます。 

画像認識テクノロジーのすべての実証済みの利点にもかかわらず、実装の高コストや遅いターンアラウンドタイムなどの実際的な問題により、このソリューションの採用は低く抑えられています。 私たち、 ParallelDots、 これらの問題に取り組むために一生懸命働いてきました オンデバイスの画像認識ソリューションであるODINを発表しました。 ODINを使用すると、担当者がキャプチャしたすべての画像がハンドヘルドデバイスで処理されるため、アクティブなインターネット接続と品質チェックプロセスを使用してKPIレポートを生成する必要がなくなります。 このブログ投稿では、ODINに対する私たちのアプローチと、これを実装したいあらゆる規模のCPG企業にとってこれがゲームを変える可能性がある理由について説明します。 完璧なストアプログラム。

オンデバイス画像認識が自動小売監査のゲームを変える理由

現在の最先端の画像認識アルゴリズムは、効率的に実行するためにGPUなどの強力なサーバーを必要とします。 このタイプの計算能力は、現代のクラウドコンピューティングインフラストラクチャを通じて利用できるようになります。 ただし、これは、フィールド担当者がストアで写真を撮っているため、これらの写真をクラウドサーバーにアップロードする必要があることを意味します シェルフKPI これらの写真から計算することができます。 このプロセスは、Wi-Fi接続または良好な4Gインターネット接続を備えた店舗でうまく機能します。

ただし、多くの地域や地下店舗ではインターネット接続が適切でない場合があります。 このようなストアの場合、担当者がまだストアにいる間は、KPIレポートを取得することはできません。 このような場合、デバイス上の画像認識は非常にうまく機能し、担当者がオンラインに接続しなくても、撮影した写真に関するフィードバックを確実に受け取ることができます。 

また、画像認識技術は高品質の画像でうまく機能します。 つまり、適切なネットワーク可用性を提供するエリアであっても、画像がアップロードされるまでに時間がかかる場合があります。 これにより、フィールド担当者が画像をアップロードしてクラウドサーバーで処理し、結果を担当者に送り返すまでにさらに時間がかかるシナリオが発生する可能性があります。 デバイス上での認識により、この問題が解消され、即座に結果が生成されます。 フィールド担当者は、5〜10分待つのではなく、数秒で洞察を得ることができます。 これにより、出力がより実用的になり、AI分析を待つ時間がなくなります。

関係する課題-

画像認識を使用して自動小売監査を実施して効果的に機能させるには、高品質の画像が必要です。 画質のわずかな変化でも、画像認識を実行する際の精度の低下につながる可能性があります。 これは、デバイスで実行されているコンピュータービジョンモデルの精度にとって最も重要です。

また、画像認識を目的として適切な量の高品質のトレーニングデータを取得することは困難な場合があります。 店舗画像のラベル付きデータベースをすぐに利用できるCPGメーカーはほとんどありません。 したがって、デバイス上の画像認識を開始する際の最大のハードルのXNUMXつは、そのようなデータベースの作成に関連するリードタイムとコストです。 

さらに、 新製品発売 または、製品のパッケージが変更されたため、AIの定期的なトレーニングと再トレーニングが実行され、最新の状態に保たれます。 新製品の発売に関する大量のデータが蓄積されるまでには、AIをトレーニングする前に、時間がかかるという事実に加えてください。

デバイス上の画像認識を選択する前に考慮すべきいくつかの事実–

洞察の正確さと速度の間には常にトレードオフがあります。したがって、理想的なソリューションは、ソリューションを実用的にするための最適な値を見つけます。 したがって、CPGの幹部は、デバイス上の画像認識を選択する前に、精度の低下や洞察の低下の影響を評価する必要があります。 

ここでは、理想的なソリューションが正確で非常に高速であることを認識しているため、精度と速度のわずかな違いについて言及していることに注意してください。 CPGメーカーは、91％の精度のモデルを展開する場合よりも、セットアップ時間とコストを抑えて、98％のSKUレベルの正確なモデルをデバイスに展開できる場合があります。 ただし、高精度が重要な場合（ 小売業者のインセンティブ）、彼らはより高い精度を保証するために品質チェックプロセスを可能にするオンライン画像認識を選ぶかもしれません。 ただし、これは、営業担当がKPIにアクセスする前に、画像がアップロード、処理、品質チェックされるのを待ってから、レポートがデバイスにダウンロードされるのを待つ必要があることを意味します。 

実用的な目的では、91％のソリューションも機能する可能性があります。 91％の正確なソリューションは、たとえば、棚で利用可能な50の一意のSKUのうち、AIが最大4つのSKUを正しく選択しない可能性があることを意味します。 フィールド担当者がデバイス上での礼儀正しい認識を節約できる時間の長さを考えると、オンラインモードで生成されたレポートを待たせるよりも妥協するほうがよい場合があります（98％正確であっても）。 AIが行った誤った予測を単に無視して、正しい予測に対してアクションを実行できます。

このソリューションの使用は、Siriに曲の再生を依頼するのと似ています。ほとんどの場合、Siriは私たちが再生するように依頼した曲を正しく理解しますが、場合によっては、Siriが私たちの要求を理解せず、別の曲を再生することがあります。 私自身のSiriでのテストでは、音声コマンドからの曲の再生に関しては、80回のリクエストのうち100％の精度であることがわかりました。彼女は、私のXNUMX回のリクエストを実行できませんでした。 それでも、アプリを開いたり、曲を閲覧したり検索したりすることは、Siriに再生を依頼するよりも面倒です（XNUMX％正確な解決策）ので、私は喜んで妥協します。

ParallelDotsによるODIN：自動小売監査のためのオンデバイス画像認識

AI対応の監査ソリューションの最大の制限の2つは、正確な結果を即座に提供することです。 高精度を実現するために必要な計算能力は高いです。 ただし、担当者が使用するハンドヘルドデバイスのコンピューティングリソースは限られており、3〜XNUMX回の訪問ごとにデバイスを充電する必要がないように、担当者のデバイスの過度のバッテリー消費を避けるように注意する必要があります。 ここで、ParallelDotsのODINソリューションが勝ちます。 私たちのデータサイエンスチームは、次のような方法でアルゴリズムを最適化することに成功しました。 シェルフウォッチ 精度と速度の両方の長所を提供します。  

ODINを使用すると、当社のソリューションは、処理のために写真をクラウドにアップロードしなくても、写真内のすべてのSKUとその場所を識別できます。 これは、営業担当が即座に 不足しているSKU MSLリストに従って、間違って配置されたSKUを特定します（最下部の棚にプレミアムブランドを配置するなど）。 ODINには、完全にオフラインの画質グレーディングソリューションも組み込まれており、写真が写真認識を行うのに最適な品質でない場合は、担当者に写真の再撮影を促します。

デバイス上の画像認識に関しては、限られた数のSKUとKPIに展開することをクライアントに推奨します。 また、デバイス上の処理では品質チェックができないため、プロジェクトの開始前に非常に正確なモデルをトレーニングして、AIがさまざまな環境およびさまざまな方向ですべてのSKUの十分なサンプルを確認できるようにすることが重要です。 したがって、高品質のデータを収集してモデルをトレーニングするには、セットアップ期間を長くすることをお勧めします。 デプロイされた後も、ODINには人間によるフィードバックが必要です。AIがそれらのフィードバックから学習して改善できるように、モデルの出力に関するフィードバックを提供するよう担当者に依頼します。

デバイス上の画像認識の準備方法–

デバイス上の画像認識は、それとともに広大な範囲をもたらします。 にとって 正常に実装し、 特定の準備が必要です。 まずオンラインモードから始めて、AIをさまざまなSKU画像でトレーニングしてから、オンデバイスモードに移行することをお勧めします。 CPGは、最初に、小売業の上位の可視性KPIをオンデバイスモードで展開できます。

さらに、競争力のある情報や 価格表示認識 オンラインモードで追跡できます。これは、迅速な是正措置を必要としない場合があるためです。

CPGはまた、理想的な画像をキャプチャするためのガイドラインに関して、フィールド担当者が十分に訓練されていることを確認する必要があります。 これは、オンデバイスモードに切り替える前に、非常に正確なSKU認識レポートを作成するのに役立ちます。

デバイス上の画像認識は、CPGメーカーがリモートストアにも目を光らせ、小売りの実行を改善するのに役立つ重要な機能のXNUMXつです。 担当者がインスタントレポートを実行できることの影響により、顧客満足度が向上し、ブランドの健全性が向上し、売上が向上する可能性があります。 COVID後の時代では、顧客は、代替製品を選択したり、eコマースチャネルに移行したりするため、棚の在庫が変動しているブランドにXNUMX度目のチャンスを与えることはありません。 

ブログが好きですか？ 私たちの他のものをチェックしてください ブログ 画像認識テクノロジーがブランドの小売業における実行戦略の改善にどのように役立つかを確認します。

自分のブランドの棚でのパフォーマンスを確認したいですか？ クリック こちら ShelfWatchの無料デモをスケジュールする。

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