02. Задача проекта
Распознавание пустот на полках с товарами в розничных магазинах
Выявление пустых полок, где уже раскупили все товары, для оперативного повторного заполнения со стороны мерчендайзеров торговой точки01. Про заказчика
Сетевой продавец товаров массового потребления с более чем 1000 розничными торговыми точками по Российской Федерации.
03. Как мы решали задачу
0 1
Сбор видеозаписей с полками, на которых специально убирались товары в большом количестве.0 2
Разметка областей с товарами и без товаров на каждой полке для передачи информации в нейронную сеть.0 3
Обучение модели распознавания пустот с учетом дополнительной карты глубины наличия товаров сзади на полке.0 4
Интеграция системы с существующими приложениями клиента через API для генерации отчетов по пустотам.0 5
Тестирование и настройка алгоритмов на основе полученных результатов распознавания.0 6
Донастройка алгоритмов на новых торговых точках, мониторинг работы решения на дистанции.Интересный факт
Для максимальной ценности на каждой полке был размечен каждый из товаров отдельно. Цель — понимание какого конкретно товара не хватает на полке для помощи сотрудникам магазина.
04. Как это работает
1 Система забирает RTSP поток с камер торговой точки и разбивает на кадры.
2 Кадры передаются нейросети, которая выделяет каждый товар по очертаниям и форме.
3 Нейросеть сверяет эталонные планограммы по количеству товаров на полке с тем, что реально в наличии.
4 Выявляет количество позиций, которые отсутствуют на полке и фиксирует длительность.
5 Клиент получает отчеты по каждой торговой точке в разрезе числа отсутствующих бутылок и длительности пустот.
05. Наша нейросеть vs ручная проверка
- Количество товаров на полках после проверки ИИМесяцы после внедрения Системы
Максимум вмещается товаров на одной полке - 10Ось Y - Количество товаров на полках после проверки ИИ Ось X - Месяцы после внедрения Системы
Максимум вмещается товаров на одной полке - 10
Item 1 of 1
06. Проблемы и их решение
Низкое качество видео с камер
На этапе предпроектного исследования выявили, что часть камер работает корректно, а часть имеет очень мутное изображение, особенно когда появлялись динамические действия в кадре.
Фотографии
Решение: повышение битрейта
Выявили, что ряд камер имело низкий битрейт и дополнительно произвели аналогичные настройки камер, что помогло добиться нужных результатов при распознавании (снизить шум).
Фотографии
Острые углы, сложный ракурс
Часть камер исходно ставилась не для целей видеоаналитики, а в основной для службы безопасности, часть стеллажей с товарами не охватывалось вовсе существующими камерами или под очень острыми углами/большими расстояниями от объектива.
Решение: Корректировка ракурсов
Не меняя оборудования, частично передвинули существующие камеры для максимального покрытия стеллажей и полок. Зафиксировали ограничения на те стеллажи, которые будут являться предметом распознавания компьютерного зрения, а какие пока за кадром.
07. Ценность проекта
Универсальность
Нейронная сеть позволяет работать различными типами товаров для выявления пустот на полках.Улучшение клиентского опыта
Значительное сокращение недовольных клиентов, потерь среди целевой аудитории за счет постоянного наличия товаров.Повышение % выполнения плана
За счет товаров на полках, а не на складе повысился и процент выполнения плана торговых точек, где тестировалась данная технология.Гибкость к доработкам
Система демонстрирует свою эффективность даже в сложных условиях, но также доступна возможность внесения изменений и адаптация под новые задачи.08. Команда, которая
внедрила проект
Техлид
Константин Порошкин
Backend-Lead
Виктор Дупляков
Менеджер проекта
Олег Клебан
Аналитик
Федор Головин
Computer Vision инженер
Роман Гаев
DevOps
Дмитрий Соркин
Куратор команды разметки
Марк Яговкин
09. Планы на будущее
Готовые проекты
Наша команда с 2017 года успешно реализовала 60 проектов с искусственным интеллектом. Тут собраны наши лучшие работы, про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть из-за NDA. Но готовы применять опыт в разработке нейросетей для ваших задач.
Разработка нейросети
Нейросеть для мониторинга здоровья коров на ферме
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
Разработка крупной системы
Автоматизация досмотра багажа и анализа X-ray снимков с помощью ИИ
Разработка крупной системы
Платформа для регистрации рекламы блогеров и единого реестра интернет-рекламы
Разработка крупной системы
Система распознавания спецтранспорта и автомобильных номеров для парковок и ТЦ
Разработка крупной системы
Нейросеть, которая контролирует бодрость сотрудников аэропорта, чтобы вы улетели в отпуск вовремя
Сбор данных для обучения ИИ
Учим нейросеть распознавать драки, чтобы в вашем городе стало безопаснее
Сбор данных для обучения ИИ
Нейросеть для распознавания огнестрельного оружия для систем безопасности
Разработка крупной системы
Нейросеть для определения возраста в системах безопасности и анализа аудитории
Разработка нейросети
Распознавание рукописного текста на экзаменационных бланках с помощью нейросети
Разработка крупной системы
Нейросеть, которая распознаёт пустые полки в магазинах и помогает вовремя пополнять запасы
Разработка крупной системы
Платформа на базе ИИ для определения целевой аудитории и аналитики блогеров
Разработка крупной системы
Распознавание погрузчиков и работников на складе для снижения рисков и травматизма
Разработка крупной системы
Внедрение машинного зрения для идентификации паллет и расчета габаритов
Разработка нейросети
Повышаем качество снимков с дронов, чтобы повысить точность анализа и распознавания полученных изображений
Разработка крупной системы
Оптимизация расстановки стеллажей с помощью ИИ и машинного зрения
Внутренняя разработка
NeuroVision — платформа видеоаналитики с готовыми модулями.
Разработка крупной системы
Внедрение видеоаналитики для контроля комплектации товаров на складе
Разработка крупной системы
OCR и распознавание 2D-чертежей для расчёта деталей
Разработка крупной системы
AI-видеоаналитика и распознавание QR для контроля сборки и упаковки заказов на складе
Разработка крупной системы
AI-контроль выкладки свежей рыбы + соблюдение FIFO
