大众新闻|了解无人零售新风向！，智能售货柜技术方案大盘点( 二 ) 一、智能货柜发展背景近年来

文章图片
经过大量的实例验证，静态视觉方案有诸多优势：
（1）以人工智能算法完全取代人力审核，结算速度快，识别稳定；
（2）识别准确率高，同时也可通过实际运营中采集的数据持续优化算法，现识别准确率基本可达到99%-99.9%；
（3）可实现实时远程库存管理，商品货损率极低；
（4）更适合大密度投放，获得规模运营效益。
同样，相比其他的技术方案，静态视觉方案也存在局限性：
（1）空间利用率低，柜内商品不能叠放，否则会在镜头前形成遮挡，影响识别准确率；
（2）需要对商品进行学习，数据采集及数据标注等流程较为繁琐，通常至少需要3-7天的时间完成。
2.4 重力+动态视觉
为进一步提高识别准确率，市场上还出现了重力感应+动态视觉的组合方案。经笔者调研了解到，该方案在实际的运营过程中，依旧以重力感应技术为主，视频监控仅在大单消费等极特殊情况下才会启用，本文将不再做详细介绍。
三、图像识别原理
目前应用比较广泛的智能柜大多以视觉识别方案为主。在上文分析过，视觉识别技术方案尤其是静态视觉方案已非常成熟，可以基于人工智能算法实现闭环式无人零售。下面笔者将继续剖析图像识别的实现原理。
3.1图像识别原理

文章图片
图像识别主要由两个步骤组成，首先是目标检测，其次是商品识别。
目标检测就是在照片中确定商品的位置，找到每个商品的像素区域。简单来讲，就是确定每个商品的边缘轮廓并进行标注，如图中所示，在每个商品的边缘画上白框即目标检测过程。
商品识别通过基于深度学习的算法来实现。深度学习就是采用卷积神经网络提取目标特征，再根据相同商品表现出来的共性总结出一定的识别经验值。将上图每个白框标注出来的待检测目标放入算法模型中，提取并比对商品特征点后，即可确定商品名称。
3.2目标检测实现难点
理解了图像识别原理，笔者再以实例讲解技术应用难点。由于商品外形包装千变万化，消费者行为又难以控制，诸多因素都给技术落地造成了不小的障碍：

文章图片
商品密集摆放
上图是静态视觉智能柜拍摄到的真实画面，鱼眼摄像头会造成图像畸变，尤其是当商品密集摆放或商品位于边缘区域时，将给目标检测、特征提取等造成障碍。

文章图片
软包装商品难以精确检测商品边缘
与瓶装、盒装商品不同的是，软包装商品外形没有那么规则，很难清晰地区分单个商品的边缘轮廓，尤其是遇到上图所示的透明包装商品，在竖立摆放的情况下，很容易造成目标检测不准确，从而导致识别出错。
以上是几个较为直观的案例，可见单靠图像识别算法很难解决这类实际运营难题，此外还需要其他技术辅助，以一个更加全局观的视角分析并解决问题，方可提升智能货柜的稳定性。
四、智能柜产品测评
笔者走遍上海，对支付宝、深兰科技、海深科技(000021,股吧)、智购猫、嗨便利这五家智能货柜进行了实地调研，从结算时间、复杂场景识别稳定性等多个维度对智能货柜进行评估，结果如下：

文章图片
没有100%完美的技术方案，但针对不同的运营场景，必然有最具比较优势的解决方案。本文从智能柜实际运营的角度出发，分析了不同技术方案的应用特性，希望能帮助智能柜运营团队做出最适合自己的选择，为无人零售行业的智能化升级贡献一份力量。