Проблема компании
Клиентом выступает компания, чей бизнес связан с логистикой товаров на полках в розничных магазинах по всей России. Основная проблема в том, что мерчендайзеры регулярно предоставляют устаревшие фотографии полок, что приводит к неточной информации о наличии товаров и их корректном размещении. Также страдает часть с учётом товаров на складе магазина, так как непонятен реальный остаток на полках. Всё это влечёт негативный клиентский опыт в магазинах, что отрицательно сказывается на выручке компании.Определение задач
На основе анализа проблем, столкнувшихся с клиентом, мы выработали следующие задачи для реализации:
- Разработка алгоритмов сегментации, которые позволят точно выделить товары на входящих фотографиях, даже при различных условиях освещения и углах съёмки
- Создание методов определения линии глаз на изображениях, чтобы гарантировать правильное расположение товаров относительно этой линии и обеспечить удобство для покупателей.
- Разработка алгоритмов для извлечения мета-данных изображений, таких как дата и время съёмки, местоположение магазина, а также проверка целостности и подлинности фотографий.
- Реализация системы распознавания цифр на ценниках с учётом различных шрифтов, размеров и цветов, а также проведение проверки на соответствие действительности.
- Разработка алгоритмов для определения подлинности фотографий, исключающих возможность использования устаревших изображений или фотографий с других источников.
Результаты внедрения
Результатом работы стала совершенно новая система, которая помогла избавиться от ручной проверки фотографий, и благодаря которой сильно улучшились процессы в компании, так как был исключён человеческий фактор.
Как мы это сделали
Этап 1: Разработка и обучение нейронных сетей для сегментации товаров на фотографиях и распознавания цифр на ценниках. Это включало сбор и разметку обширного набора данных для дообучения модели YOLOv8.Этап 2: Создание алгоритмов определения линии глаз на изображениях с использованием компьютерного зрения.
Этап 3: Разработка системы извлечения и анализа мета-данных изображений для проверки их подлинности и целостности.
Этап 4: Разработка API для интеграции в мобильное приложение мерчендайзеров, проведение тестирования на практике.
Статистика успеха:
- 55% увеличение точности определения реального остатка товаров на полках.
- 40% сокращение времени на анализ отчетов о мерчендайзинге.
- 70% увеличение частоты актуализации данных о наличии товаров.