تا به حال فکر کرده‌اید فروشگاههای بزرگ چطور از خالی‌شدن قفسهها باخبر می‌شوند؟ در فروشگاهی با هزاران قلم کالا، بررسی دستی قفسهها زمان‌بر است و همیشه دقیق نیست. تشخیص موجودی کالا با فناوری تشخیص اشیا این مشکل را حل می‌کند: دوربین‌ها قفسهها را زیر نظر می‌گیرند و به‌محض کم‌شدن یا تمام‌شدن یک محصول، به کارکنان هشدار می‌دهند. در این مقاله توضیح می‌دهیم این فناوری چطور کار می‌کند و فروشگاه‌ها چطور با آن موجودی خود را مدیریت می‌کنند.
تشخیص اشیا (Object Detection) یکی از شاخه‌های بینایی ماشین است که در آن کامپیوتر اشیای موجود در تصویر یا ویدئو را پیدا می‌کند، دور هرکدام کادری می‌کشد و نوع آن را مشخص می‌کند. برای مثال، سیستم می‌تواند در تصویر یک قفسه، تک‌تک بسته‌های شیر، روغن یا نوشابه را شناسایی کند و تعداد هر کدام را بشمارد.
چرا تشخیص موجودی کالا به‌جای شمارش دستی؟
شمارش دستی قفسهها هم زمان‌بر است و هم احتمال خطای انسانی دارد؛ تا کارکنان یک راهرو را بررسی کنند، ممکن است قفسه‌ای دیگر خالی شده باشد. در تشخیص موجودی کالا با فناوری تشخیص اشیا، سیستم همین کار را به‌صورت خودکار و لحظه‌ای انجام می‌دهد: تصویر قفسه را میگیرد، محصولات را می‌شمارد و وضعیت موجودی را همان لحظه اعلام می‌کند. نتیجه این است که کارکنان به‌جای گشتن بین قفسهها، فقط سراغ قفسه‌هایی می‌روند که واقعاً نیاز به پر شدن دارند.
طبق گزارش مؤسسه تحقیقاتی IHL Group، فروشگاههای دنیا سالانه حدود ۱.۲ تریلیون دلار به‌خاطر ناموجودی کالا (قفسه‌های خالی) فروش از دست می‌دهند. بخش بزرگی از این خریداران بی‌خیال خرید نمی‌شوند؛ سراغ رقیب یا فروشگاه آنلاین می‌روند.
در مطالعه‌ی قبلی IHL برآورد شد که تا ۲۴٪ از درآمد آمازون در آمریکای شمالی از مشتریانی می‌آید که ابتدا برای خرید به فروشگاه فیزیکی رفته بودند و کالا را پیدا نکردند. فروشگاههای محلی با نصب دوربین و سیستم تشخیص موجودی کالا میتوانند خالی‌شدن قفسه را همان لحظه ببینند و قبل از ازدست‌رفتن مشتری، قفسه را پر کنند.
تشخیص موجودی کالا چگونه کار می‌کند؟
سیستم تشخیص موجودی کالا در چهار مرحله کار می‌کند:
- تصویربرداری: دوربین‌های مداربسته یا دوربین‌های اختصاصی قفسه، به‌طور مداوم از قفسهها تصویر می‌گیرند.
- تشخیص محصولات: مدل تشخیص اشیا، هر محصول را در تصویر پیدا می‌کند و نوع آن را مشخص می‌کند.
- شمارش و مقایسه: سیستم تعداد هر محصول را می‌شمارد و با موجودی مورد انتظار یا چیدمان استاندارد قفسه مقایسه می‌کند.
- هشدار: اگر محصولی کم شده باشد، قفسه خالی باشد یا کالا جای اشتباه قرار گرفته باشد، سیستم به کارکنان اطلاع می‌دهد تا قفسه را پر یا اصلاح کنند.
برای اینکه این چرخه به‌درستی کار کند، سیستم باید سریع باشد و کم‌وزیاد شدن محصولات را تقریباً همان لحظه تشخیص دهد؛ در غیر این صورت هشدار وقتی می‌رسد که مشتری قفسه خالی را دیده است.
کاربرد تشخیص موجودی کالا در انبار و فروشگاه آنلاین
فروشگاههای آنلاین هم با قفسه‌های انبار سروکار دارند. وقتی تعداد سفارش‌ها در طول روز افزایش می‌یابد، موجودی انبار باید به‌صورت دقیق و لحظه‌ای به‌روزرسانی شود؛ در غیر این صورت ممکن است کالایی به فروش برسد که موجودی آن در انبار صفر است. تشخیص اشیا با دوربین‌های انبار، می‌تواند موجودی قفسهها را بدون شمارش دستی گزارش دهد و به تیم انبار کمک کند کمبودها را زودتر ببیند.
نمونه‌های واقعی تشخیص موجودی کالا در فروشگاه‌ها
Shelfwatch
ShelfWatch (محصول شرکت ParallelDots): این سیستم با تحلیل تصویر قفسهها، موجودی محصولات و رعایت چیدمان استاندارد را بررسی می‌کند. با نصب دوربین ثابت بالای قفسه، سیستم در بازه‌های زمانی مشخص از قفسه تصویر میگیرد و در صورت تمام شدن یا جابه‌جایی محصول، تصویر قفسه و محل مشکل را برای کارکنان ارسال کرده و به آن‌ها هشدار می‌دهد.
Amazon Go
Amazon Go: در این فروشگاه‌ها دوربین‌ها و سنسورها، با کمک بینایی ماشین و هوش مصنوعی، تشخیص می‌دهند مشتری چه کالایی را از قفسه برمی‌دارد و هزینه آن را به‌طور خودکار از حساب او کسر می‌کنند؛ بنابراین نیازی به صف و صندوق نیست. این فناوری که Just Walk Out نام دارد، هدفش بیشتر پرداخت خودکار است تا مدیریت قفسه، اما نشان می‌دهد تشخیص اشیا چطور می‌تواند حرکت کالا روی قفسه را لحظه‌ای ردیابی کند.
جمع‌بندی
تشخیص موجودی کالا با فناوری تشخیص اشیا، بررسی دستی قفسهها را به یک فرایند خودکار و لحظه‌ای تبدیل می‌کند. دوربین‌ها قفسه را زیر نظر می‌گیرند، مدل هوش مصنوعی محصولات را می‌شمارد و کارکنان فقط وقتی سراغ قفسه می‌روند که واقعاً نیاز به پر شدن داشته باشد. نتیجه، قفسه‌های پرتر، خطای کمتر و مشتری‌هایی است که کمتر دست‌خالی از فروشگاه بیرون می‌روند.
تشخیص موجودی کالا را در فروشگاه خود راهاندازی کنید.
سوالات متداول
تشخیص موجودی کالا یعنی استفاده از دوربین و هوش مصنوعی برای شناسایی و شمارش محصولات روی قفسه. سیستم تشخیص می‌دهد کدام محصولات کاهش یافته‌اند، کدام قفسهها خالی شده‌اند و کدام کالاها در جای نادرست قرار گرفته‌اند؛ سپس این موارد را به کارکنان اطلاع می‌دهد.
گاهی بله، ولی همیشه نه. کیفیت تصویر، زاویه دوربین و نور فروشگاه روی دقت شمارش اثر مستقیم دارد. به همین دلیل بسیاری از راه‌حل‌ها، مثل دوربین ثابت قفسه‌ی ShelfWatch، دوربین‌های اختصاصی را بالای قفسه نصب می‌کنند.
برای فروشگاههایی که تعداد اقلام و قفسههایشان زیاد است و بررسی دستی وقت زیادی میگیرد، مثل فروشگاههای زنجیرهای، سوپرمارکتها و فروشگاههای لوازم خانگی. انبار فروشگاههای آنلاین هم میتوانند از آن برای کنترل موجودی قفسهها استفاده کنند.
مهمترین عوامل مؤثر شامل کیفیت و زاویه تصویر، شرایط نوری محیط، شباهت بستهبندی محصولات به یکدیگر و میزان آموزش مدل بر اساس محصولات همان فروشگاه هستند.برای همین، بهتر است سیستم قبل از راهاندازی نهایی روی چند قفسه آزمایش شود.
