È la soluzione di Dedagroup Business Solutions in ambito retail che fornisce ai produttori importanti informazioni di sell-out sfruttando la potenza dell’AI e dell’edge computing. Grazie a fotocamere e schede computazionali ad altissime prestazioni è in grado di riconoscere i prodotti che vengono prelevati da scaffali o vetrine refrigerate e di associarli ai tratti generici della persona che ha compiuto il prelevamento.
Fa infatti uso di avanzati modelli di Deep Learning (AI) che vengono opportunamente addestrati per riconoscere i prodotti specifici e per classificare genere e range d’età della persona che ha compiuto il prelevamento. Le informazioni estratte vengono poi utilizzate per i seguenti compiti:
- automatizzare il riordino della merce quando avviene la "rottura di stock";
- acquisire informazioni di sell-out incrociando il prodotto con il genere;
- l'età delle persone che hanno effettuato il prelevamento.
Innovativo nelle sue componenti
Eye-Shelf include tecniche di computer vision che sfruttano la potenza delle reti neurali per riconoscere tutti gli oggetti e i volti che vengono inquadrati dalle telecamere. Altro fattore di innovazione riguarda l’hardware utilizzato: è infatti risaputo che i modelli di deep learning sono molto esigenti in termini di risorse. Questo ci ha portato a selezionare componenti altamente tecnologici in grado di supportare al meglio le reti neurali con la finalità di imbastire una soluzione basata sull’edge computing, ovvero la capacità di un sistema di svolgere analisi direttamente a bordo della vetrina, ottenendo una soluzione decentralizzata e altamente flessibile.
I vantaggi della soluzione
La soluzione Eye-Shelf permette di essere integrata in strutture già in essere grazie a kit dedicati, la velocità dei modelli di riconoscimento dei prodotti consento analisi in tempo reale con un livello di accuratezza del 90% e infine tutti i report prodotti sono su interfaccia Web sempre disponibili, raggiungibili e di facile consultazione. Ci rivolgiamo principalmente ai produttori di merce che possono fungere da driver per l'adozione della soluzione, ai produttori di scafali stand o vetrine oppure direttamente ai supermercati dove è possibile integrare Eye-Shelf in ambienti già allestiti. Lo sviluppo della soluzione ha richiesto il contributo di diverse figure professionali altamente specializzate: il Data Engineer si è occupato delle fasi di data cleaning, ilData Scientist si è occupato della data augmentation e dell’addestramento dei modelli di deep learning, mentre gli AI Engineer si sono occupati dello sviluppo del software e dell’integrazione di esso con i modelli di AI e l’hardware altamente specializzato.