【3-智能货架从0到1】

所幸，我们得到了品牌商非常正向的反馈，这给予了我们非常大的动力。于是我开始着手产品设计。

在智能货架的系统设计里，一共包括五个核心节点：1）照片采集；2）图像识别；3）缺货信息数字化；4）数据可视化；5）补货任务下发。下面我分别进行简要说明。

照片采集是智能货架的核心。后续所有的节点，都是基于1个前提，货架的照片可以按照要求收集上来。

目前业界主流的照片采集方式主要有：门店员工采集，第三方外包采集，固定摄像头，巡检机器人。

前两个是人工采集，区别在于一个是把奖励给到门店员工，因此能实现一天多次的更高频采集，但依赖的人员要多很多，不确定性较大。另一个前文已经说了，频次太低。摄像头的劣势在于遮挡、折旧和维护。巡检机器人的劣势很明显，成本太高。零售巨头亚马逊也已经停止推广巡检机器人，改由人工了。

从成本和现有条件出发，我们选择了门店员工采集。

采集到照片之后，就要进行图像识别。目前图像识别技术已日趋成熟，所以我们选择跟一家第三方的公司合作。

这一环节的核心是在于，识别出货架上每个位置在每个拍照时刻摆放了什么商品。影响图像识别质量的原因可能有这么几个：1）新品，由于训练样本太低，新品的识别往往比较困难，所以新品不太适用于直接用智能货架进行监控；2）非正规摆放和遮挡；3）照片质量。一般来说，整体识别准确度能达到90%，基本就满足商业化条件了。

接下来是另一个重点，缺货信息数字化。这里涉及一个概念，就是什么样的零售商具备部署智能货架的能力。

前文说到，品牌商和零售商之前会约定一个货架陈列方式，这种约定是否被数字化，对于该零售商是否能使用智能货架至关重要。

经过图像识别之后，在我们的系统里，货架在某一个时刻的状态就变成了一个网格信息，网格中的每一个点，就是货架的一个陈列位，点的信息就是该位置商品的信息。

但这还不够，我们还需要另一个类似的网格，里面中的每一个点是该货架在该时刻应该摆放的商品信息。

这样将采集信息和理论信息做对比，我们就知道网格中每个点的缺货情况。这样就完成了缺货信息的数字化。

#智慧零售#