实时零售计划程序合规应用程序使用计算机视觉和虚拟货架
Tsung-Yin Ou1,2, Andrés Ponce3, Cody Lee3
1Department of Marketing and Distribution Management, National Kaohsiung University of Science and Technology, Kaohsiung, Taiwan, ROC. outy@nkust.edu.tw.
Scientific reports
|December 16, 2025
概括
这项研究引入了便利店的自动货架监控系统,使用计算机视觉和深度学习来确保规划程序的合规性. 该系统实现了高精度和效率,优于智能零售的手动审计.
科学领域:
- 在零售分析中使用计算机视觉和深度学习.
- 自动货架监控系统 自动货架监控系统
- 智能零售技术 智能零售技术
背景情况:
- 在便利店中手动的计划图审计是低效的,昂贵的,容易出现错误.
- 需要自动化,可靠的解决方案来监测货架合规性.
- 扩展性和准确性是实施自动零售监控的关键挑战.
研究的目的:
- 为便利店开发和部署一个可扩展的,自动化的货架监控系统.
- 通过计算机视觉和深度学习来改善计划程序的合规性.
- 为传统的手动审计提供一个具有成本效益和准确的替代方案.
主要方法:
- 整合计算机视觉和深度学习,用于货架和产品检测.
- 开发一个定制的对齐算法,用于将货架布局与数字平面图进行比较.
- 实施多图像拼接,以创建虚拟架子并提高适应性.
- 创建大型数据集,用于模型培训和验证,并自动化标签流程.
主要成果:
- 基于YOLOv8的模型实现了高精度和回收 (99.23%精度,98.93%回收) 和产品检测 (94.61%精度,93.02%回收).
- 基于ResNet101和FAN的变压器模型表现出强大的稳定性,在真实数据上准确率为99.86%.
- 基于FAN的模型在少数射击实验中表现出极好的适应性,在未见的产品上达到98.39%的Top-1精度.
结论:
- 拟议的自动化系统提供了高精度,可扩展性和实时效率,以实现规划程序的合规性.
- 这项技术可以作为手动审计的可行替代方案,推动智能零售领域的创新.
- 该系统的适应性和性能突显了AI在优化零售业务方面的潜力.


