这个零售业每天收集大量数据，这使其关键流程具备了自动化的条件机器学习. 随着制造业在未来几年，零售业可能会从一种特定的人工智能技术中获益最多：机器视觉，也称为计算机视觉.
机器视觉使计算机能够“识别”图像和视频中的物体。应用于安全、购物、驾驶等，普通人可能熟悉机器视觉用例，如店内摄像头，自动驾驶汽车，以及允许人们拍摄产品照片并在线查找的智能手机应用程序。
零售业的Emerj AI Opportunity景观显示，实体零售商可获得的AI供应商解决方案中有43%涉及机器视觉。在本文中，我们将特别讨论两个机器视觉用例：
- 自动检测:允许顾客在商店里取货并离开，而不必在登记处或售货亭结账
- 库存管理：当物品需要重新进货时提醒商店员工
我们从如何将机器视觉用于自动化结账过程开始探索零售领域的机器视觉。
自动结账
一些零售商正试图使用机器视觉自动结账，并减少对收银员和结账亭的需求。
自动结账示例
- 刷卡进入：这方面的一个例子是在需要刷卡才能进入的自动化商店中。然后，机器视觉算法将跟踪刷卡人的运动，将刷卡人的身体和运动与该卡关联起来。在这种情况下，客户可能能够挑选他们想要购买的物品，并允许商店自动向他们的卡收费。
- 面部识别：在一些罕见的情况下，商店要求顾客首先在网上商店登记他们的脸。他们的脸也附在一张存档的信用卡上。然后，他们可以让医生扫描他们的脸面部识别软件在进入商店之前。因此，客户可以在商店里挑选物品，带着它们走出去，并让他们的卡自动收费。
- 检测签出准备情况：在不需要刷卡或存档卡才能进入的商店，机器视觉可以用来检测顾客何时站在结账终端，并自动启动付款流程。
AI供应商提供的1分钟短片艾菲说明了支持机器视觉的自动签出如何工作：
库存管理
零售商也可以使用机器视觉来管理库存。像自动结账一样，零售商可以在商店货架上安装摄像头。他们也可以部署机器人沿着小岛向下移动并扫描货架，正如沃尔玛在2017年所做的那样.
下图是沃尔玛机器人扫描货架的图片:
零售商可以对这些机器视觉算法进行训练，以检测特定类型和品牌的产品何时从货架上取下。这些系统不会向顾客的信用卡收费，而是会提醒后屋的工作人员用合适的产品重新进货。
这样的应用程序有可能通过减少货架没有库存的时间来增加收入。
将人工智能应用于物理世界的挑战
在零售商店内安装基于机器视觉的摄像系统可能是一项具有挑战性的努力。
零售商需要在商店每个货架的多个位置安装摄像头。摄像机后面的机器视觉算法需要经过训练，以识别商店出售的每一种产品，直至品牌标签。
例如，仅仅训练一种算法来检测顾客何时拿起一包纸巾是不够的；该算法需要检测顾客何时拿起一包粗壮的纸巾，而不是何时拿起一包普通商店品牌的纸巾。
这就是将人工智能应用于物理世界的困难所在：物理空间会以意想不到的微妙方式发生变化，例如位置和照明。
例如，一家大型食品杂货连锁店希望训练其机器视觉算法，以便识别顾客何时挑选gala苹果，何时挑选Honeycrisp苹果。
这些苹果看起来差不多，但价格各不相同。算法打算承认轻微的物理差异这两个苹果需要美联储成千上万的图片和视频剪辑的人捡起这些苹果在不同照明(包括在一天的不同时刻,如果苹果显示器是靠近窗户),在不同级别的客流量(人们在店里blocking the camera’s view of the display).
即使在所有这些之后，在顾客拿起苹果、将其放入袋子并将其放入购物车之前的几秒钟内，该算法仍可能难以识别这些苹果之间的差异。
更为复杂的是，顾客倾向于把商店里的商品放在货架上和他们不想去的展台上。这家杂货连锁店可能想训练其机器视觉算法，将从一个显示器上捡来的苹果识别为gala，而从另一个显示器上捡来的苹果识别为honeycrisp。虽然这在技术上可能更可行，但这意味着客户可以欺骗算法。
他们可以将一个honeycrisp苹果放在gala显示屏上，离开继续购物，然后回来取走他们从gala显示屏上留下的honeycrisp苹果，从而使算法误以为客户取走了gala苹果。然后，客户将为他们实际购买的蜜饯苹果支付更少的费用。
采用这些解决方案可以为零售商提供降低成本的好处，但如果这些系统在一定比例的时间内无法工作，他们可能会在交付ROI时遇到麻烦。
零售公司的应急管理
零售和电子商务行业是最先采用人工智能的行业。零售领导者使用EmerjAI机会景观以确定包括机器视觉在内的人工智能在他们公司的哪些方面可以实现最高的投资回报率。AI Opportunity Landscapes还帮助零售商评估其行业内的人工智能供应商，允许他们选择合作伙伴，将其公司和潜在收购目标的人工智能带入生活。
标题图片信贷：亚洲交易街
