PseudoAugment pagrindinė schema. Autoriai: Sergejus Nesterukas ir bendraautoriai Mokslininkų komanda iš Skoltech ir kitų institucijų sukūrė naują greitą būdą atskirti svertines prekes prekybos centre. Skirtingai nuo esamų sistemų, šis algoritmas pagreitins neuroninio tinklo mokymą, kai bus pristatyta naujų rūšių produkcija. Straipsnis paskelbtas IEEE prieiga žurnalas.
Parduotuvėse ir toliau diegiamos technologijos, kuriomis siekiama pagerinti darbuotojų darbą, pagreitinti prekių svėrimo ir apmokėjimo už jas procesą. Kai kuriuose prekybos centruose pirkėjai turi atsiminti kodą ir pasverti prekes skyriuje, kitose parduotuvėse tai paprastai suteikia kasininkės prie kasos – jie turi patys nustatyti vaisių ar daržovių rūšį arba teirautis pirkėjo.
Savitarnos kasose su svarstyklėmis vartotojai taip pat turi atsiminti kodus. Be to, sunku užtikrinti, kad klientai pasvertų tinkamos rūšies produkciją. Skoltech mokslininkai siūlo supaprastinti procesą naudojant kompiuterinės regos sistemą.
Tyrėjų komandos teigimu, esami instrumentai turi nemažai trūkumų. „Sunkumas yra tas, kad prekybos centre yra daug vizualiai panašių vaisių ar daržovių, dažnai atsiranda naujų rūšių. Klasikines kompiuterinio matymo sistemas reikia perkvalifikuoti kiekvieną kartą, kai pristatoma nauja veislė. Tai užima daug laiko, nes turime surinkti daug duomenų, o paskui juos pažymėkite rankiniu būdu“, – aiškina pagrindinis tyrimo autorius, programinės įrangos inžinierius ir mokslų daktaras. Studentas iš Skoltech belaidžio ryšio centro Sergejus Nesterukas.
Išmaniosios patikros sistemos pagrindinė schema. Autoriai: Sergejus Nesterukas ir bendraautoriai PseudoAugment metodas leidžia suderinti neuroninį tinklą naujoms klasėms be didelio duomenų rinkimo ir žymėjimo proceso. Sistema gali būti konfigūruojama dar prieš pasirodant naujoms prekėms parduotuvės lentynoje.
„Dėžutę su nauju tipu galima padėti po fotoaparatu ir nufotografuoti. Tada, remdamasis vos keliomis nuotraukomis, algoritmas identifikuoja konkrečius objektus be rankinio ženklinimo. Vėliau papildome vaizdus, kurie bus naudojami modeliui perkvalifikuoti. Atskleidėme kad pridedant naujas klases aptikimo kokybės pablogėjimas yra daug mažesnis nei be PseudoAugment.Jei pridėsime daug naujų klasių, degradacija vis tiek įvyks, tačiau sistemą galima apmokyti tik kas porą savaičių. Svarbiausia, kad ji veiks. kai tik naujasis tipas atkeliaus į parduotuvę“, – komentuoja Sergejus Nesterukas.
Vaizdo padidinimas papildo nuotraukas sugeneruotais vaizdais, o tai yra vizuali neapdorotų duomenų transformacija. Tarp tokių transformacijų yra, pavyzdžiui, vaizdų pasukimas, jų ryškumo keitimas, triukšmo pridėjimas. Nors papildymas padidina duomenų kintamumą, modelis tampa tvirtesnis.
Tyrimas, kaip teigia mokslininkai, prisideda prie į duomenis orientuoto požiūrio, kurio pagrindinis dėmesys skiriamas duomenų gerinimui ir jų pritaikymui paruoštuose modeliuose. Naujojo algoritmo taikymo sritis neapsiriboja prekybos centrais. Jis taip pat gali būti naudojamas treniruotėms aptikti vienarūšius objektus, pavyzdžiui, ant grūdų ar kietųjų atliekų konvejerių.
Daugiau informacijos: Sergey Nesteruk ir kt., PseudoAugment: Išmaniojo patikros pritaikymo naujoms klasėms įgalinimas be žmogaus komentarų, IEEE prieiga (2023). DOI: 10.1109 / ACCESS.2023.3296854
Citata: Svarstyklės ir savitarnos kasos, leidžiančios greičiau identifikuoti svertines prekes (2023 m. rugsėjo 4 d.), gautos 2023 m. rugsėjo 4 d. iš https://techxplore.com/news/2023-09-scales-self-checkouts-weighted-goods-faster.html
Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačių studijų ar mokslinių tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.
