Simple Science

Ciencia de vanguardia explicada de forma sencilla

# Informática# Visión por Computador y Reconocimiento de Patrones

Automatizando el Cumplimiento de Planogramas en Tiendas Minoristas

Este artículo habla sobre un sistema embebido para asegurar el cumplimiento efectivo de los planogramas en las tiendas.

― 8 minilectura


Sistema de RetailSistema de RetailInteligente paraCumplimientominoristas.de colocación de productos paraNuevo sistema automatiza los controles
Tabla de contenidos

Las tiendas minoristas inteligentes están cobrando cada vez más importancia en nuestras vidas diarias. Estas tiendas usan varias tecnologías para hacer que comprar sea más fácil y eficiente. Un aspecto crucial para manejar una tienda minorista es asegurarse de que los productos estén bien exhibidos en los estantes. Aquí es donde entran los planogramas. Un planograma es una guía visual que muestra cómo deben colocarse los productos en los estantes. Tener los productos correctos en el lugar correcto es esencial para las ventas y la satisfacción del cliente. Cuando los productos no están en sus lugares correctos, puede generar confusión para los compradores y pérdidas en las ventas para la tienda.

Tradicionalmente, los empleados eran los responsables de verificar si los estantes coincidían con el planograma. Sin embargo, este método tiene muchos problemas. Puede ser lento y propenso a errores. Para abordar estos problemas, se está introduciendo tecnología en el sector minorista para automatizar este proceso.

El Reto del Control de Cumplimiento del Planograma

Mantener el cumplimiento del planograma es crítico para los minoristas. Cuando los estantes no están configurados de acuerdo con el planograma, puede afectar negativamente las ventas y la experiencia del cliente. Estudios han mostrado que las tiendas típicamente logran alrededor del 70% de cumplimiento, y un reinicio adecuado puede impulsar las ventas de manera significativa en poco tiempo. Para resolver este problema de manera efectiva, se pueden utilizar tecnologías avanzadas como visión por computadora y aprendizaje automático.

Usar cámaras y sensores para monitorear los estantes puede ayudar a los minoristas a asegurarse de que los productos estén en el lugar correcto. Sin embargo, muchos métodos existentes requieren equipos costosos o implican procesos que demandan mucha mano de obra. Aquí es donde un sistema de control de cumplimiento de planograma embebido puede ofrecer una solución.

El Sistema Embebido Propuesto

En este artículo, discutimos un nuevo sistema diseñado para verificar y mantener automáticamente el cumplimiento del planograma. Nuestro sistema consiste en varios componentes clave que trabajan juntos para lograr este objetivo.

Adquisición y Transferencia de Imágenes

La primera parte de nuestro sistema captura imágenes de los estantes. Usamos una cámara pequeña que puede tomar fotos y enviarlas a una computadora para su procesamiento. Esta cámara es económica, de bajo consumo y eficiente, lo que la hace adecuada para entornos minoristas.

La cámara captura imágenes de los estantes a intervalos establecidos y solo envía nuevas imágenes si detecta algún cambio significativo en comparación con la imagen anterior. Este método de captura inteligente ayuda a ahorrar energía y asegura que solo se procese la información importante.

Detección de Objetos

Una vez que se capturan las imágenes, el siguiente paso es identificar los productos en el estante. Para esta tarea, utilizamos técnicas avanzadas llamadas detección de objetos y aprendizaje profundo. En términos simples, esto significa que nuestro sistema puede "ver" qué productos hay en el estante y determinar si están en el lugar correcto.

Para lograr esto, usamos una computadora potente que procesa las imágenes. Esta computadora analiza las imágenes capturadas e identifica los productos según sus formas y colores. Este paso es crucial, ya que la detección precisa de los productos es esencial para asegurar el cumplimiento del planograma.

Control de Cumplimiento del Planograma

Después de detectar los productos, el sistema verifica si se alinean con el planograma. Si faltan productos o están mal colocados, el sistema identificará estas discrepancias. Este proceso ayuda a los empleados de la tienda a entender rápidamente qué necesita ser corregido.

El control de cumplimiento del planograma funciona clasificando los productos detectados y comparándolos con el planograma de referencia. Si algunos productos no están en la posición correcta, el sistema genera un informe indicando qué necesita ser ajustado.

Gestión de Energía

Un desafío al usar sistemas electrónicos es asegurarse de que tengan suficiente energía. Nuestro sistema embebido de control de cumplimiento de planograma está diseñado para funcionar con energía de batería durante largos períodos. Para extender la vida de la batería, hemos integrado métodos de Recolección de energía, incluyendo energía solar y recolección de energía de radiofrecuencia.

El módulo de recolección de energía solar utiliza luz solar o iluminación interior para cargar las baterías, mientras que el sistema de recolección de energía por RF captura energía de señales inalámbricas. Este enfoque dual de energía permite que nuestro sistema funcione durante períodos prolongados, incluso en entornos donde las fuentes de energía tradicionales pueden no estar disponibles.

Prueba del Sistema

Para que nuestro sistema embebido de control de cumplimiento del planograma sea efectivo, lo probamos con dos conjuntos de datos diferentes. El objetivo era evaluar qué tan bien funciona el sistema en condiciones del mundo real. Observamos dos aspectos principales durante las pruebas: el rendimiento de detección de objetos y los resultados del cumplimiento del planograma.

Rendimiento de Detección de Objetos

En nuestras pruebas, el componente de detección de objetos de nuestro sistema mostró resultados impresionantes. El sistema pudo identificar los productos con precisión, logrando altas puntuaciones en precisión y recuperación. Esto significa que nuestro sistema no solo encontró la mayoría de los productos en los estantes, sino que también evitó detectar falsamente artículos que no estaban presentes.

El rendimiento varió ligeramente entre diferentes conjuntos de datos, pero en general, los resultados demostraron la efectividad de nuestro enfoque. El uso de técnicas modernas de aprendizaje profundo para la detección de objetos mejoró significativamente la precisión en comparación con métodos tradicionales.

Resultados del Cumplimiento del Planograma

Una vez completada la detección de objetos, evaluamos el control de cumplimiento del planograma. Este paso implicó comparar los productos detectados con las ubicaciones esperadas definidas en el planograma. Nuestro sistema pudo resaltar discrepancias, como productos faltantes o artículos que estaban en la posición incorrecta.

Los resultados de las pruebas de cumplimiento del planograma también fueron alentadores. El sistema identificó con éxito los niveles de cumplimiento, permitiendo que se hicieran ajustes rápidamente en la tienda. Esta capacidad puede tener un impacto significativo en la eficiencia de las operaciones minoristas y ayudar a mantener la colocación adecuada de los productos.

Temporización y Consumo de Energía

Un aspecto esencial de nuestro sistema embebido es su rendimiento en términos de temporización. Medimos cuánto tiempo tardan los diversos componentes en completar sus tareas. La velocidad de adquisición y procesamiento de imágenes afecta qué tan pronto puede responder la tienda a cualquier problema detectado.

En nuestras pruebas, el proceso de Adquisición de Imágenes tomó unos pocos segundos, mientras que el procesamiento de las imágenes para la detección de objetos también se completó relativamente rápido. En general, el sistema fue diseñado para operar de manera eficiente, minimizando los retrasos y agilizando el flujo de trabajo para los empleados de la tienda.

El consumo de energía es otro factor crítico en el diseño de nuestro sistema. Usar componentes de bajo consumo y métodos de recolección de energía permitió que nuestro sistema mantuviera una larga vida operativa. Estimamos que el sistema completo podría funcionar durante varios meses solo con batería, y este tiempo podría extenderse aún más con nuestros módulos de recolección de energía.

Conclusión

El desarrollo de un sistema embebido de control de cumplimiento de planograma representa un avance significativo para el sector minorista. Al utilizar tecnologías modernas como visión por computadora y aprendizaje profundo, podemos automatizar el proceso de monitoreo de las colocaciones de productos en los estantes de las tiendas.

Nuestro sistema no solo mejora la precisión y eficiencia de los chequeos de cumplimiento del planograma, sino que también reduce la naturaleza laboriosa de la tarea. Esto permite que los empleados de la tienda se enfoquen en otras áreas esenciales de su trabajo, mientras saben que el sistema está monitoreando continuamente el cumplimiento.

Con la integración de métodos de recolección de energía, nuestro sistema demuestra su potencial para un despliegue a largo plazo en entornos minoristas, asegurando que pueda operar de manera independiente sin interrupciones en el suministro de energía.

A medida que los minoristas buscan formas de mejorar las experiencias del cliente y aumentar las ventas, soluciones como nuestro sistema embebido de control de cumplimiento del planograma proporcionan herramientas valiosas para ayudarles a alcanzar sus objetivos. El desarrollo futuro podría incluir el uso de aprendizaje automático para mejorar aún más la precisión de las sugerencias de colocación de productos, haciendo que el retail inteligente sea aún más efectivo.

Fuente original

Título: Embedded Planogram Compliance Control System

Resumen: The retail sector presents several open and challenging problems that could benefit from advanced pattern recognition and computer vision techniques. One such critical challenge is planogram compliance control. In this study, we propose a complete embedded system to tackle this issue. Our system consists of four key components as image acquisition and transfer via stand-alone embedded camera module, object detection via computer vision and deep learning methods working on single board computers, planogram compliance control method again working on single board computers, and energy harvesting and power management block to accompany the embedded camera modules. The image acquisition and transfer block is implemented on the ESP-EYE camera module. The object detection block is based on YOLOv5 as the deep learning method and local feature extraction. We implement these methods on Raspberry Pi 4, NVIDIA Jetson Orin Nano, and NVIDIA Jetson AGX Orin as single board computers. The planogram compliance control block utilizes sequence alignment through a modified Needleman-Wunsch algorithm. This block is also working along with the object detection block on the same single board computers. The energy harvesting and power management block consists of solar and RF energy harvesting modules with suitable battery pack for operation. We tested the proposed embedded planogram compliance control system on two different datasets to provide valuable insights on its strengths and weaknesses. The results show that our method achieves F1 scores of 0.997 and 1.0 in object detection and planogram compliance control blocks, respectively. Furthermore, we calculated that the complete embedded system can work in stand-alone form up to two years based on battery. This duration can be further extended with the integration of the proposed solar and RF energy harvesting options.

Autores: M. Erkin Yücel, Serkan Topaloğlu, Cem Ünsalan

Última actualización: 2024-01-12 00:00:00

Idioma: English

Fuente URL: https://arxiv.org/abs/2401.06690

Fuente PDF: https://arxiv.org/pdf/2401.06690

Licencia: https://creativecommons.org/licenses/by/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.

Más de autores

Artículos similares