Retail AI

Обзор

Это исследование и подготовка пилота для контроля кассы. Идея — сравнивать то, что камера видит на кассе, с тем, что записывает кассовая система, и показывать события, которые не сходятся. На этом сайте это не промышленная система компьютерного зрения. Точности и экономии я не публикую.

Контекст и задача

Кассовая операция может выглядеть нормально в чеке и странно на видео, или наоборот. Потери, ошибки и споры сидят в этом зазоре. Чтобы его закрыть, нужно связать момент на видео с событием POS и решить, какие расхождения стоят внимания человека. Лента сырых тревог — ещё не продукт.

Продуктовая логика

Пользователь пилота — не модель. Это человек, который решает, важно ли событие. Вопросы продукта такие: какие расхождения считать инцидентами, какая задержка между камерой и чеком допустима и что оператор делает дальше. Демонстрация, которая только рисует рамки на видео, на эти вопросы не отвечает.

Архитектура

В планируемой схеме четыре части: видеопоток, записи POS, шаг сравнения, который создаёт события, и место, где человек разбирает инциденты. Обработка предполагается на сервере: камера на кассе не должна зависеть от ноутбука в магазине. Конкретные модели, оборудование и хостинг не выбраны.

Сложности и компромиссы

Пилот должен быть достаточно маленьким, чтобы его можно было запустить, и достаточно строгим, чтобы он что-то значил. Обработка каждого кадра на максимальном качестве превращает счёт за инфраструктуру в сам продукт. Смотреть не весь поток, а моменты вокруг события POS — как раз тот компромисс, который нужно закрыть до разговора о масштабе. Модель затрат я не публикую. Цифр нет.

Заметки

Честный статус — R&D и подготовка пилота. Следующий полезный артефакт — узкое определение пилота: один магазинный контекст, один набор инцидентов, один способ сравнить видео с POS и ясное условие остановки. Пока этого нет, страница остаётся собранным брифом.