面向自助服务终端的人工智能构建模块

为了使企业适应客户偏好的变化，许多企业将需要使用人工智能 (AI)、计算机视觉和深度学习的解决方案。对于某些开发人员而言，存在挑战吗？适应过程漫长而复杂，而对于其他开发人员而言，其中的障碍是要开发这样一种解决方案却没有多年的人工智能开发经验积累。

使用现有的 API 库、机器学习算法以及可加快产品上市速度和简化高性能人工智能解决方案开发的其他软件，这些困难都是可以克服的。例如，以现有工作为依托，meldCX 仅用了八周的时间就为澳大利亚邮政建立了自助服务终端概念验证 (POC)（图 1）。

澳大利亚邮政认识到运输包裹比邮寄信件产生的利润要多得多，但客户不愿意排长队等候称重、投保，甚至不情愿劳神把包裹送到邮局。这就产生了能够简化这一流程的自助服务解决方案的需求。

考虑到这一点，澳大利亚邮政要求 meldCX 开发一种解决方案，使客户可以在 120 秒或更短的时间内完成以下任务。

• 扫描和检测包裹类型和信息
• 自动测量包裹的尺寸和重量
• 识别手写信息并将转换为运输数据
• 验证发件人的身份、收件人的地址和运输成本

澳大利亚邮政还指定了其他几项要求。例如，减少人工数据输入，让员工腾出更多精力从事更富创造性的活动 — 几乎所有零售商现在都希望这样做。

此外，开发团队需要包括各种计算机视觉项目标配的其他通用功能。现在，开发人员可以处理 meldCX 的工作，统统应用于自己的解决方案。这包括以下功能：

• 确保前端输入干净的数据，以避免后端出现数据准确性问题
• 加快业务流程
• 减少摩擦并为所有利益相关者提供更多价值

以先前的人工智能项目为基础

这种快速开发模型（用于创建 Smart Parcel Kiosk）以 meldCX 在先前的人工智能项目上执行的大量工作以及现成的技术为基础。除 meldCX 业务规则外，还包括了手写识别算法和数据处理模型。人工智能开发人员可以通过在自己的项目中重用这项工作来加以利用。

在新的配置中使用这种技术以解决广泛领域中的不同使用案例和挑战，使其他开发人员能够从根本上缩短开发时间。

meldCX 首席执行官 Stephen Borg 说：“与上一个项目相比，真正的变化是，我们有机会收集我们学到的所有信息并运用于这个项目中。这使我们从创建到交付大约需要八周的时间，而我们之前的人工智能项目耗时一年有余。”

除了重用算法，开发团队还插入了各种熟悉的人工智能技术，其中包括英特尔^® RealSense^™ 摄像头、英特尔^® OpenVINO^™ 工具包、英特尔^® Movidius^™ 神经计算模块。

Borg 说：“边缘的 OpenVINO 帮助我们利用可用的硬件资源优化模型。而且我们正在将可能会拖累用户体验的某些模型转移给 Movidius。”

结果如何呢？概念 SALi（视频 1）。

准确性培训

meldCX 团队发现，该解决方案无需使用 Google 的手写检测和识别 API 在边缘捕获整个地址，只要使用地址的一部分作为标识符，英特尔^® 机器学习模型即可完成可信度分配。这些部分包括了地址、邮箱编号、街道名称、城市、城镇、国家、地区和邮政编码。当解决方案返回多个潜在地址时，只是要求客户选择了一个所需的地址。

团队意识到的另一件事是，诸如 Google Maps 这样的数据库中包含的地址并总能作为邮件投递地址使用。这意味着他们无法像其他一些邮政解决方案所尝试的那样，仅依靠 Google 来处理这一过程。

meldCX 解决方案使用澳大利亚邮政地址 API 来验证地址，并通过跟踪包裹从创建货运标签到交投的过程来帮助邮政服务机构提高其数据库的准确性。这使得邮政服务机构可以进一步验证其地址系统并进行更正。当城市使用类似的街道名称（例如 Talbot Road 和 Talbot Terrace）时，尤其是归属同一邮政编码时，这项功能便很有效。

处理不同使用案例的开发人员可能会发现自己的异常情况，并训练其数据模型进行更正。

快速发展与时俱进

零售行业将计算机视觉视为必不可少的技术。该项技术使企业能够在降低成本和提高效率的同时满足客户的需求。利用 meldCX 构建模块和简化的模型，开发人员可以在更短的时间内构建解决方案，从而提供令人兴奋的新商机。