计算机视觉、机器学习和大数据分析的部署不断改变零售商业版图。在这些技术的组合作用下，零售市场获得了切实的业务优势 - 更低的运营成本、更少的损耗、更高的工作效率以及更好的购物体验。

零售商不断寻求创新方法来吸引客户回头。例如，面部识别和其他生物技术使购物者能够实现无现金购买或应用商店奖励计划。精确了解客户要购买哪种商品多少件可减少偷窃现象发生。

开发人员和系统集成商使用最先进的平台来提供这些应用 - 不需要第一代机器视觉、人工智能和机器学习解决方案所需的大量编程和资源。

交易工具

机器学习工具是零售商应用的理想之选。毕竟，围绕买卖的活动大致相同。这意味着开发人员和系统集成商可以选择包含 JavaScript API 库的灵活的机器学习解决方案。这实现了可提供一系列操作的解决方案，而不是需要不断自定义的解决方案。

从如此广泛的库中提取资源可帮助开发人员快速地构建功能全面的解决方案，其可以够识别产品以及在边缘应用业务规则，同时可以在云中执行深入分析。

这加快了机器学习过程。开发人员不需要编写任何代码就可以使用该解决方案的功能，只要自定义满足零售商的特定需要所需的内容即可。

其它技术发展也简化并增强了机器学习过程，使零售商和其他行业获益。

例如，与 GPU 相比，英特尔^® Movidius^™ 针对功耗进行了优化。并且 OpenVINO^™ 工具包（前身为英特尔^® 计算机视觉 SDK）支持模拟人类视觉的应用程序和解决方案的开发，并且深度学习性能提升高达 19.9 倍。

一个现实世界的示例

希望利用简化的物联网流程的公司可能会考虑设备制造商 AOPEN 与基于 Web 的 API 工具开发商 meldCX 如何共同开发零售解决方案。

meldCX 软件使用了 meld-intelligence (m-intelligence)，这是一个人工智能系统，它通过计算机视觉和数据分析支持机器学习。它可以识别零售产品、学习行为并在边缘和 Microsoft 的 Azure 云中应用业务规则。在云中，m-intelligence 训练该解决方案以识别产品和应用业务规则。机器学习一旦进行，就会将规则向下推送到位于边缘的设备。

AOPEN 提供以坚固耐用的专用硬件为基础的开放式平台，专门为在零售业中使用而设计。因为它易于部署，系统集成商在几个小时内就可以安装该系统，而不需要几天时间。

AOPEN-meldCX 解决方案最初是为 Prolife Foods 开发的，该公司直追在澳大利亚和新西兰销售的几个领先品牌。meldCX 产品识别技术使零售商能够构建和训练他们自己的计算机学习训练模型。

“通过将先进的计算机视觉算法应用到连接到刻度尺的摄像头，系统可以看到并了解在交易点正在进行操作，并跟踪每个商品，”Prolife Foods 总经理 Ian Jackson 说道，“我们可以在我们的整个业务范围内应用此机器学习模型，并与我们的供应链集成来优化我们利用端到端信息的方式。”

系统概述

meldCX 工具集和 AOPEN 硬件解决方案使得集成商让系统开启并运行非常简单。安装该解决方案后，即可培训只具备基本技术技能的商店员工来运行机器学习过程。

“在开发解决方案的过程中，我们简化了机器学习。最初，训练系统需要每种产品的大约 4,000 幅图像。现在，我们大大降低了这个数字，在大多数情况下，降低到 300 以下。”meldCX 联合创始人兼首席执行官 Stephen Borg 补充说。

让我们来看一看 AOPEN 和 meldCX 平台是如何工作的。我们以购买一袋开心果的流程为例 - 如图 1 所示。meldCX 软件和 AOPEN 硬件部署在结账柜台处 - 在条形码扫描仪等标准 PoS 设备旁边。

• 扫描开心果时，将会捕获并标记图像，系统会识别这个袋子里面装的是开心果。
• 商店员工（例如收银员）确保应用正确的标记，它的图像将自动发送到 Azure 云中进行存储。
• 云中的新模型或现有模型均使用所采集的图像集进行训练。
• 使用基于云的服务器来识别用来确定所捕获图像特性的关键要素。可以对模型进行全面训练，并在短短几个小时的时间内做好识别新产品的准备。
• 训练结果会返回到云仪表板以供审查和干预 - 然后返回到模型以执行部署批准过程。
• 最后，多个业务应用程序（包括自动结账、收银员帮助结帐、自助服务和产品选择）可以通过 meldCX API 应用。

更深入地了解解决方案组件

meldCX 和 AOPEN 解决方案为开发人员提供单个窗口来控制和创建应用程序。解决方案的 JavaScript API 库简化了机器学习来完成一贯以来非常复杂的任务，例如外围设备管理、使用、付款处理和数据存储。

与此同时，使用该解决方案不需要进行任何编码，它简单的 API 集成和 m-intelligence 支持构建可由在边缘的设备使用的新模型。meldCX 工具集和 API 库使开发人员能够进一步优化应用程序。但是不需要开发提取布局、驱动程序或与机器学习组件有关的任何方面。

该解决方案既快速又准确，使交易能够轻松快速进行。集成英特尔 Movidius 和 OpenVINO 非常关键，它使系统能够在一秒内检测六个产品。

灵活、可扩展并且不需要针对不同的操作系统平台单独编码，meldCX 和 AOPEN 解决方案可轻松地在不同的平台和设备上部署。（请参见图 2。）meldCX 的 Borg 说道：“就安全性而言，可将该解决方案部署在 Chrome、Windows、Linux 或 Android 加密后面，而不需要更改任何代码。”

不仅是简化结帐

通过将该解决方案与 ERP 系统连接，零售商可以优化从配送到单个商店的库存水平。Borg 解释了要考虑的另一件事：“零售商通常销售时鲜产品，例如水果和蔬菜。例如，根据一年中的不同时间，会从不同的地方进口此类产品。不需要重新训练模型，meldCX 解决方案可以将产品的原产地作为一个要素输入到系统中，使得正确定价和贴标可自动进行。”

此外，零售商可以保持符合商品推销协议，使得可为每个供应商发出正确的架数和在走道及商店内的正确摆放位置。

包裹邮资处理是另一个使用案例。可以训练该解决方案以识别包裹的大小和形状，并使用人工智能来验证重量、寄件人的身份和国际运输法规。

通过简化的机器学习实现事半功倍

机器学习可为开发人员和系统集成商提供实现其最终客户目标的新途径。诸如 AOPEN 和 meldCX 系统之类的解决方案可简化并加快机器学习过程，从而解决了零售商面临的许多难题。