AI-контроль выкладки товаров в сети из 800+ магазинов
Федеральная розничная сеть автоматизировала контроль выкладки товаров. Система на основе компьютерного зрения анализирует фотографии витрин, проверяет их на соответствие стандартам и показывает сотрудникам, какие нарушения необходимо исправить.
Задача
Федеральная розничная сеть объединяет более 800 торговых точек, около 5 000 сотрудников и 8 брендов. Для каждого бренда и типа витрины действуют свои требования к выкладке — всего в компании используется более 40 регламентов.
Сотрудники фотографировали витрины и отправляли фото в облачное хранилище. Однако проверка выполнялась выборочно: супервайзеры и мерчендайзеры вручную просматривали снимки и оценивали соответствие выкладки установленным правилам.
Проверять таким образом все фотографии регулярно невозможно. Кроме того, разные сотрудники моглти по-разному оценивать одно и то же нарушение. Продавец не получал обратную связь сразу после загрузки фотографии и узнавал о нарушении только после проверки супервайзером.
Отдельной задачей было связать первоначальное нарушение с повторной фотографией после исправления. Без такой связи сложно отслеживать, что именно было выявлено и устранено.
Задача проекта — автоматизировать контроль стандартов выкладки товаров по фотографиям и обеспечить сотрудникам быструю обратную связь по выявленным нарушениям.
Сотрудники фотографировали витрины и отправляли фото в облачное хранилище. Однако проверка выполнялась выборочно: супервайзеры и мерчендайзеры вручную просматривали снимки и оценивали соответствие выкладки установленным правилам.
Проверять таким образом все фотографии регулярно невозможно. Кроме того, разные сотрудники моглти по-разному оценивать одно и то же нарушение. Продавец не получал обратную связь сразу после загрузки фотографии и узнавал о нарушении только после проверки супервайзером.
Отдельной задачей было связать первоначальное нарушение с повторной фотографией после исправления. Без такой связи сложно отслеживать, что именно было выявлено и устранено.
Задача проекта — автоматизировать контроль стандартов выкладки товаров по фотографиям и обеспечить сотрудникам быструю обратную связь по выявленным нарушениям.
Решение
За основу взяли автоматизацию анализа изображений на базе платформы Nord.OCR. Система получает фотографии из облака и автоматически определяет, можно ли использовать снимок для проверки, какой бренд и тип витрины на нём представлены.
Для каждого типа витрины система применяет соответствующий набор регламентов и проверяет фотографию на их соблюдение. Нейросеть распознаёт объекты на изображении, анализирует их расположение и выявляет нарушения стандартов выкладки.
Найденные нарушения ранжируются по критичности. Сотрудник видит, что именно необходимо исправить, после чего загружает новую фотографию.
Система связывает повторный снимок с первоначальной проверкой и формирует последовательность «было → замечание → стало». Регламенты хранятся отдельно и версионируются, поэтому требования к проверке можно обновлять без остановки системы.
Для каждого типа витрины система применяет соответствующий набор регламентов и проверяет фотографию на их соблюдение. Нейросеть распознаёт объекты на изображении, анализирует их расположение и выявляет нарушения стандартов выкладки.
Найденные нарушения ранжируются по критичности. Сотрудник видит, что именно необходимо исправить, после чего загружает новую фотографию.
Система связывает повторный снимок с первоначальной проверкой и формирует последовательность «было → замечание → стало». Регламенты хранятся отдельно и версионируются, поэтому требования к проверке можно обновлять без остановки системы.
Результат
- До 80% фотографий планируется проверять без участия специалиста через 6 месяцев после полного внедрения.
- Время устранения нарушений должно сократиться на 30–50% в течение года.
- Проверка становится единообразной для всех магазинов и меньше зависит от субъективной оценки отдельных специалистов.