一体化图片拼接带来全新体验
在该场景中,销售代表通过手机APP,即可对终端陈列进行拍照。不过,由于受客观条件限制,如货架的长度、高度、过道空间及手机拍摄角度等,无法实现一次拍摄完整获取整个场景,实际的做法是拍摄不同场景的分组图片,并通过图片拼接的方式来完美还原货架整体情况。因此,图片拼接便成为了AI图像识别技术应用中的一大关键难点。
Trax持续不断攻克图片拼接去重算法难题,通过前端优化Trax APP拼接校验算法,和后端提升完美拼接成功率,从而大幅优化客户体验,提升KPI准确率,为业务相关人员带来一体化图片拼接全新体验。
适配场景:
- 大卖场货架太高、小超市离货架太近,使用纵轴拼接功能
- 大卖场长排货架,使用横轴拼接功能
- 品牌商使用第三方SFA拍摄,不受拍摄设备的限制,Trax可提供SDK,支持无序拼接
大卖场长货架拼接示例
通过算法优化,降低在拼接过程中由于商品错位、误识别带来的影响,去除重复或多余商品,大幅提升完美拼接成功率,与此同时提高拼接和识别速度,使得AI图像识别结果更接近于真实值,从而输出更精准的货架KPI(分销、排面、货架占有率等)。
基于完美货架拼接全图,品牌商可轻松得知,与同品类其它商品相比,自身的商品陈列位置、排面数、线性货架空间占有率等,为精准了解货架份额动态变化信息,提供了有力的技术支持,进而助力品牌商占据优渥的货架位置与份额,从激烈的品类竞争中抢占先机。
某领先快消品牌商在对货架数字化过程中,面临巨大的挑战:
- 销售代表提交的货架照片角度过于倾斜
- 销售代表有时提交的货架照片不正确,非同一排货架
- 图片重合度太小,照片拼接效果不好
- 图片的无法完美拼接,导致识别结果受影响,KPI计算不精准,为业务带来负面影响
Trax针对该客户所面临的图片拼接问题逐一分析,并进行拼接去重算法优化,降低图片重合度过小、背景误匹配、拍摄角度和矫正影响等因素对拼接造成的影响,将完美拼接成功率从原有的市场平均24.6%提升至96.5%,为品牌商解决了数据识别结果准确性的难题。
精准的货架数据帮助该快消品牌商更清晰地了解商品基础指标如铺货率、陈列面位和货架份额,同时赋能其终端零售执行和区域渠道表现评估,为深度品类趋势分析和市场动态监测奠定了扎实的基础。
一体化图片拼接不但赋能消费品NXT解决方案的现场数据采集,同时也为零售巡检机器人的门店检核提供了重要技术支撑,为加快实体零售业的整体数字化进程锦上添花。