スマート小売アプリケーションに低コストのインテリジェンスを導入

今までのいくつかのブログで、ネットワークエッジで起動する組込みデバイス内のAI対応の画像システムが、スマートファクトリーやスマートホームにおける特定のアプリケーションでいかに役立つかを説明してきました。しかし、組込みビジョンは小売のカスタマーエクスペリエンスも向上させることができます。

今では、スーパーでのセルフサービスによるPOSシステムが多く見受けられ、スタッフの手を借りずにすばやくスキャンして支払いをしたい買い物客の時間を節約しました。しかし、セルフレジで残念な経験をした人も多いでしょう。例えば、リンゴのPLU(商品価格識別番号)シールがなくなっていたり、バーコードがまだ店のデータベースに追加されていないなど。これらのトラブルは解決のためにスタッフの助けを必要とし、そもそものセルサービスPoSを導入する目的を果たしていません。

紛失したPLUシールを復元したり、未登録のバーコードの問題を解決する一つの方法は、AI/機械学習による画像認識を使うことです。ローカルで実行できる推論は違う種類のフルーツやブランドのロゴをPoSに学習させることができ、もしPLUシールやバーコードがなくなった場合でもデータを使って正確に商品を認識して価格を表示することができます。また、複数の同じ商品（リンゴの袋など）も認識でき、自動的に商品数を数え、総額を表示します。この結果、顧客にとってスムーズな支払いができ、従業員がPoSの問題に費やす時間を削減できます。

推論ベースの機械学習アプリケーションは、ニューラルネットワークの性能を向上させるFPGAの並列処理機能によってうまく機能できます。FPGAベースの機械学習はPoSシステムがクラウドに接続する必要性を排除、もしくは大幅に削減し、これによりレイテンシや接続コストの軽減にも繋がります。

そして、PoSシステムのような組込みデバイスにオブジェクト認識を実装するのはこれまでになく簡単で早く、そして安価になりました。ラティスは、システムの設計者がエンベデッドビジョン開発キットハードウェアと、世界最小のディープニューラルネットワークエンジンであるsensAIスタックを使用するための方法を合理化しました。詳しい情報は当社の最新のsensAIホワイトペーパーとエンベデッドビジョン開発キット製品ページをご確認ください。