人工智能开源软件应用案例连载--第四集:智能商务

2018年11月12日 人脸识别技术 432 views

智慧零售无人超市

背景与需求

     在传统零售店的运营模式中,每百平米通常需要6-10个人来进行维护,运营管理成本高且效率不可控。在结算环节中,单个用户结算时间长短不一,结算效率受限于结算人手及结算台数量。另结算流程繁琐,造成用户体验下降,且店员与客户存在较高的交互成本。

基于人工智能技术的解决方案

     以某机构的无人超市为例,其利用行业开源技术,如人脸识别技术,IOT射频技术,在线支付等技术进行行业性的改造和创新,设计出了无感知引导式购物流程,利用平台全局大数据和线下门店区域大数据分析的强强结合,实现线上平台和线下店面的无缝连接,实现整个无人超市分布式、数据化、智能化的运营和管理。

开源技术选型思路

     目前,此类应用场景可引进以下开源的模块:人脸识别、RFID射频技术、轨迹跟踪等模块,使用了faster-RCNN、SSD、YOLO、YOLO2、LSTM等深度学习算法实现目标的检测、分类、识别;通过LR逻辑回归分类算法、GBTree集成学习算法等实现决策判断。结合大数据以及一些开源传感器和视觉分析技术,通过数据分析对线下门店的选址、商品运营、用户运营做出优化指导。门店内的摄像头可利用开源图像识别等技术,计算客流、分析顾客走向和选择喜好,监控顾客违规行为,为优化店铺的布局提供科学的数据支持。店内使用了行业成熟的小长方形智能“电子价签”,可通过后台远程控制、实时完成价格同步优惠调整。

经济效益和社会效益

     此应用可以帮助地产商、大型零售商等企业拓展产业模式,扩展售卖形式。在服务用户的同时,为线下精准营销打下了基础。用户可以体验到全新的购物模式,提升购物速度。同时对于超市运营者来说,也能够缩减人力成本,提高人效与坪效。

     目前,京东、阿里巴巴均有无人超市的输出与实践。截至2018年3月,京东已在北京、天津、烟台、大连、西安等城市布局10余家X无人超市。

智能零售AI业务解决方案

背景与需求

     随着品质经济时代的到来,零售服务逐步从“千人一面”模式转变为“千人千面”的营销,人工智能的核心任务是要全方位理解用户,包括有效连续识别用户身份、从用户对话中理解用户需求、情绪偏好,并推荐合适的商品并不断优化改进服务。

基于人工智能技术的解决方案

开源技术选型思路

     因为计算层需要处理海量的异构数据,因此选择Hadoop及Spark来作为数据存储和数据预处理工具;AI离线训练需要巨大的内存和计算资源,因此采用docker对计算资源容器化并采用kubernetes对容器进行调度管理;AI业务层需要处理音视频和文本数据,采用了Caffe、TensorFlow算法框架以及CNN、LSTM、ResNet等开源算法来设计和训练深度学习模型,简化了特征处理,有效提高文本、音视频内容分析性能指标。

经济效益和社会效益

     该智能零售AI业务平台为智能零售业务建设了一个灵活强大的AI基础设施,每天的API调用量超过2亿次,不仅大大节省了人力成本,更重要的是帮助业务部门有效提升了客户购物体验和服务水平。

     目前,京东的NeuHub AI业务平台采用了这样的解决方案架构设计,助力智能零售发展。

智能服务导购机器人

背景与需求

     传统的引导、咨询等公共服务,主要以人力为主。整体服务质量受到提供引导、咨询人员的教育程度、知识储备、服务时间及主观情绪等多方面不确定因素的严重影响。同时,在进行数据统计过程中,容易出现欺骗、缺失等问题,造成政府、企业等机构在该领域投入的过度浪费。随着人工智能技术的快速进步,智能服务机器人为以上问题提供了一个有效解决方案,同时也满足了各服务型机构提高办公效率、提升服务质量、优化整体形象与品牌价值的客观需求。

基于人工智能技术的解决方案

     以某大型连锁家居商城智能服务机器人的应用为例。该连锁家居商城在线下数千家门店投入数千台智能服务机器人,向消费者提供实时语音或视频咨询及路线引导等服务,提升了商城的服务质量及客户的消费体验,同时,通过智能服务机器人确保了大数据信息统计真实可信和大数据信息的高效分析。该智能服务机器人系统基于开源平台,利用云服务平台,结合深度学习、生物特征识别、自然语言处理、情感分析等算法,完善了视觉识别、语义理解、定位绘图、行动规划、感知、模拟、去噪音等技术应用,最终满足了实际场景需求。

开源技术选型思路

      目前,此方案采用机器人开源操作系统ROS,引入建图定位、视觉等不同的开源技术。在建图定位中,采用了Slam常用算法Gmaping的框架融合方案,实现了实时地图构建与目标定位功能。在视觉关键技术中,采用基于机器学习的目标检测和识别方法,包括目标特征提取、分类器或神经网络设计等,实现目标识别的预测,其中包括了libSVM的传统机器学习、TensorFlow的深度学习开源技术。

经济效益和社会效益

     此类技术的应用节约了人力、物力、资金、时间等投入,提高平均工作效率,带来巨大的经济效益,同时推进公共服务领域产业信息化、智能化发展与产业变革。

     智能服务机器人应用行业广泛,许多公司已有成熟案例。深圳市优必选科技有限公司的智能服务机器人应用较为成熟。此外,上海软中信息技术有限公司已在医疗导诊领域推出智能导诊机器人产品。

雕塑工艺品智能鉴定和推荐

背景与需求

     当今国内雕塑工艺品行业具有以下特点:(1)雕塑工艺品行业发展迅猛,但各个企业之间缺乏自身特色,同质化趋势严重。(2)国内雕塑工艺品加工、制造整体水平有待提高。相关从业人员需要经验、技巧以及文化底蕴等多方面的积累。(3)雕塑工艺品市场稂莠不齐,以次充好、随意标价等乱象时有发生。普通消费者很难挑选到货真价实的雕塑工艺品。当下由于雕塑工艺品价格普遍较高,如果错买一次,一方面会造成消费者的财产损失,另一方面也会丢失顾客对雕塑工艺品市场的信任。

基于人工智能技术的解决方案

     以某家科技公司所设计的雕塑工艺品消费APP,运用开源人工智能软件技术对雕塑工艺品中的玉石工艺品进行强化学习,并结合用户在客户端的反馈结果来综合评估玉石的真实价格。初次之外,在智能推荐上,该软件可以通过开源的人工智能算法,利用少量的客户图片即可构建出合理的人物模型,并做出适当的玉石饰品推荐。

     该产品与开源技术的结合,可使产品具备以下优越性:一、高效率,用训练好的网络去评估并快速得出结果;二、可塑性,深度学习只需要调整参数,就能改变模型。这使得它具有很强的灵活性和成长性;三、普适性,神经网络是通过学习来解决问题,可以根据问题自动建立模型,所以能够适用于各种问题,而不是局限于某个固定的问题。

开源技术选型思路

   目前,此类应用场景结合TensonFlow2开源人工智能框架使用回归分析算法、感知哈希算法、k近邻算法、颜色分布直方图向量法等,这些方法能够大大提高项目开发进度,在节约成本的同时,也保证了软件整体的稳定性。

经济效益和社会效益

     雕塑工艺品智能鉴定和推荐功能能够给用户较好的用户体验,以赢得更多用户的信任,增加客源,提高用户对系统的忠诚度,为用户提供高质量的个性化服务;同时得益于商品的及时准确推荐,能帮助商家提高销量,为商家赢得更大的经济效益。

     目前,合肥晌玥科技已有该领域的应用案例,“如e定制项目”已经正式上线。

连载预告:

第一集:智能制造

第二集:智能农业与智能物流

第三集:智能金融

第四集:智能商务

第五集:智能家居、智能能源与智慧水利

第六集:智能医疗与智慧法庭

第七集:智慧城市

第八集:智能交通与智能环保

第九集:公共安全保障

第十集:智能健康与养老、智能教育

第十一集:智能化基础设施与高性能计算基础设施

第十二集:大数据基础设施

来源:工信部电子标准院  中国人工智能开源软件发展联盟

发表评论

发表评论:

PHONE