Как отличить эффектную функцию от промышленной системы, способной стабильно работать в масштабах крупной торговой сети
Алексей Куроедов, коммерческий директор компании «Сервис Плюс»
Видеораспознавание на весах самообслуживания постепенно превращается из технологической новинки в рабочий инструмент современного магазина. Покупателю больше не нужно запоминать PLU-код, искать товар в длинном каталоге или листать страницы с похожими изображениями. Достаточно положить продукт на весы — система определит его и предложит несколько наиболее вероятных вариантов.
Со стороны всё выглядит достаточно просто: камера, нейросеть и изображения товаров на экране. Поэтому может возникнуть впечатление, что разные решения отличаются прежде всего точностью распознавания или скоростью появления подсказки.
Но демонстрация на стенде и ежедневная эксплуатация в крупной торговой сети — принципиально разные задачи.
В реальном магазине меняется ассортимент, появляются новые товары, поставщики и упаковки, отличаются PLU, освещение и выкладка. Камера может загрязниться или сместиться, а один и тот же товар — выглядеть по-разному в зависимости от сорта и сезона.
Поэтому промышленное видеораспознавание — это не только нейросеть внутри весов. Это система, которая объединяет оборудование, программное обеспечение, данные, централизованное управление, аналитику и сопровождение. Её задача — не только упростить сервис для покупателя, но и ускорять обслуживание, сокращать пересорт и давать торговой сети экономический эффект.
Что действительно требуется покупателю
Основная задача видеораспознавания на весах самообслуживания — максимально упростить покупку весового товара.
В традиционном сценарии покупателю необходимо найти на ценнике PLU-код, запомнить или записать его, ввести код на весах либо найти товар в каталоге, проверить выбор и распечатать этикетку. При покупке нескольких видов фруктов, овощей, выпечки или конфет этот процесс приходится повторять.
Видеораспознавание убирает наиболее неудобную часть сценария. Система анализирует изображение товара, сопоставляет его с актуальным ассортиментом магазина и предлагает несколько наиболее вероятных позиций. Покупателю остаётся подтвердить правильный вариант.
Это сокращает время взвешивания, уменьшает количество ошибок и упрощает покупку весовых товаров. Для магазина эффект шире: более простой процесс способствует увеличению количества весовых товаров в корзине, снижает вероятность отказа от покупки, уменьшает пересорт при неправильном выборе позиции и ускоряет обслуживание.
Демонстрация и реальная эксплуатация
Практически любое современное решение можно хорошо показать в контролируемых условиях. На весы кладут заранее подготовленный товар, камера установлена правильно, освещение стабильно, ассортимент ограничен, изображения заранее загружены.
В магазине условия другие. Система должна учитывать сотни или тысячи товарных позиций, постоянное изменение ассортимента, разные наименования и PLU-коды, сезонные изменения внешнего вида овощей и фруктов, новых поставщиков и упаковку, различия в освещении, состояние камеры, ошибки в справочниках, нестандартные действия покупателей и временное отсутствие связи.
Поэтому оценивать решение только по тому, насколько точно оно распознало несколько товаров на демонстрации, недостаточно.
Промышленная система должна сохранять стабильное качество распознавания каждый день, во всех магазинах сети и на протяжении всего срока эксплуатации оборудования.
Два подхода к видеораспознаванию
Первые проекты видеораспознавания на весах были ориентированы прежде всего на крупные торговые сети. Для них технология изначально должна была работать не как отдельная функция конкретного устройства, а как часть общей инфраструктуры.
Сетям требовалось централизованно управлять товарными справочниками и моделями распознавания, учитывать ассортимент каждого магазина, контролировать работу оборудования, анализировать экономические показатели и интегрировать решение с существующими информационными системами.
Для этих задач «Сервис Плюс» создал платформу СуперМаг Vision, объединившую видеораспознавание, оборудование, данные, аналитику и централизованное управление.
Позже технология стала распространяться в региональных сетях и отдельных небольших магазинах, где сложная централизованная инфраструктура требуется не всегда. Здесь важнее невысокая первоначальная стоимость, простота установки и возможность автономной работы одного или нескольких устройств.
Так сформировался второй подход — локальное распознавание непосредственно на весах. Камера, вычислительный модуль и модель объединяются в одном устройстве и могут работать независимо от единой платформы сети.
Такой вариант способен решать базовую задачу в небольшом магазине с ограниченным и относительно стабильным ассортиментом. Но с ростом количества магазинов и устройств снова возникает необходимость централизованно обновлять модели и товарные справочники, контролировать состояние камер, анализировать ошибки и поддерживать единое качество распознавания.
Один интеллект для всей сети
Основной принцип СуперМаг Vision можно сформулировать так: умнее становятся не отдельные весы — умнее становится вся торговая сеть.
Система получает данные о реальных операциях, анализирует результаты распознавания и выявляет проблемные ситуации. Это позволяет постепенно повышать качество общей модели и распространять улучшения на подключённые устройства.
При этом система учитывает ассортимент конкретного магазина. Если определённого товара в нём нет, он не должен появляться среди первых вариантов, даже если визуально похож на продукт на весах. Это уменьшает количество ошибочных подсказок и ускоряет выбор.
Централизованное управление позволяет поддерживать актуальные справочники, обновлять модели без ручного обслуживания каждого устройства, контролировать качество распознавания по сети, региону, магазину и отдельным весам, выявлять ухудшение изображения, восстанавливать последовательность операций и определять товары, которые покупатели чаще выбирают неправильно.
Таким образом, видеораспознавание становится не только функцией для покупателя, но и инструментом управления весовыми процессами торговой сети.
Почему важны сами весы
Даже совершенная система распознавания не обеспечит стабильный результат, если оборудование не рассчитано на длительную эксплуатацию.
Весы ежедневно испытывают серьёзную нагрузку: покупатели ставят на платформу тяжёлые товары, нажимают на экран, загрязняют корпус и камеру. При этом оборудование должно сохранять точность, производительность и качество изображения в течение многих лет.
Поэтому в «Сервис Плюс» видеораспознавание развивается вместе с линейкой компьютерных весов DP Falcon. Они работают под управлением Linux, а их расчётный срок службы превышает десять лет.
Для крупной сети важно учитывать не только первоначальную стоимость оборудования, но и совокупную стоимость владения: срок службы, частоту ремонтов и замен, доступность запасных частей, обслуживание, простои, удалённую диагностику, срок поддержки операционной системы, обновление ПО и возможность развивать функции без замены оборудования.
По расчётам «Сервис Плюс», в типовом сценарии эксплуатации совокупная стоимость владения DP Falcon за полный жизненный цикл может быть в 1,5–2 раза ниже, чем у оборудования с меньшим расчётным сроком службы. Итоговый результат зависит от условий конкретной сети и должен рассчитываться на её данных.
Более 10 тысяч устройств и четыре страны
Промышленную зрелость технологии определяет не количество демонстраций, а масштаб реальной эксплуатации.
Решения «Сервис Плюс» используются более чем на 10 тысячах действующих устройств в России, Беларуси, Казахстане и Таджикистане. Система работает в том числе в крупных территориально распределённых сетях.
Каждая операция создаёт новые данные: какие товары система распознаёт уверенно, где возникают сложности, какие категории визуально похожи, как на качество влияют сезонность, упаковка, освещение и особенности конкретного магазина.
Но сами по себе данные результата не дают. Их необходимо собирать, верифицировать, анализировать, размечать и использовать для дальнейшего обучения моделей.
Поэтому нейросеть — лишь один из компонентов промышленной системы. Не меньшее значение имеют интеграции, мониторинг, обратная связь, управление данными, обновление моделей и поддержка меняющихся условий эксплуатации.
Распознавание на весах — и не только
Наиболее очевидный сценарий СуперМаг Vision — весы самообслуживания для взвешиваемых товаров и товаров собственного производства. Но технология может применяться шире.
На прилавочных весах видеораспознавание помогает продавцу быстрее выбирать нужную позицию и снижает зависимость скорости обслуживания от знания ассортимента. Особенно это важно при высокой текучести кадров: новому сотруднику не приходится последовательно просматривать длинный список похожих товаров и сравнивать названия и изображения.
Автоматическая подсказка сокращает время обучения, уменьшает количество ошибок и делает скорость обслуживания более стабильной.
Ещё один сценарий — dark store и сборка интернет-заказов. Здесь система помогает сотруднику быстрее собирать заказ, проверять выбранный товар и снижать вероятность ошибки при комплектации.
Таким образом, одна технологическая платформа может использоваться на весах самообслуживания и прилавочных весах, в кулинарии и собственном производстве, при сборке интернет-заказов и в других операциях, связанных с визуальным определением товара.
Из чего складывается экономический эффект
Экономику видеораспознавания нельзя оценивать только как экономию нескольких секунд при взвешивании. Эффект формируется сразу в нескольких процессах.
Ускорение обслуживания. Покупатель быстрее находит товар, возле весов реже возникают очереди, сотрудники меньше времени тратят на помощь при выборе.
Снижение ошибок и пересорта. Чем сложнее ручной поиск товара, тем выше вероятность неправильного выбора. Ошибка может быть случайной, а более дешёвый товар в некоторых случаях выбирается намеренно.
Рост продаж весовых товаров. Если процесс покупки понятен и не требует запоминания кодов, покупателю проще выбрать несколько разных товаров. Особенно заметен этот эффект в категориях ФРОВ, выпечки, кулинарии и конфет.
Снижение нагрузки на персонал. Сотрудники реже подходят к весам, быстрее осваивают ассортимент и совершают меньше исправительных операций.
Управляемость. Сеть получает данные о работе весов, частых ошибках, проблемных товарах и качестве распознавания. Это позволяет улучшать сам процесс обслуживания, а не только устранять отдельные инциденты.
По внутренней оценке «Сервис Плюс», совокупный эффект от уже работающих проектов составляет сотни миллионов рублей в год. Для каждой сети экономику необходимо рассчитывать отдельно — исходя из количества магазинов и весов, числа операций, структуры ассортимента, уровня пересорта, стоимости труда и фактического изменения покупательского поведения.
Как правильно проводить пилот
Пилот видеораспознавания не должен превращаться в демонстрацию заранее выбранных товаров. Его задача — проверить влияние системы на реальные процессы магазина.
Оптимально проводить испытание в нескольких магазинах, различающихся по формату, трафику и ассортименту. До запуска необходимо зафиксировать исходные показатели, а затем сравнить их с результатами после внедрения.
Оценивать стоит среднее время взвешивания, долю правильного определения с первой подсказки, переходы к ручному поиску, обращения к сотрудникам, частоту неправильного выбора товара, размер пересорта, количество весовых товаров в корзине, изменение продаж весовых категорий, стабильность работы системы, скорость обновления ассортимента и моделей, трудозатраты на сопровождение и удовлетворённость покупателей.
При этом важно оценивать весь процесс, а не только среднюю точность распознавания. Даже высокий лабораторный показатель не гарантирует экономического результата, если система предлагает слишком много вариантов, медленно реагирует, не учитывает ассортимент магазина или требует постоянного ручного обслуживания.
Успешный пилот должен подтвердить три результата одновременно: покупателю стало проще и быстрее пользоваться весами, магазин получил измеримый экономический эффект, а решение готово к тиражированию и централизованному управлению в масштабах сети.
Не функция весов, а часть инфраструктуры магазина
Видеораспознавание на весах уже прошло этап эффектных демонстраций. Сегодня главный вопрос не в том, способна ли нейросеть отличить яблоко от апельсина.
Для торговой сети важнее, сможет ли система одинаково стабильно работать в сотнях и тысячах магазинов, учитывать реальный ассортимент, обновляться без остановки оборудования, объяснять возникающие ошибки и становиться точнее по мере эксплуатации.
Именно здесь проходит граница между отдельной функцией и промышленной платформой.
Для покупателя результат выглядит просто: положить товар на весы, быстро выбрать правильную позицию и продолжить покупку.
Для торговой сети важно, чтобы этот результат стабильно повторялся каждый день — на каждом устройстве и в каждом магазине.
