*Как видеоаналитика и машинное зрение помогают оценивать качество пиццы
«Додо Пицца» – крупная международная франшиза пиццерий с прозрачной структурой и данными о финансовых показателях в открытом доступе. Экономическую информацию о компании: выручку, средний чек, объемы продаж, затраты, себестоимость единицы продукции и т.д. инвесторы имеют возможность отслеживать в любой момент. Каждая пиццерия «Додо пицца» оборудована видеокамерой, и используются они как конкурентное преимущество.
«Смотрите онлайн как готовят вашу пиццу», - предлагает нам объявление в поисковике. Действительно, видеотрансляция с камеры на сайте «Додо» доступна любому. Это не только часть концепции честности компании, но и инструмент роста продаж. Благосостояние «Додо» базируется на продуманной автоматизации бизнес-процессов. Для этого компания использует облачную информационную систему «Додо ИС» и интеллектуальный подход к видеонаблюдению.
Начиналось все со стремления достигнуть порядка и продемонстрировать покупателям выпечку вкусной пиццы высокого качества. Во всех пиццериях на кухнях установлены камеры, видеопоток с которых открыт для просмотра на сайте «ДП». Камеры в заведениях из инструмента live-трансляции превратились в источник информации для видеоаналитики. «Додо пицца» применяет два сервиса, существенно расширивших потенциал видеонаблюдения: платформой Dbrain и детектором очередей Ivideon.
Нейронные сети DBrain
В 2016 году CEO и сооснователь Dbrain Дмитрий Мацкевич поучаствовал в написании чат-бота Icon8. Программа обрабатывала фотографии за мгновение, используя нейронные сети. Бот предлагал пользователю на выбор один из шести стилей. Примерно то же самое делает приложение Prisma. Icon8 собрал 7,5 млн подписчиков и получил грант от Павла Дурова в номинации «Фоторедактор». Издание Venture Beat отметило Icon8 как «лучший бот для мессенджеров». Полученные знания и навыки Дмитрий перенес в свой новый проект - DBrain. Команда уже привлекла $2,5 млн инвестиций из разных стран и рассчитывает к окончанию 2018 года довести выручку до $10 млн.
Компания дополняет преимущества нейросетей возможностями технологии распределенного реестра. По сути это блокчейн-платформа для командного проектирования «слабого» искусственного интеллекта. Обучать нейронную сеть долго и дорого, поскольку при разметке данных требуется выполнить значительный объем работы вручную. Коллектив Dbrain нашел простой способ уменьшить себестоимость создания и улучшить точность нейронных сетей: обучать сетку за небольшую плату может каждый.
«Учить» нейросеть несложно – видим изображение в веб-приложении и указываем, кто именно на нем сфотографирован: собачка, зайчик, ежик или шерстяной носок. Приложение «DBrain», объединенное с Ethereum (DApp), дает возможность любому интернет-пользователю решать задачи, получая за них DBR (внутренняя криптовалюта). Любой владелец смартфона, ноутбука или ПК с доступом в сеть, установив Telegram-бота способен поставлять данные (фото, видео, геолокацию и т.д.) и обрабатывать их, маркируя и проверяя изображения.
Команда DBrain по заказу «Додо Пиццы», используя методы machine learning, создала программу контроля качества свежеиспеченной пиццы. Telegram-бот, взаимодействуя с огромным сообществом покупателей, самостоятельно присваивает готовой пицце оценку от 0 до 10. В группе тайных покупателей «Додо» 50 тысяч людей каждую неделю дают оценку около 700 пицц. На основе этих оценок создается рейтинг качества заведений, а покупатели получают за оценку додо-рубли, которыми потом оплачивают новую заказанную пиццу.
Предоставляя приложению от Dbrain данные видеосъемки, можно снизить затраты и формировать рейтинг пиццерий автоматически. Взаимодействуя с видеокамерой, машинный алгоритм оценит не две пиццы в неделю, как человек, а 300 в день – каждой пиццы, вышедшей из печи.
Нейросеть Dbrain обработала 50 тысяч фото пицц. На каждой фотографии сеть визуально разделяла продукт на участки и теперь умеет находить недостатки на всех участках. К примеру, едва заметные глазу вздутия по краям пиццы укажут на низкое качество теста. Каждый готовый продукт искусственный интеллект соотносит с «идеальной» пиццей, построенной как раз с использованием информации, предоставленной реальными потребителями и профессионалами по оценке качества пиццы.
Управление очередью от Ivideon
Все существующие детекторы, увы, все еще несовершенны. Здесь надо понимать, что люди в очереди нестационарны. Проще говоря, они меняют местоположение, меняют очередь, сливаются с фоном или друг с другом, мешая внешним датчикам правильно их считывать или не позволяют камере различить себя как отдельные объекты. Для создания своего детектора очереди Ivideon использовала machine learning.
Алгоритм сумел выделить в человеке «существенное» – голову, что позволило добиться почти идеальной точности фиксации камерой именно человека. Осталось сосчитать число покупателей и уведомить управляющего о появлении очереди, чтобы открыть дополнительную кассу или закрыть пустую.
Крутая возможность этого сервиса – статистический учет. Детектор определяет число покупателей в очереди и визуализирует распределение клиентов по времени на графиках и диаграммах. Такая статистика существенно упрощает задачи оптимизации рабочего графика сотрудников, оценки качества рекламной акции или поиска недостатков в дизайне витрины или выкладке товара.
Отчеты создаются в формате CSV, доступ к информации через личный кабинет Ivideon. Отчет покажет:
● критичные зоны (можно сразу сравнить одну или несколько торговых точек);
● максимальные нагрузки, темп образования и длину очередей;
● видеоинформацию по каждому скоплению покупателей.
Такие отчеты позволяют делать прогнозы даже на несколько дней и заранее выяснить, какие кассы, в какие дни и часы выдерживают наибольшую и наименьшую нагрузку. Кроме того, Ivideon может обработать сведения из касс по чекам. Программа управления очередью дополняется бесплатным модулем интеграции с 1С. Через интерфейс 1С пользователь имеет доступ к видеозаписям по выбранным событиям в системе (печать чека, приемка/отгрузка/возврат товара и так далее).
Определяем доходность вложений
В общем доступе «Додо» еще не разместили информацию о затратах на совместный пилот с Dbrain. Если мы посчитаем по максимуму, то идея все равно скорее окажется выигрышной – машинный алгоритм не требует заработной платы или пиццы в подарок.
Расходы на детектор очередей как раз доступны – их можно увидеть в персональном кабинете каждого пользователя сервиса Ivideon – 800 рублей ежемесячно за одну камеру. Сюда же включены детектор движения, стоимость архива в облаке, функция встраивания на свой сайт трансляции с камеры или расшаривания видео в соцсетях.
Если компания уже хранит данные с камеры в облачном архиве, то логично будет подключить и детектор. Кстати, обновления не заставляют себя ждать и постоянно предлагают расширенный функционал, вероятнее всего, после детекции людей как объектов будет предложена функция распознавания лиц.
Интереснее всего в этом интересном кейсе, безусловно, доход. С «Додо Пиццей» точных выводов пока нет, а потому судить рано. Зато компания «Интерлогика» опубликовала
любопытные данные: затраты на установку и настройку системы распознавания очередей, с учетом затрат на приобретение камер, обошлись в 0,5 млн. руб., а ежемесячные расходы на поддержание работающей системы обойдутся в 30 тыс. рублей в месяц. Но повышение качества работы сотрудников вкупе с экономией трудовых ресурсов (дополнительный продавец/кассир появится только, если нужен) увеличило выручку магазина в среднем на 7%. С учетом изложенных данных, система начнем себя окупать примерно через 1 год.
Выводы
Камера сама по себе всего лишь девайс из пластика с очень простой функцией – видеофиксация. Очень простой, поскольку обрабатывать результаты видеосъемки приходилось все же человеку – наблюдать за периметром, сотрудниками в рабочей зоне, принимать сигнал о нарушителях. Ничего, кроме создания картинки или потока картинок, камера делать не умеет.
Но добавьте к камере (глазам) видеоаналитику (мозг) и, не меняя само устройство, мы получим многократно выросший полезный функционал: управление очередью и рабочим временем персонала, оптимизация выкладки товара или оценка эффективности и маркетинговой акции, и даже оценка качества пиццы, ни вкуса, ни запаха которой камера не ощутит.
Подавляющее большинство крупных компаний в России уже тестируют или запустили проекты, основанные на обработке видеоаналитики машинными алгоритмами. «Сафмар Ритейл» использует преимущества блокчейна и дополненной реальности, повышая продажи потребительской электроники. Х5 Retail Group вместе с резидентом IT-сегмента фонда «Сколково» Intelligence Retail проводит тесты программ управления товарными запасами на полках магазина, используя решения в области машинного зрения камер Ivideon.
Малые и средние компании уже на низком старте и вот-вот вступят в эту игру.
- Комментарии