零售供應鏈是復雜的，包括從創(chuàng)造一個產(chǎn)品，分銷它，把它放在商店貨架上，把它送到客戶手中的一切。零售商和包裝消費品（ CPG ）公司必須審視整個供應鏈，尋找關(guān)鍵的缺口和問題，這些缺口和問題可以通過技術(shù)和自動化來解決。計算機視覺已經(jīng)被許多這樣的公司應用了很多年，在他們的商店、倉庫和裝配線上都有攝像頭。這就是 邊緣計算 的用武之地，人工智能應用程序可以在遠程位置運行，使公司能夠?qū)⑦@些攝像頭從信息源轉(zhuǎn)換為情報源。有了人工智能，這些攝像頭可以從信息源變成情報源。是否提供店內(nèi)分析以幫助評估流量模式和優(yōu)化產(chǎn)品布局，改進包裝檢測和分析，以及倉庫內(nèi)的整體健康和安全。

計算機視覺應用在零售領(lǐng)域面臨的挑戰(zhàn)是，要確保人工智能模型的準確性和安全性，需要大量的數(shù)據(jù)。一旦經(jīng)過培訓，這些模型就需要部署到邊緣的許多位置，通常沒有現(xiàn)場的 IT 資源。 Kinetic Vision 與 NVIDIA 合作開發(fā)了一種解決這一問題的新方案，使零售商和 CPG 公司能夠生成精確的模型，并在邊緣進行擴展。

解決數(shù)據(jù)挑戰(zhàn)是使用 遷移學習工具包 和 遷移學習工具包 （ TLT ）等 NVIDIA 工具訓練人工智能模型的關(guān)鍵。使用合成數(shù)據(jù)生成器， Kinetic Vision 不僅生成數(shù)據(jù)量，還生成所需的方差，以確保模型在任何環(huán)境中都能運行。使用不同的方法，包括 GANs 、模擬傳感器數(shù)據(jù)（ LIDAR 、雷達、 IMU ）、真實感 3D 環(huán)境、合成 x 射線和物理模擬，可以快速輕松地生成各種角度、照明、背景和產(chǎn)品類型。

然后，這些合成數(shù)據(jù)被用來訓練一個模型，這個模型可以在一個數(shù)字孿生模型中進行測試，這個模型是倉庫、供應線、商店或模型將要部署的任何環(huán)境的虛擬表示。利用合成數(shù)據(jù)和數(shù)字孿生模型，動態(tài)視覺可以對模型進行訓練、仿真和再訓練，以達到所需的精度水平。

一旦人工智能模型達到了預期的性能水平，就必須在現(xiàn)實世界中進行測試。這就是 NVIDIA Fleet Command 的用武之地。艦隊司令部是一個混合云平臺，用于在邊緣部署和管理人工智能模型。預先訓練的模型只需加載到 NGC 目錄中，然后使用 Fleet Command UI 在邊緣系統(tǒng)上部署，只需單擊幾下。一旦部署到邊緣，模型就可以繼續(xù)使用從存儲或倉庫發(fā)回的真實數(shù)據(jù)進行優(yōu)化。使用艦隊司令部可以再次輕松部署和管理這些更新。

這種創(chuàng)建零售計算機視覺應用程序的新方法的優(yōu)點包括投資回報率和技術(shù)優(yōu)勢。開發(fā)一個帶有數(shù)字孿生子的人工智能模型的成本很容易是在物理環(huán)境中做同樣事情所需時間和成本的 10% 。使用 digital twin ，測試可以在沒有物理基礎(chǔ)設(shè)施或需要中斷生產(chǎn)的情況下完成。此外，新產(chǎn)品和產(chǎn)品的變化可以很容易地適應，而不需要庫存照片必須手動注釋。最后， digital twin 生成了一個通用且可擴展的模型，該模型仍能提供生產(chǎn)部署所需的準確性。

關(guān)于作者

Amanda Saunders 在 NVIDIA 負責 Edge 和企業(yè)計算解決方案集團的 Edge AI 產(chǎn)品營銷。她為醫(yī)院、商店、倉庫、工廠等帶來了智能的邊緣計算解決方案。除了從事 edge 解決方案之外， Amanda 還在 NVIDIA 擔任銷售和營銷角色，與 AI 、數(shù)據(jù)科學、虛擬 GPU 和許多不同行業(yè)合作。

審核編輯：郭婷