Einzelhändler kämpfen mehr denn je mit „Warenschwund“, dem Verlust von Waren aufgrund von Diebstahl, Beschädigung und Fehlplatzierung, und dies trifft den Einzelhandel dort, wo es am meisten schmerzt. Entsprechend der Einzelhandelssicherheitsumfrage 2022 der National Retail FederationIn Zusammenarbeit mit dem Loss Prevention Research Council versucht die Einzelhandelsbranche, ein 100-Milliarden-Dollar-Problem anzugehen, von dem schätzungsweise 65 Prozent auf Diebstahl zurückzuführen sind. Viele Einzelhändler berichten, dass sich die Diebstähle in letzter Zeit mehr als verdoppelt haben, was auf steigende Preise für Lebensmittel und andere lebenswichtige Güter zurückzuführen ist.
Einzelhändler kämpfen mehr denn je mit „Warenschwund“, dem Verlust von Waren aufgrund von Diebstahl, Beschädigung und Fehlplatzierung, und dies trifft den Einzelhandel dort, wo es am meisten schmerzt. Entsprechend der Einzelhandelssicherheitsumfrage 2022 der National Retail FederationIn Zusammenarbeit mit dem Loss Prevention Research Council versucht die Einzelhandelsbranche, ein 100-Milliarden-Dollar-Problem anzugehen, von dem schätzungsweise 65 Prozent auf Diebstahl zurückzuführen sind. Viele Einzelhändler berichten, dass sich die Diebstähle in letzter Zeit mehr als verdoppelt haben, was auf steigende Preise für Lebensmittel und andere lebenswichtige Güter zurückzuführen ist.
Allerdings können Entwickler mit NVIDIA Retail AI Workflows Anwendungen zur Verlustverhütung erstellen. Die Arbeitsabläufe basieren auf NVIDIA Metropolis Microservices, einer Low- oder No-Code-Methode zum Erstellen von KI-Anwendungen. Die Microservices stellen die Bausteine für die Entwicklung komplexer KI-Workflows bereit und ermöglichen eine schnelle Skalierung in produktionsreife KI-Apps.
KI-Workflows für den Einzelhandel, die darauf ausgelegt sind, Verluste zu verhindern
NVIDIA hat drei AI-Workflows für den Einzelhandel angekündigt, die Entwicklern dabei helfen sollen, schnell Anwendungen zu erstellen und bereitzustellen, die Diebstahl verhindern sollen. Die No-Code- oder Low-Code-Bausteine für Anwendungen zur Schadensverhütung sind mit Bildern der am häufigsten gestohlenen Produkte und Software vorab trainiert und können in bestehende Ladenanwendungen für Point-of-Sale-Maschinen und Objekt- und Produktverfolgung im gesamten Geschäft eingebunden werden.
Laut Read Hayes, Direktor des Loss Prevention Research Council:
„Der Einzelhandelsdiebstahl nimmt aufgrund der Makrodynamik zu und droht, die Branche zu überfordern. Unternehmen sehen sich nun mit der Realität konfrontiert, dass Investitionen in Lösungen zur Schadensverhütung eine entscheidende Voraussetzung sind.“
Die NVIDIA Retail AI-Workflows sind über verfügbar NVIDIA AI Enterprise-Software-Suite und beinhalten folgendes:
- KI-Workflow zur Verlustprävention im Einzelhandel: Die KI-Modelle in diesem Workflow sind vorab darauf trainiert, Hunderte der Produkte zu erkennen, die am häufigsten durch Diebstahl verloren gehen, darunter Fleisch, Alkohol und Waschmittel. Die Modelle sind außerdem darauf trainiert, sie in den verschiedenen angebotenen Größen und Formen zu erkennen. Einzelhändler und unabhängige Softwareanbieter können die Modelle mithilfe der synthetischen Datengenerierung von NVIDIA Omniverse anpassen und weiter trainieren, um Hunderttausende Filialprodukte einzubeziehen. Der Workflow ist eine hochmoderne Fear-Shot-Lerntechnik, die von NVIDIA Research entwickelt wurde. In Kombination mit aktivem Lernen identifiziert und erfasst es neue Produkte, die von Kunden und Vertriebsmitarbeitern während des Bezahlvorgangs gescannt wurden, um die Modellgenauigkeit zu verbessern.
- Multi-Kamera-Tracking-KI-Workflow: Dieser Workflow bietet MTMC-Funktionen (Multi-Target, Multi-Camera), die es Anwendungsentwicklern ermöglichen, einfacher Systeme zu erstellen, die Objekte über mehrere Kameras im gesamten Geschäft verfolgen. Der Workflow verfolgt Objekte und verknüpft sie kameraübergreifend und verwaltet für jedes Objekt eine eindeutige ID. Die Verfolgung von Objekten erfolgt durch visuelle Einbettung oder Aussehen und nicht durch persönliche biometrische Informationen, um die vollständige Privatsphäre des Käufers zu wahren.
- Analyse-Workflow für Einzelhandelsgeschäfte: Verwendet Computer Vision, um über benutzerdefinierte Dashboards Erkenntnisse für Filialanalysen bereitzustellen, z. B. Trends im Ladenverkehr, Anzahl der Kunden mit Einkaufskörben, Belegung der Gänge und mehr.
Integrieren Sie Ihre Modelle
Laut NVIDIA können Entwickler diese KI-Workflows durch die Integration ihrer Modelle einfach anpassen und erweitern. Die Microservices erleichtern auch die Integration neuer Angebote in Legacy-Systeme, beispielsweise Point-of-Sale-Systeme.
Bobby Chowdary, Chief Technology Officer bei Radis.ai, sagte:
„NVIDIAs neue AI-Workflows für den Einzelhandel, die auf Metropolis Microservices basieren, ermöglichen es uns, unser Produkt anzupassen, schnell zu skalieren, um den Bedürfnissen unserer ständig wachsenden Kunden besser gerecht zu werden, und weiterhin Innovationen im Einzelhandel voranzutreiben.
Infosys entwickelt außerdem hochmoderne Schadensverhütungssysteme, die die Arbeitsabläufe von NVIDIA nutzen, um Lösungen schneller bereitzustellen und über Filialen und Produktlinien hinweg zu skalieren.
Beteiligen Sie sich an StorageReview
Newsletter | YouTube | Podcast iTunes/Spotify | Instagram | Twitter | TikTok | RSS Feed
