Tohtorikoulutettava Tobias Pettersson on kehittänyt teknologian, jonka avulla pakkausten viivakoodeista voidaan luopua. Luonnollisesti tekoäly on keskeisessä roolissa.
Uuden AI-teknologian ansiosta asiakas voi asettaa tuotteet kaupan tiskille ja järjestelmä tunnistaa ne välittömästi.
Useimmat asiakkaat käyttävät hyvin nykyisiä itsepalvelukassoja, mutta kauppiaalle ne eivät ole täysin kitkattomia. Virheellisiä rekisteröintejä ja hävikkiä on vaikeata huomata.
Tobias Pettersson on ITABin teollisuustohtorikoulutettava ja kuuluu Smart Industry Sweden -tutkijakouluun sekä Skövden ammattikorkeakouluun. Hän johtaa teknologian kehitystä, jonka tavoitteena on tehdä itsepalvelukassasta sekä sujuvampi että turvallisempi.
– Sen sijaan, että katsoisi vain viivakoodia, tekniikka tarkastelee koko tuotetta: kaikkea tuotekuvauksista ja ulkoasusta kuviin, jotta se ymmärtää, mistä tuotteesta on kyse, Pettersson kertoo.
Kamerat näkee ja lukee
Jokaisen tuotteen skannaamisen sijaan järjestelmä yhdistää kamerat kehittyneeseen kuva- ja tekstintunnistukseen. Kun tuotteet asetetaan alustalle, järjestelmä ottaa kuvan, lukee pakkauksissa olevan tekstin ja analysoi samanaikaisesti väriä, muotoa ja logoja.
Vain muutamassa millisekunnissa tekoälymalli päättelee, mistä tuotteista on kyse ja mitä tietoja niihin liittyy.
– Et ehdi edes räpäyttää silmiäsi ennen kuin järjestelmä tietää, mitä on laitettu esille.
Lisäsilmä itsepalvelukassalla
Tekniikka ei ole tarkoitettu ainoastaan helpottamaan asiakkaiden asiointia, vaan myös auttamaan kauppoja. Hävikki – tuotteet, jotka poistuvat maksamatta – on kasvava ongelma itsepalvelukassoilla.
– Nykyiset järjestelmät eivät havaitse kaikkea. Tässä tekniikka toimii ylimääräisenä silmänä.
Analysoimalla toimintamalleja järjestelmä voi havaita tilanteita, joissa jokin ei täsmää, esimerkiksi kun tuote päätyy kassiin ilman, että sitä on rekisteröity.
– Niiden asiakkaiden kohdalla, joilla järjestelmä havaitsee poikkeamia, voidaan tehdä tarkistus. Suurimmalle osalle kassalta poistuminen voi olla täysin kitkatonta, hän sanoo ja korostaa, ettei tarkoituksena ole valvonta vaan virheiden ja hävikin vähentäminen, mikä johtaa parempaan asiakaskokemukseen.
Soveltuu myös logistiikkaan ja teolliseen tuotantoon
Samaa perustekniikkaa voidaan käyttää laajasti myös myymälän ulkopuolella. Logistiikassa ja valmistavassa teollisuudessa oikeat tiedot pakkauksissa ja lähetyksissä ovat ratkaisevan tärkeitä.
– Tarve varmistaa, että oikea tieto on oikeassa paketissa, on suuri. Järjestelmä voi sekä nähdä pakkauksen että lukea tekstin ja siten havaita virheelliset merkinnät tai poikkeamat varhaisessa vaiheessa prosessia.
Kyse voi olla sisällön, eränumeron, parasta ennen -päiväyksen tai kohdemerkinnän varmistamisesta ilman, että prosessia tarvitsee pysäyttää tai hidastaa.
Sama tekniikka voi valvoa hyllyjä ja tavaravirtoja
Myymälässä tekniikkaa voidaan käyttää myös hyllyjen seurantaan. Kamerat ja algoritmit havaitsevat, milloin tuotteet ovat loppumassa, väärässä paikassa tai epäjärjestyksessä.
– Tyhjät tai sotkuiset hyllyt vaikuttavat suoraan myyntiin. Tässä voidaan toimia ennaltaehkäisevästi sen sijaan, että sammutetaan tulipaloja.
Tekniikka on valmis – käyttöönotto on seuraava askel
Milloin tekniikka kohtaa kuluttajat ja teollisuuden käytännössä, ei ole vielä täysin selvää, mutta Tobias Pettersson arvioi sen tapahtuvan suhteellisen pian. Haaste ei ole itse AI-mallissa, vaan integraatiossa. Tekniikka ei ole enää rajoittava tekijä. Hän kuvailee tulevaisuuden ratkaisua joustavaksi ja uusilla ratkaisuilla täydennettäväksi.
– Niiden, jotka haluavat asioida perinteisesti, tulee voida tehdä niin. Niiden, jotka haluavat laittaa tuotteet alustalle ja poistua nopeasti, tulee myös saada tämä vaihtoehto. Samalla yritykset saavat paremman hallinnan tavaravirroistaan.
Sekä kuluttajille että yrityksille tämä voi tarkoittaa, että tuttu hetki – viivakoodin etsiminen – saattaa pian olla tarpeeton.
Tobias Pettersson väittelee tohtoriksi 23. tammikuuta Skövden ammattikorkeakoulussa, ASSAR Industrial Innovation Arenassa. Hänen väitöskirjansa on otsikoitu “Product Recognition with OCR Text: Advancing Grocery Product Recognition through Robust Approaches, Fine-Grained Recognition, and Domain Adaptation for Real-Time Performance”.
