電腦視覺 = 更好的服務 + 更低的成本

位於台灣新竹的雅特烘焙（RT Baker House）是當地最著名的麵包店之一。該店以各式各樣令人印象深刻的美味蛋糕和麵包而聞名，卻也因為排隊人潮眾多且等候間漫長而為人熟知。增加員工數量並無法幫助提升顧客滿意度。既然人事無法解決問題，該店便改為採用飛捷（Flytech）及其子公司 Berry AI 開發的電腦視覺 POS 系統（​​​​​​影片 1）。

在此之後，雅特烘焙採行了如下的流暢結帳流程，因而能夠大幅提升顧客滿意度：

• 麵包店顧客只需選取商品，將商品放在托盤上，然後前往結帳即可。
• 托盤放置在 K750/K750 電腦視覺系統的視野中，該系統會辨識商品並將資訊傳送至 POS 系統，過程中結帳人員無需輸入任何資料。
• 結帳人員會透過第三方 POS 系統進行安全的付款程序，此外也可透過自助結帳進行付款。

此種改良的 CV 程序讓顧客的等候時間縮短了 30%。同時也為 RT Baker House 的營收帶來轉變。

電腦視覺和 AI 縮短了排隊時間

雅特烘焙的電腦視覺結帳系統以 Flytech K755 無風扇平板電腦為核心。這款電容式觸控系統採用搭載 4 GB 外接 DDR3L 記憶體的第 6 代 Intel​​​^®​​​ Core​​​​​​^™​​​ 處理器。該系統還配備多個攝影機，其中一個位於前方面板，另一個雙鏡頭攝影機則位於邊框底側，用於掃描顧客選取的烘焙商品。

這兩個掃描攝影機更具備補光燈和濾鏡功能，即使麵包店的照明情況時有變化，也可確保讓系統儘可能截取到最高解析度的影像（圖 1）。

但是這款智慧型結帳系統能夠問世的關鍵，在於採用卷積神經網路（CNN）演算法和快速傅立葉變換（FFT），因此可辨識將近 100 種不同烘焙商品之間的微小差異。

該演算法由 Berry AI 花費 10 週進行開發，使用麵包店所提供約 10,000 張產品影像來訓練資料集。在標記資料一週後，該團隊終於能開發出偵測準確度超過 99% 的推論演算法。換句話說，比人力辨識物體的能力更出色。

更值得一提的是，這些神經網路演算法可以同時且即時地辨識托盤中的多個不同商品，而所有作業皆由位於邊緣端的 Intel Core 處理器執行，並且僅耗用 2 GB 的記憶體。

為使電腦視覺演算法達到最佳化，以利在無風扇邊緣系統上執行，該公司採用了 Intel^® OpenVINO^™ 工具組。深度學習開發套件能幫助工程師，讓電腦視覺工作負載在各種運算架構中發揮最大效能，包括 CPU、 GPU、FPGA 和視覺處理裝置（VPU）。

飛捷電腦視覺產品經理 Ian Zeng 表示，OpenVINO 不僅減少了 CNN 演算法的整體磁碟使用量，而且在 Intel Core 處理器上的執行時間也縮短到 0.1 秒以內。

從餅乾到奇異果

高度準確的 K750 / K760 電腦視覺系統能降低多方面的人力成本。由於對熟知各種烘焙商品的人力需求減少，雅特烘焙節省了多達 50% 的訓練成本。此外，智慧型結帳系統幫助縮短排隊等候時間，並提高效率，因而使整體人力需求下降約 20%。

在該解決方案取得成功後，AI 電腦視覺系統現在也拓展至其他食品辨識應用。

隨著雅特烘焙在所有營業據點部署了智慧型結帳系統，飛捷/Berry AI 技術也應用在其他工作環節。以雜貨店為例，其解決方案可應用於要求更高的物體辨識作業，例如區分不同類型的產品。

由於不同品種的蘋果或各種類型的柳橙可能具有幾乎相同的顏色、形狀和大小，因此傳統人力很難區別（更不用說使用電腦視覺演算法）。但是，Berry AI 開發的進階演算法現在可以使用相同的 K755 基礎結構，區分外觀幾乎無異的番茄、蘋果、梨子和奇異果。

就算擴大應用規模，零售商也可以利用 K755 平板電腦等電腦視覺解決方案來取代任何類型的傳統條碼掃描作業。如此一來，這類供應商便可省去條碼基礎設施的開銷，藉由將食品的物理接觸量降至最低來提高衛生程度，並有可能如同這間台灣最著名的麵包店之一，享受顧客滿意度提升和成本縮減帶來的效益。