隨著部署電腦視覺、機器學習和大數據分析，零售商務環境正在改變。綜合起來，這些技術能為實體市場帶來真正的商業利益，可降低營運成本、減少耗損、改善生產力，並提供更好的購物體驗。

零售商們正在尋找創新的方法，希望能讓顧客再回到他們的店面。例如，運用臉孔辨識及其他生物特徵辨識技術，讓購物者進行無現金交易，或是申請參加商店的獎勵計畫。可藉由即時看見顧客到底購買了什麼產品及購買了多少數量，以減少遭竊的可能性。

開發人員與系統整合商運用最先進的平台提供這些應用程式，不像第一代的視覺、AI 和機器學習解決方案一樣需要編寫大量的程式與資源。

交易工具

機器學習工具非常適合零售商應用程式。畢竟，以買賣為中心的活動具有相當的一致性。這代表開發人員與系統整合商可選擇包含 Javascript API 程式庫的彈性機器學習解決方案。這能讓解決方案提供多種動作，而不需要持續根據需求自訂。

運用這樣廣泛的程式庫，可協助開發人員快速建置具有完整功能性的解決方案，在邊緣識別產品並套用商業規則，同時在雲端進行深度分析。

這能加速機器學習程序。開發人員可以在完全無需編寫程式碼的情況下利用解決方案的功能，並且只有在必須滿足零售商的特定需求時，才需要進行自訂。

其餘的開發技術也能以對零售商和其他市場區段有益的方法，簡化與強化機器學習程序。

舉例來說，相較於 GPU，Intel^® Movidius^™ 具有更優異的功率消耗表現。而 OpenVINO^™ 工具組（之前稱為 Intel^® Computer Vision SDK） 能促進開發模擬人眼視覺的應用程式與解決方案，提高多達 19.9 倍的深度學習效能。

一個實際的範例

若企業想要運用簡化物聯網程序的優勢，可以考慮裝置製造商 AOPEN 和網路 API 工具開發商 meldCX 共同開發的零售解決方案。

meldCX 軟體使用 meld-intelligence (m-intelligence) 技術，這是一套 AI 系統，可透過電腦視覺與資料分析提供機器學習能力。它能在網路邊緣和 Microsoft 的 Azure Cloud 中識別零售產品、學習行為模式，並套用商業規則。在雲端中，m-intelligence 會訓練解決方案識別產品和套用商業規則。一旦機器學習上線，規則便會向下推至邊緣裝置。

AOPEN 提供的開放平台具有強固的特定用途硬體，專為零售業使用所設計。由於部署容易，系統整合商只需要數小時就能安裝系統，不用花上數天。

AOPEN-meldCX 解決方案原先是為 Prolife Foods 所開發，這間公司是澳洲與紐西蘭許多領導廠牌背後的企業。meldCX 產品識別技術可讓零售商建置並教導他們的自己的機器學習訓練模型。

「透過在連接至磅秤的攝影機上運用進階電腦視覺演算法，系統便能看到並瞭解交易地點所發生的情況，並追蹤所有物品」，Prolife Foods 的總經理 Ian Jackson 這麼說。「我們可以在整個企業中運用這個機器學習模型，並整合我們的供應鏈，將運用端對端資訊的方式最佳化。」

系統概覽

meldCX 工具集和 AOPEN 硬體解決方案讓整合商可以非常直接地完成系統設置並開始運行。在安裝解決方案後，只要訓練具有基礎技術技能的商店員工，便可執行機器學習程序。

「我們簡化了開發解決方案過程中的機器學習。剛開始時，每個產品需要約 4,000 張影像才能訓練系統。我們現在大幅降低了這個數量，在大部分情況下，只需要不到 300 張影像」，MeldCX 共同創辦人兼執行長 Stephen Borg 表示。

我們來看看 AOPEN 和 meldCX 平台如何運作。我們將會使用購買一袋開心果的流程做為範例，如圖 1 所示。收銀台已經部署 meldCX 軟體和 AOPEN 硬體，連同條碼掃描器等標準的 PoS 設備。

• 一旦掃描到堅果袋、捕捉到影像並加上標籤，系統便會識別此袋子中裝滿了開心果。
• 收銀員等商店員工可確認是否套用了正確的標籤，其影像會自動傳送至 Azure 雲端並儲存。
• 雲端中全新或現有的模型會運用所獲得的擷取資料集進行訓練。
• 雲端伺服器會用來識別所擷取影像的關鍵辨識特徵。此模型僅需數個小時，即可完全訓練並準備好識別新的產品。
• 訓練成果會傳回雲端儀表板以供檢閱與介入，然後傳送至模型，進行部署核准程序。
• 最後，可透過 meldCX API 套用包括自助結帳、協助結帳、自助服務和產品選擇等多個商務應用程式。

深入認識解決方案元件

meldCX 和 AOPEN 解決方案為開發人員提供單一的視窗介面來控制操作和建立應用程式。解決方案的 Javascript API 程式庫可簡化機器學習，以完成周邊管理、使用方法、付款處理和資料儲存等傳統的複雜工作。

無需額外編寫程式碼即可使用此解決方案，其簡單的 API 整合與 m-intelligence 能建置供邊緣裝置使用的新模型。meldCX 工具集和 API 程式庫可讓開發人員更進一步微調應用程式。但不需要開發擷取用的配置、驅動程式，或是與機器學習元件有關的任何項目。

此解決方案迅速又精準，使交易快速又簡單。系統只需一秒就能偵測六款產品，很大一部分歸功於 Intel Movidius 與 OpenVINO 工具組的整合。

meldCX 和 AOPEN 解決方案具有彈性與可擴充性，無需為不同的作業系統平台獨立編寫程式碼，可簡單部署在多種平台與裝置上。（請見圖 2。）MeldCX 的 Borg 表示「在安全性部分，解決方案可部署於 Chrome、Windows、Linux 或 Android 加密之後，無需變更任何程式碼。」

不只是結帳

將解決方案連接至他們的 ERP 系統，零售商可以最佳化從配銷到獨立店面的存貨水準。Borg 提供了另一種解釋以供參考︰「零售商經常會銷售水果與蔬菜等季節性產品。根據一年中的不同時間，這樣的產品可能需要從不同地方進口。不需要重新訓練模型，meldCX 解決方案可將產品的產地因素加入系統中，因此能自動正確定價與標價。」

此外，零售商可以維持商品協議的合規性，並讓每個供應商能在走道與商店內配置正確的貨架數量與位置。

另一個使用案例為包裹郵資處理。此解決方案可經過訓練以識別包裹的大小和形狀，並運用 AI 查核重量、貨運商的身分，以及國際運輸規定等。

運用簡化的機器學習，在更少時間內處理更多事情

機器學習讓開發人員與系統整合商擁有全新方法，能達到其最終客戶的目標。AOPEN 和 meldCX 系統等解決方案可簡化並加速機器學習過程，為零售商解決許多挑戰。