零售供應鏈是復雜的，包括從創造一個產品，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，尋找關鍵的缺口和問題，這些缺口和問題可以通過技術和自動化來解決。計算機視覺已經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，使公司能夠將這些攝像頭從信息源轉換為情報源。有了人工智能，這些攝像頭可以從信息源變成情報源。是否提供店內分析以幫助評估流量模式和優化產品布局，改進包裝檢測和分析，以及倉庫內的整體健康和安全。

計算機視覺應用在零售領域面臨的挑戰是，要確保人工智能模型的準確性和安全性，需要大量的數據。一旦經過培訓，這些模型就需要部署到邊緣的許多位置，通常沒有現場的 IT 資源。 Kinetic Vision 與 NVIDIA 合作開發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。

解決數據挑戰是使用 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鍵。使用合成數據生成器， Kinetic Vision 不僅生成數據量，還生成所需的方差，以確保模型在任何環境中都能運行。使用不同的方法，包括 GANs 、模擬傳感器數據（ LIDAR 、雷達、 IMU ）、真實感 3D 環境、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、背景和產品類型。

然后，這些合成數據被用來訓練一個模型，這個模型可以在一個數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境的虛擬表示。利用合成數據和數字孿生模型，動態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 在邊緣系統上部署，只需單擊幾下。一旦部署到邊緣，模型就可以繼續使用從存儲或倉庫發回的真實數據進行優化。使用艦隊司令部可以再次輕松部署和管理這些更新。

這種創建零售計算機視覺應用程序的新方法的優點包括投資回報率和技術優勢。開發一個帶有數字孿生子的人工智能模型的成本很容易是在物理環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設施或需要中斷生產的情況下完成。此外，新產品和產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部署所需的準確性。

關于作者

Amanda Saunders 在 NVIDIA 負責 Edge 和企業計算解決方案集團的 Edge AI 產品營銷。她為醫院、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 、數據科學、虛擬 GPU 和許多不同行業合作。

審核編輯：郭婷