Цифровая полка должна стать помощником мерчендайзеров при анализе стеллажей магазина и
структурировании полученной информации.
- Работы человека без приложения занимает много времени
- Скучный, рутинный подсчет может выполнить приложение
- Пока наше приложение работает, человек получает результат
- Определение количества ценников акционной и не акционной продукции
- Определение количества продуктов
- Определение количества полок на фотографии
- Определение длины выкладки продукции
- Определение вида продукта
- Определение неполных полок
- Определение ошибки выкладки продуктов
- Определение цен продукции
- Помощь в исправлении ошибок выкладки работникам магазина
- Робот, занимающийся сбором информации о содержимом полок магазина автономно
flowchart TB
A(получаем изображение) --> B(нейросеть определяет\n расположение и вид ценников)
B --> C(нейросеть определяет\n расположение объектов)
C --> D(отсеивание ошибочных данных\n расположения объектов)
D --> E(определение типов объектов)
E --> F(работа алгоритмов)
F --> G(отправка результатов)
Подаем на вход фотографию:
Бот присылает первую фотографию с выделенными ценниками
Бот присылает вторую фотографию (продукты одного класса выделены одним цветом):
Далее выводит результаты анализа фотографии:
Количество полок: 3.
Общее количество классов: 5.
🏷Общее количество ценников:🏷
▸ Ценники без скидки: 16
📏Длина поклассовой выкладки:📏
1 полка
——————————
▸ молоко Савушкин 74 см;
▸ молоко красно-черное 17 см;
▸ молоко корова 33 см;
2 полка
——————————
▸ молоко Савушкин 71 см;
▸ молоко красно-черное 16 см;
▸ малочны гастiнец 32 см;
3 полка
——————————
▸ молоко Савушкин 23 см;
▸ молоко красно-черное 8 см;
▸ молоко Савушкин 38 см;
▸ молоко красно-черное 15 см;
▸ малочны гастiнец 29 см;
▸ сливки 33% 3 см;
🛒Общее количество продуктов:🛒
▸ сливки 33%: 1
▸ малочны гастiнец: 10
▸ молоко красно-черное: 7
▸ молоко Савушкин: 26
▸ молоко корова: 4
Присылает последнюю фотографию с выделением ошибок выкладки или пустот на полках (в данном случае только ошибка выкладки):
По умолчанию наш проект работает на архитектуре yolov5, поэтому следуя нижепреведенным инструкциям вы будете использровать именно ее.
git clone https://github.com/SenchaBrest/Digital_Shelf.git
pip install -r requirements.txt
Для скачивания весов пройдите по ссылке: weights.
Если вы хотите обучить самостоятельно, возьмите архивы фотографий здесь.
Если вы хотите использовать программу на архитектуре yolov7, вам потребуется самостоятельно склонировать. После этого вы можете скачать наш проект в файле zip и распаковать его в склонированном репозитории. Для yolov7 веса находятся здесь.