Tietokonenäköpohjaisen luokitusratkaisun rakentaminen hedelmille ja vihanneksille: Amazon

Tietokonenäköpohjaisen luokitusratkaisun rakentaminen hedelmille ja vihanneksille: Amazon

Edustava kuva Kuvahaku: ANI


Verkkokaupan pääaine Amazon lauantaina kertoi rakentavansa tietokonenäköpohjaisen ratkaisun, joka voi auttaa asiakkaille lähetettävien hedelmien ja vihannesten laadun arvioinnissa.

Yhtiö aikoo myös käyttää lähellä infrapuna-antureita havaitsemaan ominaisuuksia, kuten makeutta ja kypsyyttä.

'' Laatu on yksi hedelmien ja vihannesten ostopäätösten avaintekijöistä ja kriittinen tekijä asiakastyytyväisyyden saavuttamisessa. Ihmiset antavat hedelmien ja vihannesten laadun arvioida tutkimalla manuaalisesti jokaisen yksittäisen tuotepalan - jokaista tomaattia tai kutakin sipulia ei voi skaalata miljooniin laatuarviointeihin päivässä, '' Amazon Intia Varapuheenjohtaja (koneoppiminen) Rajeev Rastogi sanoi Amazon Smbhav -tapahtumassa.

Hän lisäsi, että yritys rakentaa tietokoneen visioon perustuvaa luokitteluratkaisua esimerkiksi sipulille ja tomaateille. '' ML (koneoppimiseen) perustuva lähestymistapa-analyysi tuottaa kuvia vikojen, kuten leikkausten, halkeamien, painevahinkojen jne. Havaitsemiseksi, ja voi suorittaa miljoonia arviointeja päivässä kustannuksilla, jotka ovat selvästi alle minkä tahansa muun menetelmän kustannukset. Aiomme kehittää kuljetinhihnaan perustuvan automaattisen lajittelu- ja pakkauskoneen '', hän sanoi.


Hän lisäsi, että gradienttipakkauskone vähentää luokittelukustannuksia 78 prosenttia manuaaliseen luokitteluun verrattuna.

'' Aiomme myös käyttää lähellä olevia infrapuna-antureita sellaisten ominaisuuksien kuten makeuden ja kypsyyden havaitsemiseksi, joita ei voida havaita perinteisillä tietokonenäköalgoritmeilla kaapatuissa RGB-kuvissa, ja vaatimme tuhoavia menetelmiä, kuten syöminen hedelmälle, jota ei voida selvästikin skaalata '', sanoi.


Korostaen, että Amazonin sähköisen kaupankäynnin eri toimialoilla on lukuisia koneoppimisen sovelluksia, Rastogi sanoi, että yritys käyttää ML: ää suosittelemaan tuotteita asiakkaille, ennakoimaan tuotteiden tulevaa kysyntää ja parantamaan tuoteluettelon laatua luokittelemalla tuotteita ja poistamalla päällekkäiset tuotteet . '' Sovellamme myös ML-tekniikoita tuotteiden sijoittamiseksi hakutuloksiin, pakkauskustannusten alentamiseen, osoitteen laadun parantamiseen ja tuotekehityksen oivalluksiin arvosteluista '', hän lisäsi.

Rastogi huomautti, että alustan kansankieliset käyttäjät ovat kasvaneet 175 prosenttia vuodentakaisesta ja käyttäjät voivat lukea 98 plus prosenttia tuotenäkymistä alueellisilla kielillä.


Amazon.in tukee viittä kansankieliä - hindia, kannada, tamili, telugu ja malajalam. Hän selitti, että konekäännöstä käytetään tuotesisällön, kuten otsikko, luettelomerkit ja kuvaus, kääntämiseen englannista kansankielelle.

(Tätä tarinaa ei ole muokannut Everysecondcounts-themovie-henkilökunta, ja se on luotu automaattisesti syndikoidusta syötteestä.)