Honeycrisp? Pink Lady? Nittany? Zlato od đumbira? Jonagold? Zlatni delišes? Cornish Gilliflower?
Kiosci za samostalnu blagajnu u trgovini mješovitom robom mogu uštedjeti vrijeme i prostor brzim kupcima, ali ako artikal nema crtični kod, npr. proizvesti (nadajmo se) – još uvijek morate pretraživati popis varijacija, što može izgubiti bilo koje vrijeme koje ste dobili postupnim ukidanjem ljudskih interakcija. Ali a novi Toshibin sustav koristi bazu podataka koja stalno uči i web kameru za prepoznavanje pojedinačnih vrsta proizvoda. Gdje si bio tijekom sezone jabuka, Toshiba?
Sustav je razvio tim pod vodstvom Susumua Kubote u Toshibinom istraživačkom centru u Kawasakiju u Japanu. Oslanja se na web kameru i bazu slika, ali samo na početku. Pojedinačne vrste proizvoda može biti teško prepoznati bilo za ljude bilo za web kameru, uključujući suptilne varijacije u veličini, obliku i boji, kao i razlike u perspektivi, tako da ovaj sustav ima mogućnost učiti. Skenirati će stavku na ladici i zatim prikazati popis opcija, s najvjerojatnijim na vrhu. Nakon što kupac odabere ispravnu opciju, stroj će pohraniti tu fotografiju i koristiti je kao referencu za budućnost.
Testovi su pokazali da je softver čak mogao prepoznati proizvode zarobljene u plastičnoj vrećici, što nije nimalo loše. Kubota napominje da je prepoznavanje predmeta poput voća još teže od prepoznavanje lica, budući da se proizvodi manje razlikuju.
Čini se da je Kubota također posebno zabrinut da će kupci prevariti softver kako bi platili jeftinije proizvode. Budući da s vremenom uči, ako ljudi izaberu, recimo, jeftinu opciju Red Delicious umjesto premium Honeycrisp, oni će uštedjeti novac, ali algoritam će biti oslabljen i neće moći prepoznati niti raznolikost. Međutim, to je problem s bilo kojim automatiziranim sustavom naplate i obično se rješava tako da grupa kioska bude nadzirana od strane čovjeka. Toshiba se nada da će automatizirani sustav uvesti u trgovine u roku od tri godine.
Novi znanstvenik
