該如何解決零售現場日益顯著的人手不足問題？

零售業現場人手不足的問題日益嚴峻，業者對於造成店員沉重負擔的櫃檯結帳業務，愈來愈講求省力化與無人化。

能實現上述需求的方式，便是活用條碼掃瞄技術的自助櫃檯。只是若採取這種方式，消費者得自行在機械逐一掃瞄商品條碼，不僅如此，也無法因應生鮮食品這種無法貼上條碼的商品。

目前業界已開始嘗試在商品黏貼RFID（無線射頻辨識系統）標籤，藉此進行自動化結帳，但現階段IC標籤單價過高，且標籤在低溫或高溫環境下的耐久性尚存有疑慮，因此遲遲未能正式導入一般零售店面。

結合兩種影像辨識技術，藉此解決當前課題。

NEC運用研發多年的影像辨識技術，透過攝影機辨識商品本身的方法，可望實現無需條碼與RFID的無人結帳技術。

零售店銷售的商品可說是琳琅滿目，例如生鮮食品等自然產物，每種個體的外觀差異極大，但也有許多商品的包裝設計上極為相似。針對這些特徵有大幅差異的商品群，運用攝影機建立影像資料，並統一進行高精確度的辨識並非易事。另外，依據拍攝時的環境條件，即使是相同商品也可能產生顏色等些微落差，而有降低辨識精確度的隱憂。

為了解決上述課題，NEC全新硏發出結合以下兩種科技的「多種物體辨識技術」。

➊特徵點比對技術

本技術能夠針對拍攝的商品影像，檢測出多處具有特徵的部位，再與事先登錄商品影像的特徵點進行比對，藉此來辨識商品。主要具備功能為：能夠詳細辨別包裝商品等設計排版上的細微差異。

➋深度學習（Deep Learning）技術

深度學習技術的研究目的，是分析影像辨識與資料關聯性，以此項技術為基礎，再依據零售業實際狀況，所著手開發的引擎，具備了能分辨類似商品構造的演算法。藉由事先讓系統學習商品的形狀、顏色等特徵，就能不受生鮮食品或便當等個體外觀差異的影響，進而能夠正確辨識商品。

藉由結合深度學習技術，將錯誤率控制在0.1%以下。

運用「多種物體辨識技術」的無人櫃檯，由深度學習的引擎自動學習，並依據不同商品調整兩種技術的運用比例，因此能夠靈活搭配使用。

過去的研究開發過程，在僅使用特徵點比對技術的階段，產生的辨識錯誤率約為8%左右。這次結合兩種技術，並運用至1萬件以上的商品進行測試，成功將錯誤率控制在0.1%以下*。

運用「多種物體辨識技術」的無人化結帳系統，已從2018年3月起，在NEC公司內的商店進行測試運用，並加以驗證。

目前，便利商店及超市的商品更換十分頻繁。NEC持續致力於讓商品影像登錄手續更有效率，並更進一步提升辨識精準度。期望在不久的將來，能將本技術加以商用化，作為解決零售業當前課題之解決方案而有所貢獻。

※NEC資料科學研究所內部實施之試驗結果。

運用機械學習技術，研發出能夠預估櫃檯結帳現場情況的影像辨識方式。

在不造成顧客負擔的前提下，只靠攝影機一次性地正確辨識多種商品，需要的是即使顧客將商品隨便亂放在櫃檯上，也能進行辨識的技術。然而，傳統技術必須將商品排列整齊、不能緊靠在一起，才能正確地進行辦識。

為了改善這一點，NEC研發出運用機械學習技術的全新影像辨識方式。首先，使用顯示器作為擺放商品的平台，從下方顯示任意顏色並進行拍攝，便能更容易拍攝商品的遮罩（Mask）圖像。 

接著根據這些商品的圖像，自動產生模擬商品之間部分重疊等櫃檯結帳現場真實圖像的樣式（Pattern）後，使電腦事先自動學習這些樣式。藉由這樣的方式，不需為了機械學習而拍攝大量的影像資料，即使在多種商品雜亂混合的環境下，也能成功提升辨識精確度。在店裡購物的顧客，只要將所有商品隨意放在櫃檯上，便能瞬間計算出總金額。

（日文版原文發表日期：2018年5月）

研究者簡介

岩元浩太 NEC資料科學研究所主任研究員

白石壯馬 NEC資料科學研究所主任