"Pizzarias do futuro" aparecem em todo o mundo. Na foto - Zume Pizza da CalifórniaNa bela Rússia do futuro, você irá a uma pizzaria, visitará uma agência postal ou um banco, pegará a coisa certa e sairá com calma. Não haverá filas. Apenas debite automaticamente dinheiro da sua conta. Ao mesmo tempo, a qualidade dos produtos aumentará significativamente, porque eles serão verificados por máquinas, não por pessoas.
As soluções em nuvem nos próximos anos mudarão o mundo do varejo. VR, AR, análise de vídeo, redes neurais - todas essas tecnologias estão conectadas às nuvens e são de responsabilidade direta do VSaaS.
Dodo Pizza é uma rede internacional de pizzarias com uma interessante estrutura de transparência - os dados de ganhos e perdas estão abertos e os investidores podem monitorar os indicadores vitais das pizzarias online: receita, fatura média, produtividade, despesas.
Dodo Pizza coloca vigilância por vídeo em todas as pizzarias. Não apenas Fedor Ovchinnikov pode assistir a transmissão da câmera, mas qualquer pessoa no site do Dodo. A vigilância por vídeo faz parte da estratégia de abertura e transparência do Dodo. É também uma ferramenta para aumentar as vendas.
A base para o sucesso do Dodo é o desejo de automatizar processos de negócios. Para esse fim, a empresa criou o sistema de informações em nuvem Dodo IP e começou a mudar globalmente a abordagem da vigilância por vídeo.
Para a Dodo, tudo começou com um simples desejo de garantir pedidos e mostrar aos clientes o processo de fabricação de pizza. Cada pizzaria na cozinha possui uma câmera. A transmissão é realizada via Internet e está disponível para visualização para todos.
No ano passado, as câmeras nas pizzarias da ferramenta Live Presence evoluíram para uma ferramenta de coleta de dados para análise de vídeo.
A Dodo Pizza aproveitou dois serviços que expandem os recursos da vigilância por vídeo: a plataforma Dbrain e o detector de filas Ivideon.
Redes neurais DBrain
CEO e cofundador da
Dbrain - Dmitry Matskevich. Alguns anos atrás, ele participou da criação do chatbot Icon8, que processa instantaneamente fotos usando redes neurais. O usuário escolhe um dos seis estilos disponíveis para uso no bot - no início do projeto em 2016, isso foi surpreendente.
A Icon8 reuniu 7,5 milhões de usuários - o projeto mais popular da época no Telegram, concedido por Pavel Durov.
Dmitry usou a experiência adquirida no DBrain. A empresa conta com redes neurais e adiciona tecnologia de registro distribuído a elas.
O DBrain é uma plataforma blockchain para trabalhar em conjunto para criar uma IA "fraca". O treinamento em rede neural envolve uma grande quantidade de trabalho manual ao marcar dados - o processo é caro e consome tempo. A equipe descobriu como reduzir o custo de criação e aumentar a precisão das redes neurais: qualquer pessoa pode se tornar um "professor" de uma rede neural por dinheiro.
É muito simples treinar a rede - olhamos para a foto no aplicativo e respondemos quem é mostrado nela: uma raposa, um gato, um cachorro ou uma bola de lã. Talvez esta seja a interpretação mais incrível do jogo "Cow makes MUUU".
A pedido da Dodo Pizza, a DBrain desenvolveu um aplicativo de aprendizado de máquina que monitora a qualidade da pizza. O aplicativo é implementado como um robô do Telegram que avalia pizza de uma fotografia. O bot avaliará independentemente o produto de 0 a 10 pelo critério principal - a qualidade do teste.
O bot trabalha com um exército de compradores misteriosos - esta é a comunidade interna da Dodo Pizza de mais de 50.000 pessoas. A classificação de qualidade das pizzarias é baseada em relatórios de clientes que avaliam semanalmente cerca de 700 pizzas quanto à conformidade com os padrões. Os voluntários recebem rublos de Dodo por seu trabalho, que pode ser usado para pagar pizza no próximo pedido.
Mas onde está a vigilância por vídeo?
A vigilância por vídeo reduz custos e automatiza totalmente o trabalho de compilação de uma classificação de pizzarias. Para fazer isso, basta fornecer ao aplicativo da Dbrain dados de vídeo em vez de fotos. Usando a câmera, o programa terá tempo para verificar não 2 pizzas por semana, como uma pessoa comum, mas 300 por dia - exatamente tudo o que sai do forno.
A rede neural Dbrain segmentou a pizza em 50.000 fotografias e aprendeu a procurar falhas em cada segmento. Por exemplo, se nas bordas de uma pizza a grade detecta pequenos inchaços que são quase invisíveis ao olho humano, então "imediatamente entende" a má qualidade da massa. Ao mesmo tempo, a rede compara cada pizza com o modelo "ideal", criado com base nos dados fornecidos por compradores misteriosos e especialistas que estão envolvidos profissionalmente na avaliação da qualidade da pizza.
Ivideon Queue Detector
Ivideon usou o aprendizado de máquina para criar
um detector de fila . Muitos detectores já foram inventados, mas todos eles não têm falhas. As pessoas na fila não se comportam como formas geométricas estáticas. As pessoas se deslocam de um lugar para outro, interrompendo a operação de sensores externos, tornando-se fundidas com o fundo ou entre si e impedindo a câmera de distinguir objetos.
O aprendizado de máquina tornou possível isolar de uma pessoa a "coisa principal" - a cabeça. Contando com a cabeça, foi possível obter quase 100% de precisão na determinação da presença de uma pessoa no quadro. E basta apenas contar o número de pessoas e enviar ao gerente uma notificação sobre a fila para uma reação instantânea.
O gerente recebe uma notificação e decide abrir outra caixa. Ou fecha a caixa registradora, na qual o caixa descarregado perde.
Outra parte importante do serviço são as estatísticas. O detector conta o número de pessoas na fila, cria gráficos e tabelas que caracterizam a distribuição dos clientes ao longo do tempo. Com esses dados, é mais fácil otimizar o cronograma de trabalho da equipe, avaliar a qualidade da campanha de marketing ou identificar deficiências no visual das janelas.
Os relatórios são gerados no formato CSV, os dados também estão disponíveis na interface da conta pessoal Ivideon. No relatório, você pode descobrir:
● áreas problemáticas (com a possibilidade de comparação dentro de uma ou mais instituições);
● cargas de pico, comprimento e dinâmica de filas;
● dados de vídeo para cada multidão de pessoas.
Com os dados do relatório, é fácil ir além e fazer previsões para os próximos dias e semanas. Agora é fácil descobrir quais bilheterias e a que horas recebem a carga máxima e mínima.
Ivideon também processa dados de balcões de checkout. Para isso, o sistema de gerenciamento de filas deve ser complementado com um
módulo de integração gratuito com 1C. Na interface 1C, o usuário recebe vídeos de todos os eventos do sistema, como impressão de cheques, operações de armazém (aceitação, remessa), devoluções de produtos.
Classificação de investimento
O custo do projeto com Dbrain "Dodo" em domínio público ainda não foi publicado. Mesmo se você optar pelo custo máximo, a solução ainda parece lucrativa - a rede neural não pede e não afirma ser pizza grátis.
O custo de um detector de fila é visto por qualquer usuário do serviço Ivideon em sua conta pessoal - 800 rublos por câmera por mês. A mesma quantia inclui um detector de movimento, um arquivo na nuvem (que é pago), a capacidade de incorporar a transmissão da câmera ao seu site ou compartilhar vídeos nas redes sociais.
Para aqueles que já usam o arquivo na nuvem para armazenar dados da câmera, conectar o detector parece um passo óbvio. Dadas atualizações periódicas, deve-se esperar mudanças que ampliem as funções do serviço. Após o detector de pessoas como objetos, um detector de rosto obviamente seguirá.
O negócio nesta história está interessado em lucro. É muito cedo para tirar conclusões com a Dodo, mas outra empresa (Interlogika)
publica esses números: o custo total da introdução de um sistema de detecção de fila, levando em consideração a compra de câmeras (não havia nenhuma na instalação), totalizou aproximadamente 500.000 rublos. A manutenção do sistema custa 30.000 rublos por mês. Devido ao aumento da qualidade do trabalho e à economia de pessoal (um vendedor adicional aparece apenas quando necessário), a receita média da loja aumentou 7%. O sistema será recompensado em menos de 1 ano e começará a gerar lucro.
Conclusões
A câmera é uma peça de plástico finamente funcional. Ajuda a monitorar funcionários, clientes, mercadorias - alterando assim a qualidade do serviço. Mas a câmera não sabe fazer nada além de piscar uma faísca e mostrar uma imagem.
Até 10 a 15 anos atrás, a câmera parecia uma versão de um cão de guarda com deficiência - monitora o perímetro, sinaliza o guarda sobre os infratores, ajuda a resolver crimes e isso é tudo. Com o advento da análise de vídeo, a câmera em si não mudou, mas seus recursos se expandiram muitas vezes.
Parece que todos os principais players da Rússia lançam projetos de teste individuais com análise de vídeo. O Safmar Retail, dono de 30% do mercado de eletrônicos de consumo, conta com blockchain e realidade aumentada. O X5 Retail Group está testando a tecnologia Intelligence Retail, residente em Skolkovo, para monitorar a disponibilidade de mercadorias nas prateleiras das lojas, usando visão de máquina e câmeras Ivideon. O IIDF investe separadamente em uma plataforma de compras sem fila.
As pequenas e médias empresas congelaram em antecipação ao seu destino.