针对新零售场景，PAI提供了智能货柜商品分析解决方案。该解决方案支持识别商品信息、陈列位置、排面分层和货架利用率（即空位分析）等开箱即用的能力，用于智能化营销、销量分析等场景。本文为您介绍如何准备构建智能货柜商品分析模型服务需要的数据。

前提条件

使用该解决方案之前，请先完成以下准备工作。

背景信息

智能货柜商品分析场景，存在商品更新频繁，服务上线标注量大等问题。PAI提供的智能货柜商品分析解决方案，仅需准备少量商品牌面测试图片、图片标注结果及待上架商品的相关环拍信息，就可以得到在线识别接口。经过少量的数据回流后，可以达到大约95%的准确率。目前PAI已经与多家知名智能货柜生产商和品牌方合作，提供相关视觉算法服务。

方案优势：
  • 无需大量标注：更新商品仅需要环拍数据，无需大量检测框标注。
  • 更新快：提交环拍数据和需求后，24小时内服务即可上线测试。
  • 多样性：支持商品个数位置统计，支持分层和可视化等后处理。
  • 低延迟：业界最快检测模型支持。

准备数据

如果您需要构建智能货柜商品分析模型服务，需要准备商品名列表、商品环拍视频、测试图片数据和智能标注结果四种数据，并以Excel格式提供给阿里云机器学习支持团队。

  1. 准备以下四种数据。
    • 商品名列表，具体格式要求及示例如下。
      格式要求示例
      • 保证商品名称唯一。
      • 保证商品序号唯一，且与商品名一一对应。
      		video_excel
    • 商品三个角度环拍视频：每个商品需要包含平拍、俯拍和仰拍三个角度环拍视频，并将环拍视频存放在OSS Bucket目录下，具体格式要求及示例如下。
      商品要求环拍格式要求示例
      • 商品的长、宽、高总和应不小于30厘米，否则会导致精度不佳。
      • 商品的长、宽、高最短边应不小于2厘米。
      • 如果有近似商品，例如：XX饮料包装一致但口味不同，需要归类为同一类别。
      • 每个商品环拍需包括平拍、俯拍和仰拍三个角度，环拍角度在360~720度（即转动1周~2周）之间。
      • 光线良好，转速均匀，画面清晰，无明显模糊。
      • 商品尽量位于视频中心，且占据主要面积（即大于图像的一半）。
      		平拍视频
      俯拍视频
      仰拍视频
    • 测试数据与标注结果：您需要准备10~20张真实场景数据，如果场景变化较多且复杂，例如包括室外或强光等场景，可能需要适当增加测试数据。使用PAI-iTAG标注平台完成检测框标注，具体操作步骤如下。
      1. 准备测试数据，并将数据存放在OSS Bucket目录下。具体格式要求及示例如下。
        测试数据格式要求示例
        • 测试数据需要是场景真实数据。例如：柜面摄像头真实拍摄的图片。
        • 测试数据标注需要采用PAI-iTAG标注。
        		test_data
      2. 在PAI的数据集管理模块，通过扫描文件夹创建数据集的方式，将已准备的测试数据生成.manifest格式的数据集，详情请参见创建数据集：扫描文件夹创建数据集。
      3. 通过智能标注（iTAG）管理员控制台，创建标注任务，详情请参见创建标注任务。

        其中：模板选择图像类中的目标检测。

      4. 通过智能标注（iTAG）标注员控制台，进行数据标注，详情请参见标注商品（打标、质检即验收）。
      5. 在智能标注（iTAG）页面的任务中心页签，单击标注完成的任务操作列下的获取标注结果，得到存放在指定OSS Bucket目录下的标注结果数据集。
  2. 将步骤1准备的数据汇总到Excel文件，具体示例请参见video_excel_all。