使用数字孪生模型部署高精度零售应用程序

零售供应链是复杂的，包括从创造一个产品，分销它，把它放在商店货架上，把它送到客户手中的一切。零售商和包装消费品（ CPG ）公司必须审视整个供应链，寻找关键的缺口和问题，这些缺口和问题可以通过技术和自动化来解决。计算机视觉已经被许多这样的公司应用了很多年，在他们的商店、仓库和装配线上都有摄像头。这就是 边缘计算 的用武之地，人工智能应用程序可以在远程位置运行，使公司能够将这些摄像头从信息源转换为情报源。有了人工智能，这些摄像头可以从信息源变成情报源。是否提供店内分析以帮助评估流量模式和优化产品布局，改进包装检测和分析，以及仓库内的整体健康和安全。

计算机视觉应用在零售领域面临的挑战是，要确保人工智能模型的准确性和安全性，需要大量的数据。一旦经过培训，这些模型就需要部署到边缘的许多位置，通常没有现场的 IT 资源。 Kinetic Vision 与 NVIDIA 合作开发了一种解决这一问题的新方案，使零售商和 CPG 公司能够生成精确的模型，并在边缘进行扩展。

解决数据挑战是使用 迁移学习工具包 和 迁移学习工具包 （ TLT ）等 NVIDIA 工具训练人工智能模型的关键。使用合成数据生成器， Kinetic Vision 不仅生成数据量，还生成所需的方差，以确保模型在任何环境中都能运行。使用不同的方法，包括 GANs 、模拟传感器数据（ LIDAR 、雷达、 IMU ）、真实感 3D 环境、合成 x 射线和物理模拟，可以快速轻松地生成各种角度、照明、背景和产品类型。

然后，这些合成数据被用来训练一个模型，这个模型可以在一个数字孪生模型中进行测试，这个模型是仓库、供应线、商店或模型将要部署的任何环境的虚拟表示。利用合成数据和数字孪生模型，动态视觉可以对模型进行训练、仿真和再训练，以达到所需的精度水平。

一旦人工智能模型达到了预期的性能水平，就必须在现实世界中进行测试。这就是 NVIDIA Fleet Command 的用武之地。舰队司令部是一个混合云平台，用于在边缘部署和管理人工智能模型。预先训练的模型只需加载到 NGC 目录中，然后使用 Fleet Command UI 在边缘系统上部署，只需单击几下。一旦部署到边缘，模型就可以继续使用从存储或仓库发回的真实数据进行优化。使用舰队司令部可以再次轻松部署和管理这些更新。

这种创建零售计算机视觉应用程序的新方法的优点包括投资回报率和技术优势。开发一个带有数字孪生子的人工智能模型的成本很容易是在物理环境中做同样事情所需时间和成本的 10% 。使用 digital twin ，测试可以在没有物理基础设施或需要中断生产的情况下完成。此外，新产品和产品的变化可以很容易地适应，而不需要库存照片必须手动注释。最后， digital twin 生成了一个通用且可扩展的模型，该模型仍能提供生产部署所需的准确性。

关于作者

Amanda Saunders 在 NVIDIA 负责 Edge 和企业计算解决方案集团的 Edge AI 产品营销。她为医院、商店、仓库、工厂等带来了智能的边缘计算解决方案。除了从事 edge 解决方案之外， Amanda 还在 NVIDIA 担任销售和营销角色，与 AI 、数据科学、虚拟 GPU 和许多不同行业合作。

审核编辑：郭婷