Jetez un coup d'œil à l'intérieur du moteur d'IA de Scandit

Imaginez un employé de magasin d'alimentation, recevant une alerte en temps réel sur son appareil intelligent. Un produit à succès dans l'allée cinq n'est plus sur l'étagère — mais cinq boîtes se trouvent dans l'arrière-boutique.

Ils sortent à l'arrière et scannent la zone de stockage bondée avec leur appareil. Une superposition en réalité augmentée (RA) identifie instantanément non seulement le bon produit, mais aussi la boîte avec la date d'expiration la plus rapprochée.

Étagère réapprovisionnée en quelques minutes avec le produit optimal. Pas de conjectures, pas de temps perdu, pas de ventes perdues.

Le principal avantage… est le fait qu'en un clic, vous pouvez avoir l'image de tout le magasin. Le fait que vous puissiez réellement avoir la vision de la disponibilité des produits sur l'étagère au quotidien est quelque chose qui ne peut se comparer à aucun autre processus manuel…. Des ventes améliorées proviennent d'une meilleure disponibilité.

Piotr Lubiewa-Wielezynski, Directeur du Développement des Ventes, Carrefour

Tout cela est alimenté par le moteur d'IA de Scandit — l'intelligence sous-jacente à la plateforme de capture de données intelligentes de Scandit qui alimente nos produits de lecture de codes-barres, de lecture d'identifiants et de ShelfView.

En automatisant des tâches complexes et en fournissant des informations en temps réel, le moteur AI de Scandit permet aux travailleurs et aux clients de prendre des décisions plus rapides et plus précises. Considérez-le comme le cerveau derrière chaque numérisation qui gère avec aisance des scénarios commerciaux réels complexes et dynamiques pour guider les actions et améliorer l'efficacité dans l'ensemble de votre entreprise.

Qu'est-ce qui rend le moteur AI de Scandit spécial ?

Les GenAI à usage général comme ChatGPT peuvent attirer les gros titres. Mais lorsque vous développez des applications d'entreprise avec des enjeux opérationnels réels, la véritable valeur émerge lorsque l'IA est conçue pour résoudre des problèmes commerciaux spécifiques et mesurables, comme améliorer la disponibilité en rayon.

Ce qui rend le moteur IA de Scandit spécial, ce sont les principes qui le guident, des principes développés au cours de plus de 15 ans de création de solutions concrètes pour les plus grandes entreprises mondiales.

1. La précision est non négociable : Atteindre une précision de 99,9 % est crucial dans notre domaine. Lorsque nous disons qu'une pièce d'identité est fausse, qu'il y a cinq présentations de produit, ou qu'une combinaison patient-médicament est correcte, il y a presque zéro tolérance pour l'erreur.
2. La sécurité et la confidentialité sont au premier plan : Nous formons nos modèles de différentes manières pour résoudre divers problèmes. Une chose que tous les produits Scandit ont en commun, cependant, est qu'ils ne sont pas formés sur les données en temps réel des clients par défaut. À la place, les clients reçoivent le modèle final et formé. Celui-ci a la capacité d'interpréter des millions de pixels en quelques millisecondes. Dans la plupart des cas, le modèle fonctionne localement sur les appareils des utilisateurs finaux, gardant ainsi les données sensibles là où elles doivent être.
3. Optimisé pour des performances en temps réel sur des appareils mobiles commerciaux: Dès le début, nous avons dû construire pour fonctionner efficacement sur les appareils des travailleurs de première ligne, où la vitesse est cruciale et la durée de vie de la batterie précieuse.
4. Utilisation ciblée de l'IA : Nous utilisons l'IA de manière délibérée et ciblée, là où elle peut améliorer de manière significative des processus spécifiques. Le Scandit AI Engine automatise des tâches de capture de données très spécifiques (et fastidieuses) qui nécessitaient auparavant une intervention manuelle importante. Cela apporte une valeur significative et quantifiable aux entreprises.
5. Flux de travail centrés sur l'utilisateur : Nous répondons aux défis réels des utilisateurs tels que la numérisation rapide, robuste et ergonomique même dans des conditions difficiles. L'objectif principal est toujours de créer une expérience utilisateur qui "fonctionne simplement", et dont ni le développeur ni l'utilisateur n'ont à se soucier.

Voici un aperçu de la façon dont le moteur d'IA de Scandit alimente nos trois principales gammes de produits. Nos produits de lecture de code-barres partagent une base de code unifiée et des modèles d'apprentissage automatique communs. La numérisation d'identification et ShelfView sont techniquement distincts, mais ils sont construits par la même équipe, s'appuient sur la même expertise approfondie en vision par ordinateur et suivent les mêmes principes.

Scan de code-barres avancé

Scandit utilise l'apprentissage automatique (ML) et la vision par ordinateur (CV) pour décoder les codes-barres à partir du flux de la caméra des appareils intelligents depuis plus de 15 ans.

À l'époque où nous avons fondé Scandit, c'était un problème d'ingénierie difficile. L'IA moderne en était à ses débuts. Les appareils photo des premiers smartphones manquaient également de mise au point automatique et n'étaient tout simplement pas de qualité suffisante.

Au début, le DSI de l'un des plus grands épiciers d'Europe nous a dit que notre technologie ne serait jamais assez bonne. Nous comptons maintenant parmi nos clients 8 des 10 plus grands épiciers américains et 5 des 10 principaux détaillants européens.

Si vous ne travaillez pas dans le domaine, il est facile de sous-estimer combien la vision par ordinateur est difficile. Les humains sont des créatures très visuelles. Environ la moitié de votre cerveau — le superordinateur le plus puissant que nous connaissions — est consacrée au traitement visuel.

Ce qui est facile pour les humains est difficile pour les ordinateurs. Regardez l'image ci-dessous. Il est facile pour l'œil humain de dire que le code-barres que l'utilisateur veut scanner est celui sur le produit qu'il tient, et non l'un des codes-barres visibles sur l'étagère en arrière-plan.

Mais jusqu'à la sortie du SDK Scandit 7 en 2024, il n'y avait aucun logiciel dans le monde capable de le faire de manière fiable.

Pour réussir à scanner le code-barres dans cette image, le moteur AI de Scandit doit :

• Identifier le code-barres que l'utilisateur souhaite scanner en analysant des données contextuelles telles que le mouvement et les caractéristiques du code-barres.
• Décoder le code-barres identifié, qui dans ce cas est minuscule, imprimé sur une surface courbe, et avec quelques reflets. D'autres facteurs que nous rencontrons sont les codes endommagés, la faible luminosité, les angles extrêmes et les images floues.

Les cas limites n'ont pas besoin d'être codés en dur. Au lieu de cela, notre balayage de codes-barres alimenté par l'IA fait tout cela automatiquement. Il s'adapte à différents environnements pour scanner les codes de manière fiable sans nécessiter d'instructions explicites de la part du développeur ou de l'utilisateur final.

Les capacités de capture de données pilotées par l'IA de Scandit démontrent une expertise technique remarquable et montrent une attention particulière aux innovations qui améliorent véritablement l'expérience de numérisation de l'utilisateur dans des conditions réelles.

François Martin, CTO et co-fondateur de Yuka

Et ce n'est que le balayage d'un seul code. Nos produits MatrixScan font tout ce qui précède, mais ici, le moteur Scandit AI scanne également plusieurs codes en parallèle. Il suit leur position et ajoute des superpositions de réalité augmentée (AR) pour résoudre des cas d'utilisation spécifiques tels que comptage, trouver, ou cueillette articles — tous sans épuiser la batterie.

Capture d'étiquette intelligente, notre tout nouveau produit de numérisation de codes-barres, va au-delà de la numérisation de multiples codes-barres pour capturer également du texte. Plus important encore, il comprend la structure des étiquettes : formats de codes-barres (par exemple, numéros IMEI à 15 chiffres), positionnement des champs et relations contextuelles (par exemple, "À CONSOMMER JUSQU'À" à côté d'une date).

Le résultat est que votre application reçoit précisément les données dont elle a besoin. Ni plus, ni moins.

Numérisation et vérification d'identité

Les documents d'identité sont désordonnés : les formats varient selon les juridictions, des conceptions plus anciennes restent en circulation, et les fraudeurs imitent des détails subtils de mise en page et de codage. Cela rend les vérifications d'identité précises difficiles pour les équipes de première ligne.

Dans Numérisation d'identité et vérification, le moteur AI de Scandit combine ML, CV, modèles de langage visuel (VLM) et d'autres technologies comme la reconnaissance optique de caractères (OCR) pour transformer des entrées visuelles non structurées en données d'identité structurées et vérifiables auxquelles les utilisateurs peuvent faire confiance.

Les scanners d'identification traditionnels s'appuient sur des modèles rigides et "extrait" principalement des données, ce qui les rend inefficaces lorsque les documents s'écartent des spécifications ou lorsque des faux exploitent des incohérences. Par exemple, les permis de conduire américains utilisent tous des codes-barres PDF417, mais encodent les champs différemment selon l'état.

Le Moteur d'IA Scandit pour la vérification d'identité fonctionne différemment. Au lieu de cela, il reflète la manière dont l'art contrefait est détecté. L'art contrefait est détecté non pas en regardant le sujet lui-même, mais en examinant les coups de pinceau, les techniques, et les matériaux pour évaluer s'ils s'alignent avec une œuvre authentique.

De même, le moteur AI de Scandit ne se contente pas de capturer et de décoder des valeurs de données individuelles. Au lieu de cela, il analyse les caractéristiques structurelles — comment les champs sont stockés, comment les codes-barres sont générés et imprimés, et comment les éléments visuels sont agencés — pour capturer précisément les données et détecter les contrefaçons.

VueÉtagère

Notre solution d'intelligence d'étagère, Vue de l'étagère, est une solution spécialisée qui analyse les images des étagères de magasin capturées à l'aide de dispositifs intelligents, de caméras fixes et de robots. De la même manière que les LLM sont entraînés, nous ingérons d'immenses ensembles de données pour comprendre les étagères de vente au détail de manière complète et précise. Cela permet aux détaillants de voir ce qui se trouve réellement sur leurs étagères, et pas seulement ce que leur système d'inventaire indique.

• L'analyse de scène identifie les plateaux, les étagères, les produits et les étiquettes d'étagère.
• Les produits sont identifiés jusqu'au niveau SKU grâce à la reconnaissance d'images.
• La reconnaissance optique de caractères et la numérisation des codes-barres sont utilisées sur les étiquettes de rayonnage pour extraire les informations sur le produit et le prix.

Ensemble, ils créent une représentation numérique précise de l'étagère (souvent appelée un réalogramme). Les associés reçoivent ensuite des alertes prioritaires pour les produits manquants ou mal placés, les erreurs de prix et de promotion, afin que les problèmes puissent être résolus avant que les clients ne les remarquent.

Quelle est la prochaine étape pour le moteur d'IA de Scandit ?

L'avenir de l'IA réside dans des modèles spécifiques à des domaines adaptés aux besoins uniques de l'industrie. En fin de compte, le moteur AI de Scandit évolue vers une situation où vous ne scannez pas des codes-barres, ne scannez pas des identifiants, ne scannez pas des objets, ni même du texte. Vous… scannez simplement.

L'analyse de scène holistique intègre plusieurs sources de données et contextes et renvoie exactement les données et les informations dont vous avez besoin pour votre contexte spécifique — que vous soyez un consommateur, un associé de magasin, un livreur ou un gestionnaire des opérations — sans que vous ayez à changer d'outils ou à l'instruire explicitement sur ce que vous voulez.

À bien des égards, le moteur AI de Scandit est comme une voiture autonome, sauf qu'au lieu que le contexte soit la route ouverte, le contexte est votre entreprise.

Une voiture autonome utilise des caméras et des capteurs pour analyser son environnement, traite ces données à travers des algorithmes d'apprentissage automatique avancés et utilise ces informations pour freiner, diriger et naviguer sur les routes en toute sécurité. Le moteur AI de Scandit utilise les caméras des appareils intelligents pour scanner et interpréter les codes-barres, le texte et les objets en temps réel, et fournit un retour et des conseils immédiats en fonction de ce qu'il détecte — qu'il s'agisse d'alertes sur des prix incorrects, des stocks faibles ou des faux ID.

Dans les deux cas, l'IA fait plus que simplement "voir". Elle comprend et réagit à l'environnement, améliorant la prise de décision et l'efficacité. En fin de compte, le moteur d'IA de Scandit est la couche d'intelligence entre l'environnement commercial et l'utilisateur qui connecte les mondes numérique et physique.

En savoir plus

Blog post

L'IA dans la numérisation des codes-barres : Hype vs. Réalité

Les trois niveaux de l'IA dans la numérisation des codes-barres - et la différence entre les améliorations progressives et les capacités transformatrices.

Lire la suite