Utilizzo di Ultralytics YOLO26 per il rilevamento della conformità al planogramma

Siamo tutti entrati in un negozio per comprare qualcosa come pane o cereali, abbiamo passato qualche minuto a scansionare gli scaffali e poi ci siamo resi conto che non riuscivamo a trovarlo. A volte è nel posto sbagliato, a volte è esaurito e a volte si confonde semplicemente con tutto il resto sullo scaffale.

Per i rivenditori, mantenere i prodotti nel posto giusto è più importante di quanto possa sembrare. Influisce sulla facilità con cui i clienti possono trovare gli articoli e può avere un impatto diretto sulle vendite e sulla soddisfazione complessiva del cliente. Per gestire tutto ciò, i negozi utilizzano un planogramma, una semplice disposizione che mostra dove ogni prodotto dovrebbe essere posizionato su uno scaffale.

La conformità del planogramma è il processo di verifica che lo scaffale effettivo corrisponda alla disposizione prevista. In molti negozi, questo viene ancora fatto tramite audit manuali e liste di controllo, che possono richiedere molto tempo e risultare incoerenti.

Fig 1. Un planogramma rispetto a uno scaffale reale (realogramma) con risultati di rilevamento della conformità (Fonte)

Anche piccole discrepanze come SKU (stock keeping units) fuori posto, prezzi errati o prodotti esauriti possono fare la differenza. Gli SKU sono codici univoci utilizzati per identificare e tracciare le singole varianti di prodotto, come dimensioni o gusti diversi. Questi problemi riducono la disponibilità a scaffale e possono portare a vendite perse.

Ecco perché i rivenditori si stanno rivolgendo sempre più alla computer vision e al riconoscimento delle immagini. Queste tecnologie di IA possono analizzare le immagini degli scaffali acquisite dalle telecamere del negozio, rilevare automaticamente i prodotti e verificare se sono posizionati correttamente. Modelli di Vision AI come Ultralytics YOLO26 rendono questo processo veloce, accurato e pratico da utilizzare in ambienti di vendita reali.

In questo articolo, vedremo come costruire un sistema di rilevamento della conformità del planogramma utilizzando Ultralytics YOLO26. Iniziamo!

Link to this sectionCos'è la conformità del planogramma?#

La conformità del planogramma aiuta a mantenere coerenti le disposizioni dei negozi, supporta prezzi e promozioni accurati, migliora la gestione dell'inventario e rende più facile per i clienti trovare i prodotti sullo scaffale.

Si riferisce alla disposizione dei prodotti secondo un layout predefinito o un planogramma. Questo layout definisce dove ogni prodotto dovrebbe essere posizionato, quante facce dovrebbe avere (il numero di prodotti posti nella parte anteriore dello scaffale e visibili ai clienti) e quali prodotti dovrebbero essere posizionati uno accanto all'altro.

Sia i rivenditori che i marchi di beni di consumo confezionati (CPG) si affidano ai planogrammi. I rivenditori li usano per organizzare gli scaffali e mantenere la coerenza tra i negozi, mentre i marchi CPG li usano per garantire che i loro prodotti siano visualizzati correttamente e ottengano la giusta visibilità.

Fig 2. Uno sguardo a un planogramma che corrisponde alla disposizione di uno scaffale reale (Fonte)

Il processo di audit del planogramma prevede il confronto di uno scaffale reale con un layout previsto. Ciò include la verifica che gli SKU corretti siano nelle posizioni giuste e che venga mantenuto il numero richiesto di facce.

Potresti chiederti se la posizione di un prodotto su uno scaffale faccia davvero la differenza. Ma quando i prodotti sembrano simili, anche piccoli errori di posizionamento possono rendere gli articoli più difficili da trovare o confondere i clienti.

Ciò può influire sull'accuratezza dei prezzi e sulle decisioni dei clienti. Mantenere la conformità mantiene gli scaffali organizzati e migliora l'esperienza del cliente.

Link to this sectionUtilizzare la computer vision per la conformità del planogramma#

Tradizionalmente, i negozi al dettaglio hanno mantenuto la conformità del planogramma attraverso audit manuali e liste di controllo. Il personale del negozio ispeziona le disposizioni degli scaffali, verifica il posizionamento e le facce dei prodotti e registra le osservazioni.

Tuttavia, questo processo può richiedere molto tempo, essere difficile da scalare in più negozi e spesso porta a incongruenze nel modo in cui vengono eseguiti i controlli. Il settore della vendita al dettaglio sta rapidamente adottando la computer vision, un campo dell'intelligenza artificiale che consente ai sistemi di analizzare e comprendere le immagini, per gestire meglio questi controlli di conformità.

Questi sistemi utilizzano telecamere per acquisire immagini degli scaffali e le elaborano utilizzando modelli addestrati per riconoscere i singoli prodotti. Modelli di computer vision come Ultralytics YOLO26 supportano attività di visione come il rilevamento di oggetti e la segmentazione di istanze, rendendo possibile identificare e localizzare accuratamente i prodotti sugli scaffali dei negozi.

Fig 3. Un esempio di utilizzo di YOLO26 per rilevare e segmentare i prodotti su uno scaffale di vendita (Fonte)

Utilizzare YOLO26 per questo caso d'uso è anche semplice, poiché è disponibile immediatamente come modello pre-addestrato, fornendo un solido punto di partenza, e può essere addestrato su misura sui dati degli scaffali dei negozi per riconoscere prodotti specifici.

Sulla base di questi rilevamenti, un sistema di rilevamento della conformità del planogramma può mappare le posizioni dei prodotti sullo scaffale e confrontarle con i layout previsti. Con questo approccio, i rivenditori possono andare oltre i controlli manuali e monitorare gli scaffali continuamente a livello di negozio.

Possono rilevare prodotti a livello di SKU, identificare errori di posizionamento e migliorare la disponibilità a scaffale e l'esecuzione complessiva.

Link to this sectionCapire come funziona il rilevamento della conformità del planogramma basato sull'IA#

Prima di immergerci in come utilizzare YOLO26 per il rilevamento della conformità del planogramma, facciamo un passo indietro e comprendiamo come il rilevamento del prodotto e il confronto del layout si uniscono in questi sistemi.

Un sistema di conformità del planogramma funziona solitamente in due fasi principali. Innanzitutto, un modello come Ultralytics YOLO26 analizza le immagini degli scaffali per rilevare e classificare i prodotti. Insieme a ogni rilevamento, il modello fornisce informazioni sulla posizione che mostrano dove appare ogni prodotto sullo scaffale.

Successivamente, questi rilevamenti vengono organizzati in una disposizione strutturata dello scaffale. I prodotti vengono raggruppati in base alla loro posizione, solitamente in file, per riflettere come gli articoli sono disposti nel mondo reale.

Fig 4. YOLO26 può abilitare la conformità del planogramma. (Fonte)

Questa disposizione strutturata viene quindi confrontata con il planogramma previsto. Il sistema verifica se gli SKU corretti sono nelle posizioni giuste, se viene mantenuto il numero richiesto di facce e se mancano prodotti o se sono fuori posto.

Combinando il rilevamento del prodotto con il confronto del layout, il sistema può identificare le differenze tra la disposizione prevista e quella effettiva dello scaffale. I risultati possono essere presentati come rapporti di conformità o dashboard che evidenziano i problemi a livello di negozio.

Ciò rende semplice per i team dei negozi comprendere rapidamente cosa non va, intraprendere azioni correttive e mantenere un'esecuzione costante al dettaglio.

Link to this sectionPreparazione di un dataset per costruire un sistema di conformità del planogramma#

Il primo passo nella costruzione di un sistema di conformità del planogramma è la preparazione di un dataset ben strutturato. Ciò comporta la raccolta di immagini di scaffali da diversi ambienti di vendita. La qualità e la diversità di questi dati influiscono direttamente sul funzionamento del modello.

Si possono utilizzare anche dataset pubblici come punto di partenza. Tuttavia, poiché le disposizioni dei negozi, gli assortimenti di prodotti e le disposizioni degli scaffali variano tra i rivenditori, spesso non corrispondono pienamente alle condizioni del mondo reale.

La creazione di un dataset personalizzato adattato all'ambiente del negozio target è solitamente necessaria per prestazioni affidabili. I dati possono essere raccolti utilizzando foto degli scaffali acquisite da telecamere del negozio o dispositivi mobili in diverse sedi di vendita.

Oltre ai dati del mondo reale, è possibile utilizzare configurazioni di scaffali simulate per creare scenari controllati. Combinare entrambi consente a un modello di funzionare in modo più affidabile in diversi ambienti di negozio.

È anche fondamentale catturare diverse condizioni reali del negozio, come cambiamenti nei layout, disposizioni degli scaffali, posizionamento dei prodotti, illuminazione, angolazioni della telecamera e organizzazione degli scaffali. Raccogliendo dati diversificati e realistici, il modello può imparare a generalizzare tra i negozi e supportare un rilevamento accurato della conformità del planogramma su larga scala.

Link to this sectionUna panoramica dell'etichettatura di un dataset di vendita#

Una volta raccolti i dati, il passo successivo è l'annotazione. Ogni prodotto in un'immagine viene etichettato disegnando dei riquadri di delimitazione attorno ad esso in modo che il modello possa imparare a riconoscere i diversi SKU.

Durante l'etichettatura, è importante definire classi chiare. Questo può essere fatto a diversi livelli di dettaglio, a seconda del planogramma.

A livello di SKU, ogni variante di prodotto, come un marchio, una dimensione o un gusto specifico, viene etichettata separatamente. A livello di categoria, prodotti simili possono essere raggruppati insieme, come tutte le bevande analcoliche o tutti gli snack.

Strumenti come Ultralytics Platform, un ambiente end-to-end per la gestione di dataset, annotazione, addestramento e distribuzione, possono semplificare questo processo. Supporta sia l'annotazione manuale che l'etichettatura assistita dall'IA, dove i modelli possono suggerire annotazioni che possono essere riviste e perfezionate, contribuendo a migliorare velocità e coerenza.

Link to this sectionAddestramento di Ultralytics YOLO26 per il rilevamento del prodotto#

Una volta preparato ed etichettato il dataset, il passo successivo è l'addestramento di YOLO26 per rilevare i prodotti sugli scaffali dei negozi. Questo può essere fatto utilizzando il pacchetto Python Ultralytics o Ultralytics Platform.

Il pacchetto Python Ultralytics offre flessibilità per la creazione di pipeline personalizzate e l'integrazione dell'addestramento nei flussi di lavoro esistenti. Allo stesso modo, Ultralytics Platform fornisce un ambiente unificato dove puoi gestire l'annotazione, gestire i dataset, configurare l'addestramento, eseguire esperimenti e monitorare i risultati da un'unica dashboard.

Offre anche opzioni GPU cloud per un addestramento scalabile e supporta la distribuzione, riducendo la necessità di configurare l'infrastruttura o gestire le dipendenze.

Prima di iniziare l'addestramento, ecco alcuni altri fattori chiave da considerare:

• Divisione del dataset: Il dataset dovrebbe essere suddiviso in set di addestramento, validazione e test. Questo aiuta a valutare quanto bene il modello si generalizza ai nuovi dati ed evita l'overfitting.
• Selezione del modello: I modelli YOLO26 sono disponibili in diverse dimensioni, consentendoti di bilanciare velocità e precisione in base alle tue esigenze di distribuzione.
• Configurazione dell'addestramento: Parametri come la dimensione del batch, la dimensione dell'immagine e il numero di epoche possono influire sia sulla velocità di addestramento che sulle prestazioni del modello.

Una volta completato l'addestramento, il modello può essere valutato utilizzando metriche come precisione, richiamo e mAP (mean average precision). Queste metriche ti consentono di misurare quanto accuratamente il modello rileva i prodotti e quanto bene evita errori.

Se le prestazioni del modello non sono abbastanza forti, il dataset e la configurazione dell'addestramento possono essere migliorati. Ciò potrebbe includere l'applicazione di aumentazione dei dati, l'aggiunta di immagini più diversificate o il bilanciamento delle classi in cui alcuni SKU appaiono meno frequentemente.

Link to this sectionIntegrazione della logica di conformità del planogramma#

Il passo successivo dopo l'addestramento e la valutazione di un modello è costruire la logica che esegue i controlli di conformità del planogramma. Ciò comporta la strutturazione dei dati dello scaffale e il loro confronto con il layout previsto.

Ecco una panoramica di come funziona questo processo:

• Definire il layout dello scaffale previsto: Innanzitutto, il layout dello scaffale previsto viene definito utilizzando il planogramma e rappresentato come una griglia strutturata con righe e colonne. Ogni posizione nella griglia corrisponde a uno SKU specifico, riflettendo come i prodotti dovrebbero essere disposti sullo spazio dello scaffale.
• Organizzare i prodotti rilevati: Quindi, i rilevamenti del modello vengono disposti in base alla loro posizione sullo scaffale. Utilizzando le loro coordinate, i prodotti vengono ordinati e raggruppati in file dello scaffale, convertendo i rilevamenti grezzi in un layout strutturato che riflette la disposizione effettiva dello scaffale.
• Confrontare i layout previsto ed effettivo: Successivamente, la disposizione strutturata dello scaffale viene confrontata con il planogramma previsto per identificare le differenze. Se un prodotto rilevato non corrisponde allo SKU previsto, viene contrassegnato come fuori posto. Se manca un prodotto da una posizione, viene segnalato come mancante. Questo passaggio può essere utilizzato anche per verificare se viene mantenuto il numero richiesto di facce.
• Generare risultati di conformità: Infine, può essere prodotto un rapporto di conformità per ogni scaffale, evidenziando non conformità, deviazioni e discrepanze. Questi output possono essere condivisi tramite dashboard per aiutare i team a identificare e risolvere rapidamente i problemi.

Link to this sectionDistribuzione di un modello di visione per la conformità del planogramma#

Dopo aver creato una soluzione che integra il rilevamento del prodotto e la logica di conformità, il passo successivo è distribuirla in un ambiente di vendita. Ci sono alcune opzioni diverse da considerare quando si affronta la distribuzione, a seconda del caso d'uso e dell'infrastruttura.

Un'opzione è distribuire il modello su dispositivi edge, come server in negozio o hardware integrato. Questi sistemi sono posizionati vicino alle telecamere in modo che le immagini degli scaffali possano essere elaborate dove vengono acquisite, consentendo una bassa latenza e un monitoraggio in tempo reale.

Un'altra opzione è la distribuzione basata sul cloud, dove le immagini vengono inviate a server remoti per l'elaborazione. Questo può rendere più facile gestire e scalare le distribuzioni in più sedi, specialmente quando è richiesto un monitoraggio centralizzato.

All'interno dell'ecosistema Ultralytics, ci sono diverse opzioni che supportano questi diversi scenari di distribuzione. Ad esempio, utilizzando il pacchetto Python Ultralytics, i modelli YOLO26 addestrati possono essere esportati in diversi formati come ONNX, TensorRT o CoreML.

Ciò rende possibile eseguire modelli su una vasta gamma di hardware, tra cui unità di elaborazione grafica (GPU), unità di elaborazione centrale (CPU), dispositivi mobili e sistemi integrati, a seconda delle esigenze di distribuzione.

Nel frattempo, Ultralytics Platform fornisce opzioni di distribuzione integrate che semplificano i test, l'integrazione e la distribuzione in produzione. I modelli possono essere testati direttamente nel browser, integrati nelle applicazioni utilizzando API di inferenza condivise o distribuiti su endpoint dedicati per un uso produttivo scalabile.

Supporta anche l'esportazione di modelli per l'esecuzione su sistemi esterni o dispositivi edge, rendendo più facile passare dallo sviluppo alla distribuzione nel mondo reale. Oltre a ciò, la piattaforma include strumenti di monitoraggio che aiutano a tenere traccia delle prestazioni dopo la distribuzione e a garantire un funzionamento affidabile nel tempo.

Link to this sectionVantaggi dell'utilizzo della Vision AI per il rilevamento della conformità del planogramma#

Ecco alcuni dei principali vantaggi dell'utilizzo di YOLO26 per costruire un sistema di conformità del planogramma:

• Adattabile a diversi ambienti di vendita: YOLO26 può essere riaddestrato o messo a punto su nuovi dati, rendendolo adattabile a diverse disposizioni dei negozi, assortimenti di prodotti e variazioni regionali.
• Ottimizza il processo decisionale basato sui dati: I dati di conformità possono essere aggregati tra i negozi per identificare tendenze, misurare le prestazioni e migliorare le strategie di vendita al dettaglio.
• Monitoraggio continuo in tempo reale: YOLO26 è ottimizzato per l'inferenza a bassa latenza, consentendo un'analisi continua delle immagini degli scaffali e il rilevamento in tempo reale dei cambiamenti nel posizionamento dei prodotti sui dispositivi edge.
• Integrazione con i sistemi di vendita: Un sistema di rilevamento della conformità del planogramma basato su YOLO26 può essere integrato con i sistemi di inventario, POS (point of sale) o analisi per fornire una visione più completa delle prestazioni del negozio.

Link to this sectionPunti chiave#

La conformità del planogramma è vitale per mantenere un posizionamento accurato dei prodotti e operazioni di vendita coerenti. Combinando il rilevamento del prodotto con il confronto del layout, i negozi possono ridurre gli audit manuali e controllare gli scaffali in modo più accurato. Con modelli come YOLO26, tali sistemi possono essere utilizzati in più negozi e possono anche supportare decisioni migliori utilizzando i dati a livello di negozio.

Vuoi portare la Vision AI nei tuoi progetti? Unisciti alla nostra community attiva e impara di più sulla vision AI nella vendita al dettaglio e sulla computer vision nella robotica. Esplora il nostro repository GitHub per saperne di più. Controlla le nostre opzioni di licenza per iniziare!