Trax：一体化图片拼接带来全新体验

对于消费品企业而言，线下渠道大数据是一块至关重要的“宝藏”。消费品企业需要定期对终端进行核查，了解商品的铺货率、陈列位置和货架份额等，以优化店内执行，获得对门店现场的洞察，这对企业的 营销 费用投放、战略布局与决策具有重大意义。

品牌商想要了解其商品在门店货架上的情况，需要安排销售代表到指定门店对摆放其商品的货架进行数据统计，并将结果反馈到公司。传统的做法是现场人工数出、或图片记录货架上所需统计商品的排面、分销，肉眼观察本竞品情况，这种方式除了花费了大量的人力且效率低下，还有质量难以把控的问题。通过AI图像识别技术来实现货架信息及商品特征的识别，则可以快速节省人工上报以及后台审核的工作量，帮助企业提升线下销售效率。

在该场景中，销售代表通过 手机 APP，即可对终端陈列进行拍照。不过，由于受客观条件限制，如货架的长度、高度、过道空间及手机拍摄角度等，无法实现一次拍摄完整获取整个场景，实际的做法是拍摄不同场景的分组图片，并通过图片拼接的方式来完美还原货架整体情况。因此，图片拼接便成为了AI图像识别技术应用中的一大关键难点。

Trax持续不断攻克图片拼接去重算法难题，通过前端优化Trax APP拼接校验算法，和后端提升完美拼接成功率，从而大幅优化客户体验，提升KPI准确率，为业务相关人员带来一体化图片拼接全新体验。

优化前端拍摄校验算法，降低销售代表拍照难度，为访店提供便利性

适配场景：

﹒大超市货架太高、小超市离货架太近，使用纵轴拼接功能

﹒大超市长排货架，使用横轴拼接功能

﹒品牌商使用第三方SFA拍摄，不受拍摄设备的限制，Trax可提供SDK，支持无序拼接

拼接算法优化提升KPI准确率

通过算法优化，降低在拼接过程中由于商品错位、误识别带来的影响，去除重复或多余商品，大幅提升完美拼接成功率，与此同时提高拼接和识别速度，使得AI图像识别结果更接近于真实值，从而输出更精准的货架KPI(分销、排面、货架占有率等)。

实力赋能品牌商掌控全品类货架份额变化

基于完美货架拼接全图，品牌商可轻松得知，与同品类其它商品相比，自身的商品陈列位置、排面数、线性货架空间占有率等，为精准了解货架份额动态变化信息，提供了有力的技术支持，进而助力品牌商占据优渥的货架位置与份额，从激烈的品类竞争中抢占先机。

成功案例分享

某领先快消品牌商在对货架数字化过程中，面临巨大的挑战：

﹒销售代表提交的货架照片角度过于倾斜

﹒销售代表有时提交的货架照片不正确，非同一排货架

﹒图片重合度太小，照片拼接效果不好

﹒图片的无法完美拼接，导致识别结果受影响，KPI计算不精准，为业务带来负面影响

Trax针对该客户所面临的图片拼接问题逐一分析，并进行拼接去重算法优化，降低图片重合度过小、背景误匹配、拍摄角度和矫正影响等因素对拼接造成的影响，将完美拼接成功率从原有的24.6%上升至96.5%，为品牌商解决了数据识别结果准确性的难题。精准的货架数据赋能该快消品牌的终端零售执行和业务绩效评估，为深度品类趋势分析和市场动态监测奠定了扎实的基础。

一体化图片拼接不但赋能消费品NXT解决方案的现场数据采集，同时也为零售巡检机器人的门店巡检提供了重要技术支撑，为加快零售业数字化进程锦上添花。