探索烘焙行业消费场景，逗号智能利用AI技术节省传统便利店40%人力成本

从亚马逊推出Amazon GO、沃尔玛推出自助杂货亭，再到国内京东推出无人超市、苏宁推出无人便利店等，智能化、无人化已成为新零售时代决定胜败的利器。纵观目前国内智能无人化产品，与商超便利店紧密联系的当属无人结算。

猎云网（微信： ilieyun ）近期接触到的逗号智能就是一家专注于人工智能应用在新零售领域的初创公司，2017年9月，团队曾获得黑洞资本的天使轮融资。

在移动支付环境下，虽然支付愈发便捷，但所谓的新零售大部分走的仍是“非人工智能”的路线，即扫描二维码进行结算——排队现象依然存在，行业痛点并未得到解决。为此，逗号智能主要利用AI技术，打造智能化商品系统，通过自主研发的智能支付系统，台式、立式人工智能结账台，以及一体化、简易版智能门禁系统，帮助商家解决自助结账的流程，提高防盗以及降低货损率等问题。

会员无需扫码，面向镜头竖起大拇指便可完成支付。据了解，改造升级后的便利店日常经营只需要一位店员，就能有效帮助零售商节省40%以上的人力成本。

2018年底，华南首家采用逗号智能解决方案的智慧烘焙店雪贝尔蛋糕在广州落地。据近期加入逗号智能首席科学家王怀清博士介绍，相比其他物品进入智能结算的视野，烘焙行业由于面包、蛋糕等食品的形状、色泽个体不一，为商品识别带来了较大的难度，因此在业界鲜有尝试，烘焙行业也一度被视为人工智能赋能的“禁飞区”。

王怀清是中国最早一批AI科学家，早在80年代就获得英国曼彻斯特大学授予的人工智能博士学位，和AI深度学习之父杰夫·辛顿是同一时代的学者。他认为，人工智能技术在零售领域着重解决的是提高效率、降低成本以及提升消费体验的三大问题，这也是他加入一家创业型AI公司的原因，将此前在智能零售领域的相关研究用于实际问题的解决上。

逗号智能首席科学家王怀清博士

王怀清博士介绍，雪贝尔蛋糕店的智能结账台目前使用了机器视觉识别、深度学习、手势支付等AI技术。

其中，机器视觉识别商品是通过卷积神经网络提取图像的关键特征点，将特征映射到高维空间，最大化商品和背景之间的差异，进而获得商品精确的位置。在找到所有目标商品之后，系统将进一步提取各商品的细节特征，实现准确的商品匹配识别。

基于逗号智能AI技术打造的人工智能结账台

在雪贝尔解决方案上，逗号智能首次采用了双通道深度卷积神经网络模型识别商品，该模型重新分配和整合了传统网络的参数资源，极大降低功能模块之间的耦合度，既提高了整体识别率也轻量化了网络规模。

该模型的应用，缩短了大规模数据训练的时间，令现场部署实施更为便捷，同时商品识别率比上一代产品提高了20%。

王博士认为，虽然逗号智能在商品识别方面取得了领先优势，但机器视觉识别物品还处在相对初级的阶段。例如外形较为相似商品的识别上, 多个商品互相遮盖等场景仍面临挑战。

2017年11月，逗号智能曾在广州开设了第一家线下“逗号”智能商店，后又新开了国内首家“零接触”购物智能商店，采用“视觉识别”、“手势识别”、“人脸识别”等主要技术实现购物体验升级。主要售卖食品、饮料、日常用品等快消品，单店的SKU数量根据店铺面积从100多种到上千种不等。

接下来，团队还将进一步提升人工智能的图像识别准确性。作为新加入零售布局的玩家，逗号智能零售也聚集了不少行业大牛助其开疆拓土，目前逗号智能商店的商品识别准确率已达90%，并期望通过加强机器学习在未来一个月内提高准确率到95%。