(python, json, numpy, pandas, PIL, torch, yolov5, pika, RabbitMQ, Docker Compose)
Заказчиком является торговая фирма - генеральный дистрибьютор производителя пива и крекера ОАО ВИЗИТ.
Мерчендайзеры фирмы ежедневно обходят закрепленные за ними торговые точки и в виде отчета делают фотографии витрин. Фотографии загружаются в базу данных 1С и визуально анализируются руководителем службы.
В этом проекте в целях автоматизации анализа отчетов мерчендайзеров производится подсчет количества позиций в первом ряду витрины единицы анализируемого ассортимента на каждой фотографии.
Для разметки данных используется библиотека label-studio .
Для обучения была выбрана модель YOLOv5 от разработчика ultralytics.
Реализована микросервисная структура из 3-х сервисов с контейнеризацией Docker Compose.
- Применение модели YOLOv5 продемонстрировало свою эффективность для поставленной задачи.
- Применение микросервисной структуры позволяет оперативно добавлять анализируемые товарные позиции.
- Создана микросервисная структура, инференс в реальном времени в автоматическом режиме анализирует количество позиций в первом ряду витрины одной единицы ассортимента.
- Система полностью готова к расширению анализируемого ассортимента.
- Определены конкретные задачи по развитию системы как в направлении расширения количества ассортиментных позиций, так и в направлении дальнейшего развития сервиса.
Всего обучено 8 моделей на 19 классов.
Всего обучено 6 моделей на 15 классов.
Всего обучено 5 моделей на 12 классов.
Всего обучено 4 модели на 10 классов.
Размечены данные для класса "Визит вечерний стекло 0.45", обучена модель.
Добавлены файлы demo_predict_cl_0_1.ipynb и m_cl_1.pt.
Размечены данные для класса "Визит классический ПЭТ 1.5л", обучена модель m_cl_1_2.pt на два класса:
- "Визит классический ПЭТ 1.5л"
- "Визит вечерний стекло 0.45".
Добавлены файлы demo_predict_cl_0_1_2.ipynb и m_cl_1_2.pt.
