はじめに
私は、小売業の畜産部門に携わっています。
主な仕事内容は、商品の加工、製造、値付け、店だし作業が一連の流れです。
今回注目する点は値付けです。
※値付け・・・作業場内で加工した商品に値段を付ける作業
アウトライン
緊急事態・・・自社の問題提起
現状・・・現在のやり方
問題点・・・現在の運用方法の見直し
解決策・・・画像による判断
今後の展開・・・もう一歩先へ
緊急事態
自社の問題提起
当社では、月に2.3件のペースで値付けミスが発生しています。自分の店も例外ではありません。
値付けミスは重大なアレルゲン事故につながり、最悪の場合、お客さまの命にかかわる事案です。
※値付けミス・・・表示ラベルと内容物（商品）が違うこと。
※アレルゲン事故・・・値付けミスにより、アレルゲン表示が欠落した商品を
販売してしまうこと。
現状
現在のやり方
①値付け品名カードを使用
②値付け時に商品とラベルがあっているか指差し呼称で相互確認
③店だし時に値付け品名カード商品が合っていることを確認したうえで店だし
問題点
現在の運用方法の見直し
①値付け機械は重さは判別できるが、商品の判別はできない
＝違った品番を入力すればそのまま通ってしまう
※多くの品番が連番になっている
②商品の整合性を相互確認というアナログな方法で行うこと
③間違いは起きないだろうという過信
今回は①②を切り口に解決策を提案します。
解決策
画像による判断
現状、画像での認識で判別を行えないため、TeachableMachineを使って認識してみようと思います。
使用する商品
上 アメリカンドッグ 下 ハンバーグ
一見すると、間違えるわけないだろうと思われる方が大半だと思います。
実際は、忙しさ、慢心さからしばしば起こることが現状です。
そこで・・・TeachableMachineを使って判断してもらいました。
①サンプル画像をウェブカメラで様々な角度から撮影
②比較対象の画像も同様に撮影
③トレーディングを行い、プレビューで実際に稼働させる
結果として、画像による判別が可能になりました！
そして、NodeREDと連携させてみました
まずは、全体のフロー画像はこちら↓
①ノードにcamera機能を追加
②teachablemachineにプレビューのリンクを張り付け
③template機能に構文を入力
④debug機能で出力
実際に稼働させた結果がこちら
結果
画像による商品ごとの判別ができるようになりました。
今後の課題
もう一歩先へ
現状は、画像のみの判断となったが、今後は品番と画像を連携させていきたいです。
品番と画像が連携していないと誤った認識をされてしまうからです。
また、サンプル画像を増やすとともに、類似商品をどの程度見分けることができるようになるのか確かめていきく必要があります。