Self servis manav reyonunda müşteri, elindeki armudun onlarca ürün tuşu arasında hangisi olduğunu arar. Çalışan tarafında da elma çeşitleri veya benzer kuruyemişler yanlış seçilebilir. Yapay zekâ ürün tanıma özellikli terazi, kefedeki ürünü kamera görüntüsünden analiz eder ve olası seçenekleri ekranda önerir. Amaç insanı tamamen devreden çıkarmak değil, doğru ürüne giden yolu kısaltmaktır.
Ürün tanıma terazisi nasıl çalışır?
Terazinin kamerası kefe üzerindeki ürünün görüntüsünü alır. Eğitilmiş model renk, şekil, doku ve diğer görsel özellikleri değerlendirerek ürün listesinde benzer adayları sıralar. Kullanıcı doğru ürünü onaylar; sistem ağırlık ve fiyatı hesaplayıp etiketi basar.
Görüntü tanıma, barkod okuyucudan farklıdır. Barkod tek bir kodu doğrudan ürünle eşleştirir; kamera ise olasılık üzerinden öneri üretir. Bu nedenle son onay, özellikle benzer ürünlerde önemlidir. Sistem yanlış seçimi azaltabilir fakat fiyat ve ürün verisinin doğruluğu yine işletmenin sorumluluğundadır.
Hangi işletmelerde fayda sağlar?
- Self servis meyve-sebze reyonu bulunan marketler
- Çok sayıda elma, armut, domates veya biber çeşidi satan mağazalar
- Kuruyemiş, bakliyat veya açık ürünlerde hızlı seçim isteyen işletmeler
- Personel değişiminin sık olduğu yoğun reyonlar
- Kasa öncesi etiketlemenin müşteri tarafından yapıldığı noktalar
Ürün sayısı az ve çalışanlar kodlara hâkimse geleneksel kısayol tuşları yeterli olabilir. Yapay zekânın değeri, arama süresinin veya yanlış PLU seçiminin ölçülebilir sorun olduğu yerde ortaya çıkar.
Tanıma başarısını etkileyen koşullar
Aydınlatma, kamera açısı, ürünün kefedeki konumu ve veri setinin kalitesi sonucu etkiler. Ürün poşetin içindeyse, etiketle kaplıysa veya başka ürünle karışıksa öneri zorlaşabilir. Kefe üzerinde önceki üründen parça kalması da görüntüyü yanıltabilir.
Birbirine görsel olarak çok benzeyen çeşitlerde sistem birkaç aday sunabilir. Ürün isimleri ve küçük görseller kullanıcı için anlaşılır olmalıdır. “Kırmızı elma 1” gibi belirsiz adlar yerine mağazadaki raf tanımıyla uyumlu adlar kullanılmalıdır.
Eğitim verisi ve ürün ekleme
Yeni ürün sisteme yalnız bir fotoğrafla eklenmemelidir. Farklı boy, renk tonu, olgunluk ve yerleşimde temsil edici görüntüler gerekir. Mevsim ilerledikçe ürün görünümü değişebilir. Sistem sağlayıcısının güncelleme yöntemi, minimum örnek ihtiyacı ve şubeler arası veri dağıtımı öğrenilmelidir.
Yanlış öneriler kaydedilebiliyorsa hangi ürün çiftlerinin karıştığı görülebilir. Örneğin iki armut çeşidi sık karışıyorsa yeni örnekler eklenir veya kullanıcı ekranında ayırıcı bilgi gösterilir. Sürekli iyileştirme yapılmayan model, ilk günkü başarı düzeyinde kalır.
Yapay zekâ ile tartım doğruluğu aynı şey değildir
Kamera ürün adını bulmaya yardım eder; ağırlığı yine yük hücresi ve tartım elektroniği ölçer. Tanıma performansı iyi olsa bile terazi düz değilse veya dara yanlışsa satış sonucu hatalı olur. Cihazın kapasite, okunabilirlik, yasal uygunluk ve kalibrasyon ihtiyaçları geleneksel teraziyle aynı ciddiyetle yönetilmelidir.
Aynı şekilde yanlış ürün onayı, doğru ölçülmüş ağırlığa yanlış birim fiyat uygular. Sistem iki ayrı kalite noktası içerir: ölçüm doğruluğu ve ürün kimliği doğruluğu. Raporlama bu ayrımı gösterebilmelidir.
Dokunmatik ekran ve müşteri deneyimi
Öneriler büyük, net ve az sayıda gösterilmelidir. Müşteri doğru ürünü birkaç saniyede seçebilmeli; emin değilse kolayca kategori aramasına dönebilmelidir. Ekrandaki dil, görsel ve butonlar mağazanın kullanıcı kitlesine uygun olmalıdır.
Teraziye ilk kez yaklaşan kişi nereden başlayacağını anlamıyorsa güçlü model fayda sağlamaz. Kısa ekran yönlendirmesi, poşet yerleşimi ve etiket çıkışının görünürlüğü önemlidir. Erişilebilir yükseklik ve parlama kontrolü self servis kullanımın parçasıdır.
POS ve fiyat entegrasyonu
Tanıma sistemi doğru PLU’yu seçtikten sonra barkod ve fiyat akışı normal barkodlu terazideki gibi devam eder. Merkezi ürün kartı, terazi ve POS aynı kodu kullanmalıdır. Fiyat değişikliği bütün cihazlara ulaştırılmalı; yeni ürünün tanıma modeli hazır olsa bile POS kartı yoksa satışa açılmamalıdır.
Şubeli yapıda model dosyaları büyük olabilir. Güncellemenin hangi saatlerde ve hangi ağ üzerinden dağıtıldığı planlanmalıdır. Çevrim dışı durumda cihazın mevcut ürünlerle çalışıp çalışmadığı, bağlantı gelince kayıtların nasıl eşitlendiği bilinmelidir.
Pilot uygulamada ölçülecek göstergeler
- Ürün seçme için geçen ortalama süre
- İlk öneride doğru ürün oranı
- Kullanıcının manuel aramaya dönme oranı
- Yanlış PLU kaynaklı iptal veya düzeltme sayısı
- Yoğun saatte kuyruk ve etiket baskı süresi
- Farklı ışık ve ürün poşetlerinde performans
- Personelin ürün ekleme ve düzeltme için harcadığı süre
Pilot, en kolay ürünlerle değil sık karışan ve farklı mevsim görünümü olan ürünlerle yapılmalıdır. Başarı yalnız demo ekranındaki hızla değil, birkaç haftalık gerçek satış verisiyle değerlendirilir.
Gizlilik ve bakım
Kamera ürün kefesine yönelmeli ve kullanım amacıyla sınırlı olmalıdır. Görüntülerin saklanıp saklanmadığı, nerede işlendiği ve erişim yetkileri sağlayıcıyla netleştirilir. İşletmenin gizlilik süreçleri buna göre düzenlenir.
Yatırımın karşılığı nasıl hesaplanır?
Yapay zekâlı terazi yalnız cihaz fiyatıyla değerlendirilmemelidir. Pilot öncesinde mevcut ürün seçme süresi, yanlış PLU düzeltmeleri, eğitim süresi ve yoğun saat kuyrukları ölçülür. Pilot sonrasında aynı göstergeler karşılaştırılır. Kazanım birkaç etkileyici demodan değil gerçek işlem hacminden hesaplanır.
Lisans, model güncellemesi, uzaktan destek, kamera değişimi ve yeni ürün eğitimi toplam maliyete dâhildir. Sistem çevrim dışı kaldığında manuel kategori araması çalışıyor mu, personel geleneksel kısayolu kullanabiliyor mu görülmelidir. Teknoloji arızasında satış tamamen duruyorsa iş sürekliliği zayıftır. İyi çözüm, tanıma özelliğini hızlandırıcı olarak kullanır ve temel tartım/etiket işlevlerini güvenli biçimde korur.
Personel geri bildirimi
Kasiyer ve reyon çalışanı hangi ürünlerin karıştığını müşteriden önce fark eder. Ekrana kolay bir “yanlış öneri bildir” adımı eklemek ve bu kayıtları düzenli incelemek modelin gelişmesini sağlar. Geri bildirim cezalandırma aracı değil veri kalitesinin parçası olmalıdır.
Kamera camı temiz tutulmalı, görüşü kapatan etiket veya poşet aparatı olmamalıdır. Aydınlatma değişirse tanıma performansı izlenmelidir. CEOPOS PC tabanlı ve ürün tanıma özellikli terazileri değerlendirirken kendi ürünlerinizle pilot çalışma istemek, teknolojinin gerçek karşılığını görmenin en iyi yoludur.
Self servis terazide ürün tanıma nasıl kullanılmalı?
Self servis terazide işlemi eğitimli personel değil müşteri yapar. Ekrandaki kategori sayısı, ürün görselleri, arama yöntemi ve yanlış seçimi geri alma adımı bu nedenle teknik kapasite kadar önemlidir. Yapay zekâlı ürün tanıma, görüntüden olası ürünleri öne çıkararak listeyi daraltabilir; fakat fiyatı belirleyen son PLU kaydı kullanıcı tarafından açıkça görülmelidir.
Ürün tanıma sistemi, benzer elma çeşitleri veya farklı fiyatlı domatesler gibi görsel olarak yakın ürünlerde kesin karar vermeyebilir. Pilot çalışmada yalnız kolay ürünler değil, benzer renk ve biçimdeki zor örnekler de kullanılmalıdır. Sistem emin olmadığında kullanıcıya anlaşılır seçenek sunmalı; yanlış ürünü sessizce etiketlememelidir.
Self servis kabul testine eklenecek adımlar
- İlk kez kullanan bir müşteri ürün seçimini yardım almadan tamamlar.
- Benzer iki ürün arka arkaya tartılır ve öneri sırası kaydedilir.
- Yanlış seçim iptal edilip doğru ürüne dönüş denenir.
- Poşet, el ve birden fazla ürünün görüntüye girdiği durumlar sınanır.
- Etiket kasada okutulur; ürün, ağırlık ve tutar doğrulanır.
Kamera açısı, reyon ışığı ve ürünün platformdaki konumu başarıyı etkileyebilir. Kurulumdan sonra aydınlatma veya ekran yerleşimi değişirse örnek ürünlerle yeniden doğrulama yapılmalıdır. Merkezi ürün güncellemesinde görsel ile PLU eşleşmesinin korunması ve yeni ürünün bütün cihazlara ulaşması izlenmelidir.
