Visión general

Una empresa de tecnología minorista dedicada a la creación de una plataforma de visión artificial se asoció con Sourcefit para mejorar la precisión y la coherencia de sus conjuntos de datos de entrenamiento de IA. La plataforma analiza imágenes de los estantes de las tiendas para detectar la ubicación de los productos, las condiciones de falta de existencias y los problemas de comercialización. Para reforzar el rendimiento del modelo, el cliente necesitaba grandes volúmenes de imágenes etiquetadas con precisión y un proceso fiable de control de calidad con intervención humana.

Sourcefit diseñó y ahora gestiona un programa de anotación específico que se encarga del etiquetado de imágenes, los controles de calidad visuales y la verificación de la calidad en miles de imágenes de estanterías. El equipo opera bajo un modelo transparente de coste más margen con una precisión constante, un rendimiento estable y flujos de trabajo de producción estructurados.

El reto

Los modelos de visión artificial requerían anotaciones de alta calidad para los productos, las estanterías, los precios y las condiciones a nivel de imagen.
Los grandes conjuntos de datos de entrenamiento requerían un equipo escalable capaz de ofrecer una precisión constante.
Los procedimientos operativos estándar (SOP) de etiquetado eran detallados y requerían formación para garantizar una segmentación y un etiquetado correctos.
Era necesario identificar problemas relacionados con el nivel de imagen, como el desenfoque, el deslumbramiento y los cambios de ángulo.
El cliente necesitaba un control de calidad y una calibración fiables para mantener la precisión en entornos minoristas complejos.

Nuestro enfoque

Sourcefit creó y gestiona un equipo dedicado a la anotación y el control de calidad, formado directamente en la plataforma de etiquetado y los estándares visuales del cliente. El equipo se incorporó mediante un programa de formación estructurado centrado en los requisitos de las imágenes minoristas, la precisión del etiquetado y la alineación del conjunto de referencia.

Durante la configuración, Sourcefit:

Realización de sesiones de calibración para armonizar el etiquetado de los productos y la segmentación de los estantes.
Se establecieron procedimientos operativos estándar específicos para el comercio minorista con el fin de realizar anotaciones detalladas de cuadros delimitadores y polígonos.
Implementación de control de calidad multinivel con validación en tiempo real frente a conjuntos de referencia.
Configurar informes diarios sobre precisión, rendimiento y tendencias de errores.
Creación de bucles de retroalimentación para mejorar la coherencia del etiquetador en imágenes complejas de estantes.

Hoy en día, Sourcefit gestiona el etiquetado de imágenes de principio a fin, los controles de calidad a nivel de imagen y la verificación de control de calidad, mientras que el cliente utiliza los resultados para el entrenamiento de modelos de visión artificial y la mejora continua.

Resultados

Superó constantemente el índice de precisión del 95 % establecido por el cliente.
Mejora de la calidad del conjunto de datos de entrenamiento para flujos de trabajo de visión artificial en el sector minorista.
Mayor coherencia en el etiquetado en diferentes diseños de tienda y conjuntos de productos.
Entrega de anotaciones de imágenes estables y de gran volumen con validación diaria de control de calidad.
Ciclos de entrenamiento de modelos más rápidos y fiables.

Principales conclusiones

La calidad de las anotaciones impulsa el rendimiento: el etiquetado de imágenes con alta precisión es esencial para entrenar modelos de visión artificial fiables para la supervisión de estanterías.
Las normas claras favorecen la coherencia: los procedimientos operativos estándar detallados, las sesiones de calibración y la validación del conjunto de referencia mantienen la coherencia de las anotaciones en conjuntos de datos minoristas grandes y complejos.
Los equipos escalables permiten el crecimiento: un equipo dedicado a la anotación y el control de calidad permite al cliente aumentar el volumen de datos de entrenamiento sin perder el control sobre la precisión o el rendimiento.

Conclusiones del sector

Los sistemas de visión artificial para el comercio minorista dependen de sólidas operaciones de anotación y control de calidad para mantener la precisión en entornos reales. Las imágenes de las cámaras varían mucho según las tiendas, los accesorios y las condiciones de iluminación, por lo que es esencial una revisión humana detallada para garantizar la fiabilidad del modelo. Este proyecto muestra cómo el etiquetado estructurado de imágenes y la validación humana ayudan a las plataformas de IA para el comercio minorista a mejorar la detección, reducir el ruido y acelerar los ciclos de entrenamiento.

Más información

Sourcefit apoya a las empresas de inteligencia artificial y visión artificial con equipos escalables de anotación, control de calidad y operaciones de datos.

Explore WorkingAI para la automatización y el soporte de flujos de trabajo, y SourceCX para operaciones de atención al cliente que dan soporte a plataformas tecnológicas y minoristas.

Póngase en contacto con nuestro equipo de operaciones de IA para explorar soluciones escalables de anotación y etiquetado de datos.