लेंटा टेक ने चलते रोबोट से वीडियो पर मूल्य टैग कैसे खोजे: वीडियो एनालिटिक्स हैकाथॉन के परिणाम

Lenta Group के IT ब्रांड Lenta Tech टीम ने 2025 में Lenta Tech Life Hack नामक हैकाथॉन आयोजित किया, जिसका उद्देश्य सुपरमार्केट में शेल्फ़ के साथ चलने वाले रोबोट द्वारा कैप्चर किए गए वीडियो फुटेज से मूल्य टैग को पहचानना था। यह कार्य सामान्य आयत डिटेक्शन और OCR से अधिक चुनौतीपूर्ण था, क्योंकि इसमें मोशन ब्लर, चमक, विभिन्न कोण, आंशिक अवरोधन और मूल्य टैग के विविध प्रारूप शामिल थे। प्रतिभागियों को विभिन्न स्टोर ज़ोन (शराब, डेयरी, शहद, आदि) से वीडियो रिकॉर्डिंग प्रदान की गई थी, जिसमें रुकना और निरंतर गति दोनों शामिल थे; आउटपुट एक CSV फ़ाइल होनी थी जिसमें फ़ील्ड हों: उत्पाद का नाम, मूल्य, बारकोड, SKU, प्रिंट तिथि, प्रदर्शन क्षेत्र, निर्देशांक, टाइमस्टैम्प और QR कोड से डेटा। प्रतिबंधों में केवल स्थानीय ओपन-सोर्स मॉडल का उपयोग करना, कोई बाहरी ऑनलाइन सेवा या क्लाउड API का उपयोग नहीं करना, और rknn int8 के लिए ऑप्टिमाइज़ेशन को प्रोत्साहित किया गया। मूल्यांकन मीट्रिक: कम से कम 80% सटीकता के साथ पहचाने गए मूल्य टैग का अनुपात। पहले दौर से पता चला कि समस्या केवल डिटेक्शन में नहीं बल्कि सही पढ़ने और डेटा संरचना में भी थी। सफल समाधानों ने कैस्केडेड पाइपलाइन का उपयोग किया: ट्रैकिंग और सर्वश्रेष्ठ फ्रेम चयन (सबसे तेज, सबसे बड़ा, सबसे सामने वाला), डिटेक्शन (अधिकतर YOLO/Ultralytics), रेक्टिफिकेशन और सुपर-रिज़ॉल्यूशन, ज़ोनल OCR (PaddleOCR, EasyOCR, Tesseract) जिसमें रेगुलर एक्सप्रेशन और व्यावसायिक नियमों के माध्यम से फ़ील्ड सत्यापन, और QR/बारकोड तथा कैटलॉग से डेटा रिकवरी फ़ज़ी मैचिंग के साथ। अंतिम चरण में, औसत गुणवत्ता में 4.47 प्रतिशत अंकों का सुधार हुआ, जिसमें अधिकतम लाभ +21.27 और +19.48 प्रतिशत अंक था, जो ट्रैकिंग, सर्वश्रेष्ठ फ्रेम स्कोरिंग, QR रिकवरी, कैटलॉग खोज, सैनिटी चेक और डॉकर पैकेजिंग के माध्यम से प्राप्त हुआ। विजयी दृष्टिकोण एक एकल मॉडल के बजाय एक कैस्केडेड आर्किटेक्चर था। अच्छा प्रदर्शन करने वाले स्टैक में शामिल थे: YOLO/Ultralytics, OpenCV, PaddleOCR, EasyOCR, Tesseract, QR/बारकोड, कैटलॉग/SKU/फ़ज़ी सर्च, ट्रैकिंग और सर्वश्रेष्ठ फ्रेम चयन। 'एक मूल्य टैग ढूंढो और फिर किसी तरह उसे समझो' दृष्टिकोण काम नहीं आया — मूल्य टैग संरचना और बार-बार फ्रेम को ध्यान में रखे बिना।