Lenta Tech, Hareket Eden Bir Robottan Alınan Videodaki Fiyat Etiketlerini Nasıl Aradı: Video Analitiği Hackathon'unun Sonuçları
Ultralytics
PaddleOCR (Baidu)
OpenCV
EasyOCR (Jaided AI)
Tesseract OCR (Google)
Lenta Tech ekibi (Lenta Group'un BT markası), hareket eden bir robot tarafından çekilen videodaki fiyat etiketlerini tanımaya yönelik bir hackathon deneyimlerini paylaştı. Makale, YOLO ile fiyat etiketlerinin tespitinden, optik karakter tanıma (OCR), karekod (QR) ve katalog aracılığıyla veri çıkarmaya kadar uzanan çözüm hattını açıklıyor. Ana çıkarımlar: kalite, tek bir modelle değil, kare dizilerinin doğru şekilde işlenmesi (izleme, en iyi kareyi seçme) ve OCR, QR ve kataloğun birleştirilmesiyle elde ediliyor.
Lenta Group'un IT markası olan Lenta Tech ekibi, 2025 yılında Lenta Tech Life Hack adlı bir hackathon düzenledi. Etkinlik, süpermarketlerde raflar boyunca hareket eden bir robot tarafından çekilen video görüntülerinden fiyat etiketlerini tanımaya odaklandı. Görev, hareket bulanıklığı, parlama, değişen açılar, kısmi engellemeler ve çok çeşitli fiyat etiketi formatları nedeniyle basit dikdörtgen algılama ve optik karakter tanıma (OCR) işleminden daha zorlu çıktı. Katılımcılara, hem duraklamaları hem de sürekli hareketi içeren farklı mağaza bölgelerinden (alkol, süt ürünleri, bal vb.) video kayıtları sağlandı; çıktı, aşağıdaki alanları içeren bir CSV dosyası olmalıydı: ürün adı, fiyatlar, barkod, stok tutma birimi (SKU), baskı tarihi, görüntüleme bölgesi, koordinatlar, zaman damgası ve QR kodlarından gelen veriler. Kısıtlamalar arasında yalnızca yerel açık kaynak modellerinin kullanılması, harici çevrimiçi hizmetler veya bulut uygulama programlama arayüzleri (API'ler) olmaması ve rknn int8 için optimizasyon teşvik edilmesi yer alıyordu. Değerlendirme metriği: en az %80 doğrulukla tanınan fiyat etiketlerinin oranı. İlk tur, sorunun yalnızca algılamada değil, aynı zamanda doğru okuma ve veri yapılandırmasında da yattığını gösterdi. Başarılı çözümler, aşağıdaki aşamalı bir işlem hattı kullandı: izleme ve en iyi kare seçimi (en net, en büyük, en öne bakan), algılama (çoğunlukla YOLO/Ultralytics), düzeltme ve süper çözünürlük, bölgesel OCR (PaddleOCR, EasyOCR, Tesseract) ile düzenli ifadeler ve iş kuralları aracılığıyla alan doğrulama ve QR/barkodlar ve bulanık eşleştirme ile bir katalogdan veri kurtarma. Son aşamada, ortalama kalite 4,47 yüzde puanı arttı ve maksimum kazançlar +21,27 ve +19,48 yüzde puanına ulaştı; bu, izleme, en iyi kare puanlama, QR kurtarma, katalog arama, mantık kontrolleri ve Docker paketleme yoluyla elde edildi. Kazanan yaklaşım, tek bir model yerine aşamalı bir mimariydi. İyi performans gösteren yığınlar şunları içeriyordu: YOLO/Ultralytics, OpenCV, PaddleOCR, EasyOCR, Tesseract, QR/barkodlar, katalog/SKU/bulanık arama, izleme ve en iyi kare seçimi. "Bir fiyat etiketi bul ve sonra bir şekilde çöz" yaklaşımı işe yaramadı — fiyat etiketi yapısını ve tekrarlanan kareleri hesaba katmadan.
Kaynak: Habr — хаб ИИ —
orijinal