国外的无人售货柜系统研究比中国起步早，对于现代科技的运用更加成熟。在 2016 年末，亚马逊就推出了无人超市 Amazon GO，该无人超市是由多种不同零售柜组成，店内的传感器主要包含重量传感器、红外传感器以及摄像头。该超市的系统主要通过计算机视觉分析用户和物品的运动轨迹，然后结合重力传感器计算用户所拿取的商品状态。最后该系统会采集所有传感器信息并进行融合，通过深度学习对数据进行分析得出用户的精确购买数据。
国内的无人零售系统从 2017 年陆续开始推出，阿里巴巴首先在无人零售店“淘咖啡”使用人脸识别技术，让顾客可以实时查看制作咖啡需要等待的时间。京东也利用 RFID 识别标签和人脸识别技术推出了无人零售店。
目前国内零售柜的对比情况如表 1-1 所示，可以分为四种技术类型，不同类型各有优缺点。其中传统的售货机综合成本高等缺点，在未来的市场上将逐渐被取代或是升级。因此智能零售柜系统所采用的技术只要分为了三种：RFID标签识别、重力传感器、图像识别。下面将对采用三种技术的零售柜进行分析：
（1）基于 RFID 射频识别标签的智能零售柜系统
用户通过客户端扫描零售柜的二维码控制设备并打开柜门，待用户拿取商品之后使用阅读器对设备内的所有商品进行盘点，最终通过客户端进行结算。利用RFID 标签可以很精准的识别商品信息，但是缺点也很明显，每个商品都需要贴上 RFID 标签。该标签在零售商品微薄的利润中就占据了至少 30%以上的比例，导致商家的利润降低。由于商品的售卖利润和成本一直是零售中最重要的因素，导致该类型的零售柜在市场的数量并不多。
（2）基于重力感应的智能零售柜系统
在该系统中，用户通过扫描机器的二维码获取开门权限，然后拿取商品，最终也是通过客户端进行结算。该种零售柜中不同种类的商品对应着不同的重力感应模块，当商品离开传感器时，就可以实时判断用户所拿取的商品信息。然后通过网络提交重量数据给后台服务器，并且实时显示在用户的客户端界面上。但是该种零售柜还存在一定的缺陷，对于无法区分重量相同的商品，例如相同重量的薯片，或者等重量替换是无法识别的。其次由于重力传感器有精度的要求，要经常校准传感器，否则数据可能会异常，导致用户购买商品时出错。
（3）基于机器视觉的智能零售柜系统
基于深度学习机器视觉的零售柜使用前也需要使用扫码来获取开门的权限，然后用户可以挑选所需商品，最后该系统通过深度学习的模型进行分析得出用户所购买的商品信息。目前的市场中基于机器视觉有两种不同的方式：静态识别和动态识别。其中静态识别是指当用户开启柜门和关闭柜门时分别拍摄一张照片，然后根据信息的差异来确定用户所拿取的商品信息，该方式的缺点在于设备内的商品不能进行叠放，零售柜的空间利用率降低；动态识别是利用深度学习的模型对目标进行跟踪，然后对用户购买时的视频进行分析，既要识别商品的运动轨迹也要对商品的状态进行分析。其中就包括用户有没有放回商品，或者放回商品后用户又重新拿取了该商品。因此动态识别的技术难度最高，计算量很大，准确率也不如静态识别的模式。
微信公众号：人工智能感知信息处理算法研究院
知乎主页：
