Публичное пространство
SetRetail SCO v.3◾Замер скорости работы распознавания. Логирование работы SetSCO с сервисом MERTECH
Логирование работы SetSCO с сервисом MERTECH
https://crystals.atlassian.net/browse/CR-12817
https://crystals.atlassian.net/browse/SCOD-1393
10.4.9.0
Описание
Начиная с версии 10.4.9.0 для касс самообслуживания, на которых настроена функциональность распознавания товаров с помощью Модуля распознавания MERTECH VISION AI, добавлена функциональность логирования работы сервиса.
Ценность
Функциональность позволит диагностировать работы сервиса MERTECH и, таким образом, отследить ошибки, возникающие в работе сервиса, и провести дополнительную настройку.
Настройка
Никаких дополнительных настроек для функциональности логирования не требуется. Лог-файл появится на кассе самообслуживания автоматически после обновления до версии 10.4.9.0, при условии подключенного и настроенного Модуля распознавания MERTECH VISION AI.
Для просмотра логов подключитесь к кассе самообслуживания → перейдите в папку /home/tc/storage/crystal-cash/logs → откройте файл smartScales.log.
Замер скорости работы распознавания
https://crystals.atlassian.net/browse/CR-12788
https://crystals.atlassian.net/browse/SCOD-1417
10.4.10.0
Описание
Начиная с версии 10.4.10.0 добавлена функциональность замера скорости и эффективности работы распознавания товаров на КСО.
Ценность
Анализ эффективности внедрения данной системы в торговых сетях клиентов позволит своевременно производить необходимые настройки или доработки системы распознавания, тем самым улучшая пользовательский опыт при работе с модулем распознавания MERTECH VISION AI.
Ключевые метрики
Метрики ниже применяются для оценки эффективности функциональности распознавания товаров:
Метрика | Определение метрики | Возможные выводы о работе системы распознавания |
---|---|---|
| Факт, что применялось распознавание - boolean (1 - применялось, 0 - не применялось). | Доступность/конверсия функциональности распознавания на КСО, например, в 50 из 100 случаях при работе на КСО было применено распознавание. |
| Факт, что в чек был добавлен тот товар, что был распознан, или покупатель его поменял - boolean (1 - покупатель добавил в чек товар из выборки распознавания, 0 - любой другой товар). | 1. Распознавание работает корректно и предлагает правильные товары. 2. Точность распознавания, например, из 100 чеков в 98 случаях был выбран товар предложенный системой распознавания. 3. Триггер, что товары n, m, x, y, z некорректно обучены в системе распознавания и требуется их переобучение. |
| Коды распознанного товара (из товаров, попавших в выборку) - string, например, 0001 + какие товары были предложены и с какой долей вероятности (в %). | 1. Метрика позволяет сделать вывод о качестве обучения конкретного товара/товаров для устройства (камеры), в зависимости от магазина или кассы, и выполнить действия по дооубучению базы данных. 2. Система распознавания предлагает товары с меньшей долей вероятности, когда был выбран другой товар из пик-листа. Работает вместе с |
| Скорость непосредственно распознавания товара в Mertech, в мс - int (например для 0.45 секунды будет 450 мс). | 1. Время, за которое система распознавания узнает товар и возвращает ответ. 2. Время отклика системы распознавания с ответом на запрос кода товара. КСО отправляет запрос камере на распознавание товара → камера возвращает массив данных, который содержит в себе распознанные товары (Товар1, Товар2, Товар3) за 0.45 секунды. |
| Скорость распознавания для пользователя (от нажатия клавиши Найти товар до демонстрации покупателю списка товаров на выбор), в мс - int (например для 1 секунды будет 1000 мс), не может быть меньше | Определение скорости работы системы для конечного пользователя, выявление отклонений и их анализ. |
| Какой товар подтвердил покупатель, какая у него была доля вероятности (в % ). | 1. Триггер товара, предложенного с максимальной вероятностью системой распознавания, относительно того, который был фактически выбран из предложенной выборки. 2. Точность распознавания за счет того, что покупатель всегда выбирает товар с максимально предложенной вероятностью. Строится на базе товаров из выборки в блоке items и если selected != 0. |
Пример итогового json
{
"recognition": 1,
"selected": 1,
"recognitionSpeedMertech": 450,
"recognitionSpeedUser": 1000,
"addedItem":
{
"code": "0001",
"deviation": 90
},
"items": [
{"code": "0001", "deviation": 90},
{"code": "0002", "deviation": 8},
{"code": "0003", "deviation": 2}
]
}
Информация о работе модуля распознавания MERTECH VISION AI автоматически генерируется на КСО и отправляется на сервер SetCentrum/SetRetail10.
Для просмотра данных подключитесь к серверу SetCentrum/SetRetail10 → перейдите в базу данных set_operday → откройте таблицу
od_position_properties → сделайте выборку из таблицы по полю
name = ‘recognition’
с помощью скрипта ниже.
SELECT * FROM od_position_properties WHERE name = 'recognition';
Настройка
Для удобства анализа данные в таблице od_position_properties могут быть сформированы в различные отчеты по запросу.
Чтобы собрать данные с сервера в формате отчета выполните один из скриптов ниже в базе данных set_operday в таблице
od_position_properties:
;
;
.
Также на основе метрик возможно получить следующие отчеты о работе системы распознавания:
конверсия распознавания в чеках с товарами из пик-листа;
корректность работы распознавания и ее точность;
выявление неправильно обученных товаров;
сравнение скорости распознавания товаров у нескольких систем такого класса.
Для получения скриптов для формирования отчетов из списка выше обратитесь к своему менеджеру.
Статьи по теме
© 1994-2025, ООО «Кристалл Сервис Интеграция».
Все права защищены.