Selon le géant du commerce électronique, ce système permettra de rationaliser le traitement des expéditions dans les centres de distribution, ce qui se traduira par des délais de livraison plus courts.
Bien que les codes-barres soient au cœur des processus d'expédition d'Amazon, la société souhaite ne plus y avoir recours. Il y a de multiples raisons de le faire, mais la principale est l'automatisation. La numérisation des produits nécessite un employé, car les robots ne sont pas assez polyvalents pour manipuler un produit et le fabriquer.
Lorsqu'un article arrive dans un centre logistique d'Amazon, les employés utilisent des codes-barres pour vérifier son identité à plusieurs endroits différents tout au long de son trajet vers le véhicule de livraison. À chaque fois, l'article doit être ramassé et le code-barres localisé et scanné. Parfois, le code-barres est endommagé ou même absent.
Pour moderniser ses entrepôts, Amazon a partagé les détails du processus connu sous le nom de . identification multimodale (MMID). La première étape pour éliminer le recours aux codes à barres a consisté à prendre des photos des produits pendant leur déplacement sur le tapis roulant. Le modèle d'IA prend des valeurs telles que les dimensions, les caractéristiques visuelles, le texte de l'emballage ou le poids.
Amazon a créé un modèle d'IA pour identifier ses produits et éliminer la dépendance aux codes-barres.
À l'aide de caméras photographiques et de caméras de profondeur, une sorte d'empreinte digitale de chaque objet est créée. Les chercheurs ont ensuite traduit les données de chaque image en vecteurs et construit un modèle d'apprentissage automatique pour extraire les données et les associer au produit à comparer.
Selon Amazon, le taux de correspondance de l'algorithme se situait entre 75 et 80 % lors de sa première utilisation. En capturant constamment de nouvelles images pour entraîner le modèle d'IA, le MMID a atteint une précision de 99 %. Selon les ingénieurs, le taux de correspondance élevé est également dû au fait que les systèmes d'inventaire de l'entreprise savent où se trouve chaque article, de sorte que l'algorithme n'a pas besoin de faire correspondre un produit à l'ensemble du catalogue de l'entreprise.
Le système est conçu pour être non intrusif et est capable de détecter rapidement une erreur. Les plateaux individuels font partie de la phase initiale du processus, de sorte que s'il y a une anomalie, elle est résolue sans avoir à attendre la fin. Le modèle utilise un système de notation de confiance qui détermine s'il y a une inadéquation ou si l'algorithme n'est pas entièrement sécurisé.
Le MMID s'appuie sur plusieurs facteurs pour assurer un fonctionnement correct. Tout d'abord, les caméras prennent des photos qui alimentent la base et entraînent l'algorithme. L'éclairage et la vitesse du tapis roulant sont également importants, et Amazon veille à ce qu'ils soient contrôlés. Le seul inconvénient survient lorsqu'un employé manipule l'objet sur le plateau, car il rend la détection difficile selon la façon dont il le tient.
Les ingénieurs d'Amazon travaillent maintenant à l'intégrer à des bras robotisés afin que la présence d'un humain ne soit plus nécessaire à l'avenir. La société espère éliminer le recours à l'identification manuelle des articles, un processus lourd et inefficace.
Je suis une grande fan de nouvelles sur les gens – je suis une pro de la tech et des smartphones, de la littérature de série, et j'écris pendant mon temps libre.