هوش مصنوعی در کمین دزدان فروشگاهی
سیستمهای هوش مصنوعی سه نوع دزدی را تشخیص میدهند: پنهان کردن کالا، تبانی کارمند با مشتری، و خروج بدون پرداخت — همه در لحظه.
سرقت از فروشگاهها (Shoplifting) سالانه حدود ۱۰۰ میلیارد دلار به خردهفروشان در سراسر جهان ضرر میزند [۱]. روشهای سنتی مانند آیینههای محدب و نگهبانان کارایی محدودی دارند. سیستمهای هوش مصنوعی پیشرفته قادرند سه نوع دزدی را تشخیص دهند: ۱) مشتری که کالایی را در کیف یا لباس پنهان میکند، ۲) تبانی کارمند با مشتری (اسکن نکردن عمدی کالا)، ۳) عبور از صندوق بدون پرداخت. همچنین نقشه حرارتی رفتار خریداران (Heatmap) نشان میدهد کدام قفسهها بیشتر در معرض سرقت هستند [۲].
این سامانه از چندین شبکه هوشمند تشکیل شده است: شبکه اول «تشخیص اشیاء پنهان» با آنالیز تغییر شکل لباس (برآمدگی غیرعادی) کار میکند. شبکه دوم «تشخیص اسکن نشدن» با ردیابی حرکت دست مشتری و کارمند بهطور همزمان – اگر مشتری کالایی را روی نوار بگذارد اما دست کارمند اسکنر را لمس نکند، هشدار داده میشود. شبکه سوم «تشخیص خروج بدون پرداخت» با آنالیز مسیر حرکت و ناحیه صندوق [۳].
جدول دقت در انواع سرقت:
| نوع دزدی | روش سنتی | هوش مصنوعی |
|---|---|---|
| پنهان کردن کالا در لباس | محدود (نیازمند مشاهده مستقیم) | ۸۹٪ |
| تبانی کارمند-مشتری (اسکن نکردن) | بسیار محدود (کمتر از ۵٪) | ۹۴٪ |
| خروج از درب بدون پرداخت | ۱۰٪ (آلارم درب) | ۹۶٪ |
| تغییر بارکد کالا | ۰٪ (غیرقابل تشخیص) | ۸۳٪ (تشخیص جعل) |
شرکتهای خردهفروشی بزرگ مانند والمارت با نصب این سامانه در صدها فروشگاه خود، نرخ سرقت را بهطور قابلتوجهی کاهش دادهاند [۴]. فروشگاههای زنجیرهای در ایران نیز با بهرهگیری از این فناوری، دهها مورد تخلف از جمله تبانی کارمند با مشتری را شناسایی کردهاند. تحلیل Heatmap نشان میدهد برخی قفسهها (مانند لوازم آرایشی و الکترونیکی کوچک) بیش از سایر بخشها در معرض سرقت قرار دارند که با استقرار اقدامات پیشگیرانه، نرخ سرقت در این بخشها بهطور محسوسی کاهش یافته است [۵].
ارزش بازار جهانی ضدسرقت هوشمند تا ۲۰۲۹ به ۲.۷ میلیارد دلار میرسد [۶]. فناوری جدید «شناسایی چهره دزدان حرفهای» با اتصال به پایگاه داده پلیس، به محض ورود فرد سابقهدار به فروشگاه، هشدار میدهد. همچنین «محافظان سلف سرویس» (Self-Checkout Guardians) برای صندوقهای بدون صندوقدار، حرکت جابجایی کالا از سبد به کیسه را با لیست اسکن شده مقایسه میکنند [۷].
منابع:
[۱] National Retail Federation (2022). "Global Retail Shrink Report."
[۲] Djenouri, Y. et al. (2021). "AI for Shoplifting Detection: A Comprehensive Review." IEEE Access, 9.
[۳] Everseen (2022). "Visual AI for Retail Loss Prevention: Technology Overview."
[۴] Walmart Global Tech (2021). "AI-Powered Loss Prevention at Scale."
[۵] اتحادیه فروشگاههای زنجیرهای ایران (۱۴۰۱). «گزارش بهکارگیری فناوریهای نوین در مدیریت فروشگاهی».
[۶] Grand View Research (2023). "Smart Retail Loss Prevention Market – Global Forecast to 2029."
[۷] NCR Corporation (2022). "Self-Checkout Guardian: AI for Autonomous Retail Security."
[۸] McKinsey & Company (2021). "The Business Case for AI in Retail Loss Prevention."
تصاویر مرتبط
برچسبها
همین قابلیتها را روی دوربین خودتان داشته باشید
دوربینهای امنیتی هوشمند ویونکس با همین تحلیلهای هوش مصنوعی، هشدار لحظهای در اپلیکیشن و تلگرام و یک سال اشتراک سرویس ارائه میشوند.
برای ثبت نظر لطفاً وارد شوید
هنوز نظری ثبت نشده است