COVID-19 如何改变了我们的购物方式并加速了零售领域的自动化
我们所有人都要承受 COVID-19 带来的社会和金融后果。为了保证个人安全，消费者越来越多地转向在线购物并减少在商店内的交互。零售商，特别是疫情流行期间营业的重要企业，必须寻找能满足消费者不断增长的需求的方式，同时为消费者及其员工实施新的安全措施。
购物在疫情期间不仅在继续，还因消费者先囤积日常用品后在酒吧餐馆等报复性消费而在非常短的时间内有了大幅增长。因为社交距离规范仍然存在，所以那些能让消费者在店外购物的企业获得了这些消费中的较大部分。这类在线购物方法有 BOPIS（线上下单店内提货）、路边交货，以及直接发货给消费者。采用了这些服务模型的公司斩获了利润，而没有的公司则受到严重的财务打击，很多不得不关店。
从零售商的角度来说，COVID-19 加速了可以提高运营效率并降低人工成本的自动化方面投资。在 COVID-19 之前，有前瞻的企业就已经在研究将在未来 3 到 5 年内实施的创新技术（例如机器人分拣和自动化库存管理）。但是，因为 COVID-19 零售商店员工带来的风险，给提高自动化留下的时间大幅减少。传统上，需求高峰（节假日购物）都是通过“增加人手来解决问题”的，但现在因为人们害怕疫情而不敢上班，使其成了一个很难解决的问题。
康耐视实时地看到了这种情况，因为我们的物流运营客户依靠我们的工业自动化技术才能跟上节奏。因为对 COVID-19 的诸多响应为未来多年的创新奠定了基础，所以我们应该回顾一下这次疫情给零售业带来的改变以及康耐视技术在这个转型中的促进作用。
我们来看一下零售商针对疫情做出的改变。
零售商店的转型
随着自动化在传统零售中处于越来越核心的地位，商店也逐渐转变成了配送中心 (DC)。深度学习和机器人等下一代工具可将一些复杂的活动自动化，例如取出纸箱中的包裹并将其放到货架上。利润微薄的杂货业正在测试自动化执行策略。这里是几个示例：
两家大型杂货店在自有的专门送货和提货的商店后台测试小型自动化“微型配送中心”。在其两家杂货店里，Albertsons 正在使用机器人准备客户的订单，据说这样可以提高分拣流程的速度。[1]
另一个示例是使用紧凑型机器人化自动存储和检索系统 (ASRS)，支持货物到人或货物到机器人的分拣。在德克萨斯有超过 400 家分店的大型连锁杂货店 H.E.B 正在使用这项技术，以配合他们刚启动的微型配送中心。[2]
与人工从商店货架拣货相比，使用机器人和深度学习有显著的成本和速度优势，特别是现在 COVID-19 疫情造成在线购物大幅增长的时候，杂货零售商希望能保证他们员工的安全，同时满足客户对快速交货的持续需求。
康耐视技术助力 COVID-19 后的零售状况
在自动化程度越来越高的零售环境，每个产品都需要有一个唯一的标识符，以便在从制造商发货仓到客户前门期间可以准确地追溯。先进的机器视觉相机、读码器以及传感器，例如康耐视开发的产品，使这一切成为可能。
康耐视通过四种关键技术帮助零售商完成了自我再革新：
读码。条码和其他唯一产品识别符是零售物流的支柱。扫描设备可以快速且准确地采集条码中的数据，然后将其提交到自动化配送系统以便在其旅程中的各个步骤进行追溯。
物流设施必须扩展才能满足日益增长的需求。一种实现方法就是提高处理量（读取率）。无论条码是什么情况，或者在包装或物品上的什么位置，读码系统都必须能准确地读取它们。凭借 Hotbars 和 PowerGrid 技术中的康耐视专利一维和二维算法，康耐视 DataMan 图像读码器能够提供同类最佳的读码性能和实时监控，可以分析未读取的根本原因以便未来进行优化。
机器视觉。专为工业自动化采集制造的数码相机能够采集二维和三维图像，确保物品和包裹能分拣到正确的物料处理系统并准确地执行。先进的扫描通道结合多个视觉系统和读码器，可以显示包装的所有侧面，实现实时检测并将损坏的包装送到合适的区域进行修理或更换。
在为零售领域的配送中心提供复杂的机器视觉解决方案方面，我们有十多年的经验。这些解决方案使用存在/缺失检测方式帮助提高分拣机小车的效率，并可采集尺寸数据以用于解决配送中心的各种应用问题，例如验证进货清单，判断某个物品是盒子还是塑料袋（正确处理），以及预估发货成本和最佳包装解决方案。
深度学习。读码器和机器视觉相机可提供海量数据供深度学习视觉系统分析，以便将有高度可变性的流程自动化。
考虑到 COVID-19 改变了消费者的购物方式，零售和电子商务配送中心也开始更迅速地评估在不读码的情况下使用深度学习主动识别物体的可能性。这种功能对自动化库存管理应用有重要意义。
这样可以避免对人类完成此工作的依赖，让配送中心能够全天不停地运行这些流程，保证在线库存数量有接近实时的更新速度。
很多零售商现在正在测试自动化库存机器，综合使用深度学习、读码和字符识别技术完成库存管理。
机器人。配送中心的履行阶段通常需要人来拣货，然后将其放到盒子中发给买家。这项任务在形状、大小和重量方面有很多变量，因此非常难以自动化。
虽然现在配送中心已经开始使用机器人移动产品，但仍然需要有人来从货架上取货并放到盒子中，或者从周转箱中取货并在执行第二天订单前补充库存。最后一个前沿是自动化整个履行流程：培训学习算法使其超过人眼，让机械爪和人手指一样灵活。康耐视工业视觉系统和深度学习软件是让机器人进入这个阶段的关键。
学习 COVID-19 疫情下零售业的经验
在 COVID-19 疫情影响下，消费者迅速适应了在线交付和路边取货。同时零售商及其物流团队也开始使用新流程和策略。
所有人都有一个共同想法，那就是这次公共卫生事件揭示了更好的做生意和取悦客户的方式。可以推断，2020 年给我们带来的新习惯还将持续数年。
随着消费者和零售商采用自动化和机器人领域的创新，康耐视技术自然也不会缺席。
[1] “杂货店在新冠期间转向机器人作业”，2020 年 4 月 7 日，www.cnn.com
[2] “H.E.B 推出使用微型技术的自动商店”，2020 年 9 月 15 日。WinSight 杂货店业务
Global Content Marketing Manager, Cognex
A technology marketer for over two decades, Mike enjoys communicating how technology can improve business outcomes. Over his career, he’s helped businesses in many industries understand the value of technology through work at Dell/EMC, Sun Microsystems, a few technology startups, and, since January 2020, at Cognex. When not extolling the virtues of using machine vision across various industries, he can be found exploring local Massachusetts and Cape Cod waterways with his kayak, taking in local craft breweries, or working on home improvement projects.
