Statigest
Retail | Vision par ordinateur
De l'analyse vidéo aux modèles prêts pour le mobile : la vision par ordinateur qui fonctionne sur le terrain du retail.
Statigest fournit de l'analytique pour les chaines de distribution. mais leurs équipes terrain avaient besoin d'un moyen d'analyser le placement en rayon, les facings produits et la conformité merchandising en temps réel. L'analyse d'image traditionnelle était trop lente et trop dependante de l'infrastructure serveur.
Rakam a construit un pipeline complet de vision par ordinateur. de la reconnaissance de produits par vidéo à l'export de modèles ONNX et Core ML pour iOS et Android. Ce qui a commence comme un POC est devenu un système de production en 68 jours, avec des modèles fonctionnant directement sur les appareils mobiles des équipes terrain.
« Statigest apporte la vision par ordinateur sur le terrain du retail. de l'analyse vidéo aux modèles prêts pour le mobile pour les équipes terrain. »
Statigest
Partenariat client
POC
Valide & passage en production
2.3x
Plus rapide avec ONNX
68 j
Phase d'integration
iOS+
Déploiement Android
Business
Impact Business
Les équipes terrain analysent désormais le placement en rayon et les facings produits directement depuis leurs appareils mobiles, sans avoir besoin de connectivite serveur. Cela transforme les audits en magasin d'un travail manuel sur presse-papiers en une analyse instantanée assistee par l'IA.
La progression du POC a la production en 68 jours demontre un time-to-value rapide. L'optimisation ONNX offre une acceleration d'inference de 2,3x, rendant l'analyse en temps réel pratique sur du materiel mobile grand public.
Produit
Ce que nous avons construit
Reconnaissance de produits par vidéo
Modèle de vision par ordinateur personnalisé qui identifie les produits directement à partir de flux vidéo. Extraction d'images via FFmpeg, détection et classification de produits. le tout optimisé pour les environnements de rayons retail avec des éclairages et angles variés.
Superposition de rayon & analyse de facings
Systeme de superposition visuelle qui cartographie les produits detectes sur les planogrammes de rayon, comptant les facings et identifiant les ecarts de conformité. Donne aux merchandiseurs une visibilite instantanée sur l'execution en rayon par rapport au plan.
Tableau de bord d'annotations
Outil interne pour annoter les données d'entrainement, examiner les predictions du modèle et gérer le cycle d'amélioration continue. Permet a l'équipe de Statigest d'affiner la précision du modèle au fil du temps avec des retours spécifiques au domaine.
Export Core ML / ONNX pour mobile
Pipeline d'export de modèles qui convertit les modèles PyTorch aux formats ONNX et Core ML pour l'inference sur appareil. L'integration React Native permet le déploiement sur iOS et Android, avec une acceleration de 2,3x grâce a l'optimisation ONNX.
Technique
Architecture Technique
Le pipeline commence avec des modèles PyTorch personnalisés entraines sur des données spécifiques au retail, puis exportes en ONNX pour l'inference cote serveur et en Core ML pour le déploiement iOS. FAISS gère la recherche par similarite pour l'identification des produits.
FFmpeg traite les flux vidéo en images, tandis que React Native fournit la coquille mobile multiplateforme. MLflow suit les entrainements et les versions de modèles, avec toute l'infrastructure fonctionnant sur Kubernetes OVH.
# Stack
PyTorch personnalisé (entrainement)
ONNX (inference optimisee)
Core ML (déploiement iOS)
FAISS (recherche par similarite)
FFmpeg (traitement vidéo)
React Native (application mobile)
MLflow (suivi d'expériences)
Kubernetes OVH (orchestration)
# Performance
POC valide, passage au mobile
Acceleration ONNX 2,3x
iOS + Android prêt
Passez du buzz à l'impact réel
Laissez-nous vos coordonnées, nous vous recontactons sous 24h.