レジのベルトや棚の商品をすべて認識します：レジでは商品リストを取得し、棚では空きや誤配置のスロットを報告します。新商品は 3〜8 枚の写真で登録でき、再学習は不要です。
カメラが棚やレジのベルト上の商品を読み取ります。
すべての商品を検出枠で囲み、それぞれを商品ライブラリに照合して何であるかを判定します。
レジでは各商品を 1 回ずつカウントします。棚では各スロットを「正常」「空」「誤配置」「不明」のいずれかとして報告します。
商品の追加に再学習は不要です：3〜8 枚撮影してアップロードするだけです。
制限： 商品が完全に見えている必要があります——隠れている商品や積み重なった商品は検出されません。各 SKU には最低 3 枚の登録用写真が必要です。
埋め込みモデルを変更するとライブラリ全体の再構築が必要になります。同梱の重みは非商用利用限定のライセンスです。
A camera over the checkout belt or facing the shelf. The checkout preset is a fixed 640² input; the shelf preset is a fixed 1280². The input size is a property of the compiled artifact and is never changed at run time — a 640 artifact fed shelf imagery loses the distant products, which is exactly what the two presets exist to separate.
A host for the console — the registration/query service, the management UI and an MQTT broker, in three containers. Target is an amd64 or arm64 Linux box with Docker and no GPU; neither image has been built or pushed anywhere yet. It must be reachable from every recognition device, because that is where the gallery is minted and where devices pull it from.
An x86_64 machine for model conversion. Neither the RKNN toolkit nor the Hailo Dataflow Compiler runs on the target board, so the ".rknn" and the ".hef" are produced off-device and copied over. This is a one-time step per model, not per deployment.