スーパーマーケット商品認識
棚とレジ台の商品を見分け、新商品は数枚の写真でカタログに追加できます。
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。
再利用できる現場テンプレート
カメラ位置が固定され、パッケージが似ていて、商品カタログが頻繁に変わる店舗。
レジレーン
コンビニや生鮮スーパーのレジ台。かごの中をまとめて見て、1 点ずつのバーコード読み取りをしません。
棚の在庫確認
スーパーの棚前、無人什器の内側。人が見て回らなくても、欠品と置き間違いを報告します。
毎週 SKU が変わる店舗
お菓子のディスカウント店、新商品の試験販売店。新商品は 3〜8 枚撮って登録すれば使え、再学習は不要です。
適さない条件：計量法に基づく計量、法的な価格表示、万引き検知。精度に最も効くのは登録枚数なので、SKU ごとに複数の角度で撮影してください。棚の画像は商品が多いほど、1 フレームの処理時間が長くなります。
どう実現するか
レジ台や棚の上にあるカメラが映像を取得し、認識ホスト（reComputer J40 シリーズまたは reComputer RK3588 シリーズ）が判定し、店舗の管理端末がまとめ、結果を既存のレジや発注のシステムへ送ります。
4 つの要素があります。レジ台上または棚に向けたカメラ、検出器とエンベッダーを実行するホスト 1 台、商品ギャラリーを生成し UI を提供する管理端ホスト、そしてイベントを読み取る側です。いずれも現場にあります。管理端ホストは共有インフラであり、新しい SKU の登録先であるため、どのプリセットでも必要です。
Camera
レジ台上または棚に向けたカメラ 1 台を RTSP または USB で接続します。カメラ側では何も実行しません。
- レジ用と棚用でモデルビルドが異なります。 レジ用は 640² フレーム、棚用は 1280² フレームを入力するため、遠くの棚の商品も見逃しません。
- 予算はフレームレートではなく商品点数で考えます。 画面内の商品は 1 点ずつ照合されるため、商品が密集した棚のフレームは 5 点のかごより大幅に時間がかかります。
棚での利用にはフレーム間引きまたは棚位置ごとのサンプリングが必要です。
Recognition Host
このホストが商品を検出し、それぞれを識別します。3 つのプリセットの違いはここだけで、判定ロジックは 3 つとも同一です。
| 識別ホスト | 商品の検出 | 商品の識別 | デバイス上で実行された全チェーン |
|---|---|---|---|
| Rockchip NPU（reComputer RK3588） | NPU | 既定は Rockchip CPU、NPU への切り替え可 | 棚のリプレイ |
| reComputer R2000 シリーズ（R2035-12、Hailo-8） | Hailo-8 | ホスト CPU | 含まれない。モデルは段階ごとに提供 |
| reComputer J40 シリーズ（J4012、Orin NX 16GB） | GPU | GPU | レジのリプレイ |
商品識別を既定でアクセラレータ上に置くのは reComputer J40 プリセットのみです。Hailo プリセットではこのステップが CPU に残るため、密集した棚のフレームでは制限になります。
Console Host
現場の管理端ホストが商品登録、管理 UI の提供、MQTT ブローカーの実行を担います。必要なのは Docker のみで GPU は不要、どのプリセットでも使用します。識別ホストはその結果をこのブローカーに発行し、商品ライブラリもここからダウンロードします。すべてローカルネットワーク内で完结します。
商品ライブラリは各バージョンが変更されずに保持され、ロールバックできます。プラットフォーム API または自動化スクリプトにより、新バージョンの商品ライブラリを各デバイスへ一括配信できます。データインターフェースは下の「何が取り出せるか」を参照してください。
どこまでできるか
導入後、店長がブラウザーで見て操作する画面。
実測データ
デバイス上での再生と、公開データセットでのベンチマークです。認証された数量や価格ではありません。
| 店舗が得られるもの | 代表値 | 機器 |
|---|---|---|
| レジ：商品検出から結果発行まで | 22.3 ms p50（42.8 ms p95） | reComputer J40 Series（J4012、Orin NX 16GB） |
| 2 956 フレームのレジ通過再生でのフレーム落ち | 0 | reComputer J40 Series |
| 棚：商品検出から結果発行まで | 924 ms p50（1153 ms p95） | reComputer RK3588 Series |
| 704 クロップでの棚商品 top-1、CPU リファレンス比 | 541 / 704、同一 | reComputer RK3588 Series |
Grocery Store Dataset（81 クラス）での認識精度は、SKU あたり 8 枚の写真で top-1 84.67%、top-5 96.66% です。
精度を最も左右するのは登録写真の枚数です。8 枚で top-1 79.11%、1 枚では 51.11%（小型モデル）。SKU ごとに複数の角度から撮影してください。機器ごとの実測データと認識精度ベンチマークは エンジニアリング Wiki · エッジ商品認識ソリューション を参照してください。
何が取り出せるか
導入後の接点はこの 3 つだけで、いずれもローカルネットワーク上にあります。
| インターフェース | 場所 | 内容 |
|---|---|---|
MQTT retail/v1/events | コンソールホスト上のブローカー、1883 | フレームごとに JSON 1 件：各商品のトラック ID、枠、SKU、類似度、サマリ（レジの商品と数量、棚の欠品と置き違いスロット）、商品ライブラリのバージョンとモデルのハッシュ |
HTTP /v1/gallery/* | 登録サービス、8089 | 3〜8 枚の画像から SKU を新しいバージョンとして登録、バージョン一覧、現行バージョンのダウンロード、ロールバック |
HTTP /api/* | 管理 UI、8080 | シーン・SKU・デバイス・時刻で絞り込んだイベント一覧、商品ごとの詳細、レジと棚のボード |
多くの連携ではサマリ部分だけを読みます。類似度は、同じメッセージに含まれる商品ライブラリのバージョンとモデルとあわせて初めて意味を持ちます。アクセスには viewer・operator・admin いずれかの権限を持つトークンが必要です。同梱のブローカーにはパスワードがないため、検証環境から出す前にアカウントを設定してください。
自社システムへの移植
再利用できる単位は「食料品」ではなく、「商品を検出 → バージョン管理された商品ライブラリと照合 → 集計 → MQTT」というチェーンです。商品カタログに紐づくのはライブラリの中身だけで、それ以外はそのまま使えます。
| レイヤー | 移植時に必要な作業 |
|---|---|
| 商品検出器と 2 種類の入力サイズ | そのまま再利用。対象物が包装商品と大きく異なる場合のみ再学習 |
| 識別モデルとその量子化レシピ | そのまま再利用 |
| バージョン管理された商品ライブラリとロールバック | そのまま再利用 |
| 登録 API、写真の品質チェック、アクセス権限 | そのまま再利用 |
| MQTT メッセージとフレームごとのサマリ | 新しい集計ルールに合わせてサマリを調整 |
| ライブラリの中身と登録用の写真 | 新しいカタログ向けに収集 |
適用範囲：部品棚とキッティング作業台、返品の仕分け、資産の受け入れ、工具庫の管理。
適さない形態
- 法的な根拠となる数量や価格。 見えているものを数えるだけで、計量法上の認証も、盗難の立証もできません。
- 細かい印字でしか区別できない商品。 ラベル読み取りは未実装のため、ほぼ同一の包装は区別できません。
- 同梱の学習済み重みの商用利用。 2 つのモデルはいずれも非商用のデータセット条項を引き継ぐため、再学習が必要です。
どう導入するか
現場の状況をお聞かせください。ハードウェアはこちらで選び、その後データ接続と手順に進みます。
撮影シーン
カメラは何を映しますか？シーンによって、コンパイル時の入力サイズと 1 フレームあたりのクロップ数が決まります。
自分で比べる：各構成のスペック対照デプロイガイド · 90min →
| 構成 | 役割 | 機材 | 数量 |
|---|---|---|---|
| Rockchip NPU — RK3588 / RK3576 | Console Host | Console / On-Prem Host | 1 |
| Recognition Host | reComputer RK3588 シリーズ / reComputer RK3576 シリーズ（いずれか） | 1 | |
| Camera | RTSP / USB Camera | 1 | |
| reComputer R2000 (Hailo-8) — Detector on the NPU, Embedder on the CPU | Console Host | Console / On-Prem Host | 1 |
| Recognition Host | reComputer Industrial R20 シリーズ | 1 | |
| Camera | RTSP / USB Camera | 1 | |
| Jetson Orin — TensorRT | Console Host | Console / On-Prem Host | 1 |
| Recognition Host | reComputer J40 シリーズ（Jetson Orin NX） / reComputer J30 シリーズ（Jetson Orin Nano）（いずれか） | 1 | |
| Camera | RTSP / USB Camera | 1 |
| プリセット | 認識ホスト | 商品の検出 | 商品の識別 | デバイス上で通した全経路 |
|---|---|---|---|---|
| Rockchip NPU —— RK3588 / RK3576 | reComputer RK3588 | NPU | 既定では Rockchip CPU | 棚の再生 |
| reComputer R2000 Series（R2035-12、Hailo-8）—— 検出は NPU、埋め込みは CPU | Hailo-8 オプション付き reComputer R2000 Series（R2035-12） | Hailo-8 | ホスト CPU | 含まれません |
| reComputer J40 —— TensorRT、両段とも GPU | reComputer J4012（Orin NX 16GB）または J3011（Orin Nano 8GB） | GPU | GPU | 両モデルでレジ通過の再生 |
- どのプリセットでも、コンソールホストとカメラが別途必要です。コンソールの 2 つのイメージはそのホスト上でビルドします。ビルド済みイメージは公開していません。
- 難易度は 上級、ガイドの目安は 1 プリセットあたり約 90 分 です。
よくある質問
不要です。その SKU の写真を 3〜8 枚撮影して管理コンソールにアップロードすると、新しい商品ライブラリのバージョンが生成されます。3 枚未満はアップロードを拒否されます。
reComputer J40 のプリセットは、2,956 フレームのレジ回帰テストをフレーム落ちなしで一通り実行済みです。Rockchip のプリセットは 20 SKU の棚回帰テストを 1 回実行済みです。Hailo のプリセットは段階ごとのモデルを提供しますが、1 つのデバイスサービスにまとめたものはありません。
Grocery Store Dataset（81 クラス）で SKU あたり 8 枚の登録写真を使った場合、top-1 84.67%、top-5 96.66% です。SKU あたり 1 枚しかない小さいモデルでは 51.11% まで下がります。運用前に自分の商品で実測してください。
商品は 1 点ずつ個別に照合するため、処理時間は点数に比例して増えます。Hailo のプリセットでは、5 点のバスケットで約 0.5 秒、混雑した棚 1 フレームで約 14 秒かかります。棚のシーンではフレームスキップまたは棚位置ごとのサンプリングが必要です。
デフォルトでは reComputer J40 のプリセットのみです。Hailo のプリセットでは量子化後に精度が保てなかったため CPU 上で動作します。Rockchip のプリセットはデフォルトで CPU 上ですが、NPU に切り替えられます。
現状のままでは商用利用できず、本パッケージにも重みは同梱されていません。両モデルとも学習データが非商用ライセンスのみです。商用デプロイでは両モデルを再学習し、商品ライブラリも作り直す必要があります。
本パッケージ内に外部を指すエンドポイントは 1 つもなく、カメラ、識別ホスト、管理コンソールホストはすべて現場内にあります。同梱の broker にはパスワードが設定されていないため、実験台を離れる前にアカウントと暗号化を追加してください。
入力サイズはモデルのビルド時に固定されます。棚用ビルドは 1280² の入力を使うことで、遠くにある商品を見逃さないようにしています。モデルを変換する際にどちらのビルドを使うか選択します。
お探しの答えが見つかりませんか？
お問い合わせ
ハードウェアパートナーとしてうれしいです！