Αντικείμενο του έργου είναι η ανάπτυξη πρωτότυπης εφαρμογής για την εξαγωγή στατιστικών συμπερασμάτων σχετικά με τις προτιμήσεις των καταναλωτών σε χώρους πώλησης προϊόντων με στόχο τη βελτιστοποίηση του πλάνου πωλήσεων και λειτουργίας εμπορικών και καταναλωτικών επιχειρήσεων. Η καινοτόμα συνεισφορά του έργου είναι η έρευνα και ανάπτυξη ευφυών αλγορίθμων υπολογιστικής όρασης και μηχανικής μάθησης για την επεξεργασία εικόνων/βίντεο από τον εκάστοτε χώρο πώλησης με στόχο την αυτόματη ανίχνευση διαφόρων χαρακτηριστικών των καταναλωτών. Η συνεισφορά του έργου έχει τόσο εμπορική σημασία, καθώς αναπτύχθηκε εφαρμογή για τον αυτόματο υπολογισμό στατιστικών μετρήσεων χωρίς ανθρώπινη παρέμβαση, όσο και ερευνητική καθώς ερευνήθηκαν σε βάθος οι σχετικοί αλγόριθμοι επεξεργασίας βίντεο με χρήση τεχνικών υπολογιστικής όρασης. Συγκεκριμένα αναπτύχθηκε αλγόριθμος ανίχνευσης θέσης ανθρώπων από εικόνες/βίντεο. Με τις θέσεις των καταναλωτών μπορούν να εξαχθούν στατιστικά συμπεράσματα σχετικά με τα προϊόντα ως προς τα οποία οι καταναλωτές εκφράζουν περισσότερη προτίμηση. Στη συνέχεια αναπτύχθηκε αλγόριθμος για την ταυτόχρονη εκτίμηση της ηλικίας και του φύλου των καταναλωτών χρησιμοποιώντας εικόνες/βίντεο. Με τη χρήση αυτών των πληροφοριών μπορούν να εξαχθούν περαιτέρω συμπεράσματα σχετικά με τις ομάδες καταναλωτών που προτιμούν συγκεκριμένα προϊόντα. Το πρόβλημα της οπτικής παρακολούθησης ανθρώπων<!--[if gte mso 9]> <w:LsdExcept
Οι βασικοί στόχοι του έργου είναι:
- Ανάπτυξη συστήματος οπτικής παρακολούθησης καταναλωτών σε χώρους λιανικής πώλησης, με δυνατότητα ταυτόχρονης παρακολούθησης πολλαπλών ατόμων σε πραγματικό χρόνο.
- Αυτόματη αναγνώριση δημογραφικών χαρακτηριστικών των καταναλωτών, συγκεκριμένα του φύλου και της ηλικίας τους, μέσω ανάλυσης εικόνας και βίντεο.
- Εκτίμηση των προτιμήσεων των καταναλωτών με βάση τη θέση, την κίνησή τους στον χώρο και τον χρόνο παραμονής τους μπροστά σε συγκεκριμένα προϊόντα ή ράφια.
- Εξαγωγή στατιστικών συμπερασμάτων και consumer analytics για τη συμπεριφορά και τις αγοραστικές προτιμήσεις διαφορετικών ομάδων καταναλωτών.
- Υποστήριξη δυναμικού σχεδιασμού marketing και logistics, παρέχοντας πληροφορίες που επιτρέπουν τη βελτιστοποίηση της τοποθέτησης και προώθησης προϊόντων.
- Ανάπτυξη ενιαίου λογισμικού βασισμένου σε τεχνολογίες τεχνητής νοημοσύνης, αξιοποιώντας βαθιά νευρωνικά δίκτυα (CNN, LSTM και Bayesian Networks) για την ολοκληρωμένη ανάλυση της καταναλωτικής συμπεριφοράς.
- Ενσωμάτωση πολυτροπικών δεδομένων και πρότερης γνώσης (ιστορικά δεδομένα προτιμήσεων καταναλωτών) ώστε να βελτιωθεί η ακρίβεια των προβλέψεων.
- Επέκταση και αξιοποίηση του πρωτοτύπου σε βιομηχανική κλίμακα, με στόχο την εμπορική εφαρμογή του συστήματος σε πραγματικές συνθήκες λειτουργίας.
Συνοπτικά, ο κεντρικός στόχος του έργου είναι η ανάπτυξη ενός ευφυούς συστήματος ανάλυσης καταναλωτικής συμπεριφοράς σε πραγματικό χρόνο, το οποίο θα συνδυάζει οπτική παρακολούθηση, αναγνώριση δημογραφικών χαρακτηριστικών και πρόβλεψη προτιμήσεων για την υποστήριξη επιχειρηματικών αποφάσεων.
Η υλοποίηση του έργου οδήγησε στην ανάπτυξη μιας ολοκληρωμένης πλατφόρμας αυτοματοποιημένης συλλογής, επεξεργασίας και ανάλυσης δεδομένων, η οποία αξιοποιεί σύγχρονες τεχνικές τεχνητής νοημοσύνης και βαθιάς μάθησης. Η πλατφόρμα επιτρέπει την ταχεία παραγωγή αναφορών, δεικτών και στατιστικών στοιχείων, μετατρέποντας μεγάλους όγκους δεδομένων σε αξιοποιήσιμη πληροφορία για την υποστήριξη επιχειρησιακών και ερευνητικών αποφάσεων.
Ένα από τα σημαντικότερα αποτελέσματα του έργου είναι η δραστική μείωση του χρόνου που απαιτείται για τη συλλογή και ανάλυση δεδομένων. Μέσω της αυτοματοποίησης διαδικασιών που παραδοσιακά πραγματοποιούνταν χειροκίνητα, επιτυγχάνεται σημαντική αύξηση της παραγωγικότητας και της αποδοτικότητας των χρηστών, επιτρέποντας την ταχύτερη ολοκλήρωση εργασιών και την καλύτερη αξιοποίηση των διαθέσιμων πόρων.
Η πλατφόρμα παρέχει δυνατότητα διαχείρισης και επεξεργασίας πολύ μεγάλου όγκου ψηφιακού υλικού, διατηρώντας υψηλή ταχύτητα απόκρισης και ακρίβεια αποτελεσμάτων. Παράλληλα, προσφέρει ευέλικτους μηχανισμούς δημιουργίας αναφορών και οπτικοποίησης δεδομένων, επιτρέποντας την προσαρμογή των παραγόμενων αποτελεσμάτων στις εκάστοτε επιχειρησιακές ή ερευνητικές απαιτήσεις.
Ιδιαίτερα σημαντικό αποτέλεσμα του έργου αποτελεί η ανάπτυξη και ενσωμάτωση καινοτόμων αλγορίθμων τεχνητής νοημοσύνης για την ανάλυση σύνθετων δεδομένων. Η αξιοποίηση μοντέλων βαθιάς μάθησης και προηγμένων τεχνικών αναγνώρισης προτύπων βελτιώνει την ακρίβεια της ανάλυσης και επιτρέπει την εξαγωγή πληροφορίας που μέχρι σήμερα ήταν δύσκολο ή χρονοβόρο να παραχθεί με συμβατικές μεθόδους.
Το έργο συνέβαλε επίσης στη δημιουργία σημαντικής ερευνητικής και τεχνολογικής γνώσης. Η ανάπτυξη νέων μεθόδων επεξεργασίας και ανάλυσης δεδομένων ενίσχυσε την τεχνογνωσία των συμμετεχόντων φορέων, δημιούργησε προϋποθέσεις για περαιτέρω ερευνητικές δραστηριότητες και υποστήριξε τη διάχυση των αποτελεσμάτων μέσω επιστημονικών δημοσιεύσεων και συνεργασιών με την ερευνητική κοινότητα.
Συνολικά, τα αποτελέσματα του έργου δημιουργούν σημαντική προστιθέμενη αξία τόσο σε τεχνολογικό όσο και σε οικονομικό επίπεδο. Η δυνατότητα αυτοματοποιημένης ανάλυσης μεγάλων συνόλων δεδομένων, η μείωση του λειτουργικού κόστους, η αύξηση της παραγωγικότητας και η παροχή αξιόπιστης πληροφορίας σε πραγματικό χρόνο ενισχύουν την ανταγωνιστικότητα των οργανισμών που αξιοποιούν την πλατφόρμα και δημιουργούν προοπτικές για την ανάπτυξη νέων ψηφιακών υπηρεσιών και εφαρμογών υψηλής καινοτομίας.
