A new deep learning based object detection system for increasing salesman performance = Satış elemanı verimliliği için yeni bir derin öğrenme tabanlı nesne tespit sistemi

Abstract

Gıda dağıtım şirketleri, müşterilerine en iyi hizmeti sunmak için esnek ve duyarlı olmalıdır. Müşterilere hizmet vermek ve şirketin hedeflerine ulaşmak için çok sayıda çalışana ihtiyaç duyduklarından, bu şirketler için en büyük endişe operasyonel maliyetler ve harcamalardır. Artan görevler, satış ekibi ve diğer destek departmanları üzerinde sürekli ve artan bir baskı yaratır, bu da satış görevlisinin günlük görevleri yerine getirme ve dolayısıyla beklenen aylık hedefe ulaşma zamanını ve çabasını etkiler. Derin öğrenme teknolojileri, satış ekibinin harcadığı çabayı azaltmaya yardımcı olacak çözümler sunar ve aynı zamanda işletme maliyetlerinin düşürülmesine de katkıda bulunur. Bu tezde, çalışanların iş yükünü azaltmak ve gerekli desteği sağlamak maksadıyla derin öğrenme tekniklerinin ve algoritmalarının kullanıldığı tümleşik bir sistem önerilmiştir. Bir markette nesneleri ve ürünleri gerçek zamanlı olarak tespit etmek için YOLO algoritması kullanılmıştır. Daha sonra görüntülerden elde edilen sonuçlar bu algoritma kullanılarak işlenmiş ve Google API tekniklerinden yararlanılarak MySQL veritabanında depolanmıştır. Faster-RCNN algoritması ile sonuçlar buluttan şirketin sunucularına aktarılmış ve böylece Microsoft Power BI aracı ile alınan sonuçlar analiz edilmiştir. Sonuçlar, önerilen sistemin satış ekibinin iş yükünü azaltmak ve maliyetleri önemli ölçüde düşürmek için eksiksiz bir çözüm sağladığını göstermektedir. Ayrıca, bu platform, gelecekte rakip üretimlerin raflardaki görünürlüğünü incelemek için kullanılabilir.

Food distribution companies must be flexible and responsive to provide the best services to their customers. Operational costs and expenses are the biggest concern for these companies, as they rely on many employees to serve customers and achieve the company's goals. Increasing tasks creates continuous and growing pressure on the sales team and the rest of its supporting departments, which affects the time and effort of the salesperson in achieving daily tasks and thus achieving the expected monthly goal. Deep learning technologies provide solutions to help reduce the effort expended by the sales team and, at the same time, contribute to reducing operating costs. In this thesis, an integrated system is proposed to use deep learning techniques to reduce the representative's effort and compensate the human support staff with deep learning algorithms to provide the necessary support to the representative. YOLO algorithms are used to discover objects in real-time and Faster-RCNN algorithm is used to solve planogram issues on shelf. The results extracted from images are used from these algorithms and converted into data stored in the MySQL database. Google API techniques are used to transfer the results from the cloud to the company's servers and thus analyze the results received using the Microsoft Power BI tool. The results show that proposed system provides a complete solution to reduce the effort of the sales team and significantly reduce costs. Also, this system can be used to study the competitor productions visibility on shelves.