El gigante del comercio electrónico Amazon está construyendo una solución de clasificación basada en visión por computadora para productos alimenticios como cebollas y tomates. Los análisis de enfoque basados ​​en aprendizaje automático producen imágenes para detectar defectos como cortes, grietas y daños por presión. Puede llevar a cabo millones de evaluaciones por día a un costo muy inferior al de cualquier otro método, dijo un importante científico de Amazon .

"La calidad es uno de los impulsores clave de las decisiones de compra de frutas y verduras y un factor crítico para lograr la satisfacción del cliente", dijo Rajeev Rastogi, vicepresidente de aprendizaje automático de Amazon India en el evento Smbhav de la compañía. “Hacer que los seres humanos califiquen la calidad de las frutas y verduras examinando manualmente cada pieza individual de producto, como tomate o cebolla, no es escalable a millones de evaluaciones de calidad por día”.

Amazon planea desarrollar una máquina clasificadora y empacadora automática basada en cintas transportadoras. Aprovecharía el hardware y el aprendizaje automático para empaquetar productos en grados de calidad predeterminados, como el grado superior A. La máquina de empaque gradiente reducirá el costo de clasificación en un 78% en comparación con la clasificación manual.

Amazon también planea usar sensores de infrarrojo cercano para detectar atributos como dulzura y madurez. Estos no se pueden detectar en imágenes RGB (rojo, verde, azul) capturadas por algoritmos tradicionales de visión por computadora y requieren métodos destructivos como comer la fruta.

"Eso, obviamente, no puede escalar", dijo Rastogi, quien comenzó su carrera en Bell Labs. También se desempeñó como vicepresidente de Yahoo Labs, donde su equipo desarrolló algoritmos de extracción de datos para extraer información estructurada de miles de millones de páginas web y luego presentarlas a los usuarios de manera fácil de digerir.

Se unió a Amazon en 2012. Su primer proyecto de Amazon involucró el desarrollo de algoritmos para clasificar productos en la estructura taxonómica grande y compleja de Amazon. Por ejemplo, para clasificar un juego de equipaje Samsonite en 'equipaje de mano', 'maletas' y 'juegos de equipaje'. Desde entonces, Rastogi ha estado involucrado en la utilización de la ciencia para tener un impacto en una serie de áreas que han resultado en experiencias de compra más rápidas, fluidas y sostenibles.

Como vicepresidente de aprendizaje automático en Amazon, Rastogi ahora está ayudando a su equipo a impulsar innovaciones que tienen un impacto profundo no solo en los compradores y clientes de la empresa en todo el mundo.

Por ejemplo, el equipo de Amazon India también ha desarrollado la aplicación móvil CRISP para abordar la propagación de la pandemia Covid-19 y proporcionar un entorno de trabajo seguro para los empleados de nuestro centro logístico. La aplicación CRISP usa señales de Bluetooth en teléfonos móviles para rastrear los contactos sociales entre los asociados de Amazon. Estos datos de contacto social se utilizan para alertar a los asociados cuando infringen las normas de distanciamiento social, por ejemplo, cuando se acercan demasiado a otros asociados. También se utiliza para identificar a los usuarios con un alto riesgo de infectarse con Covid-19, ya que han estado directa o indirectamente en contacto con asociados que dieron positivo en la prueba de Covid-19.

“Ahora se puede priorizar a los asociados con altos puntajes de riesgo de infección para las pruebas y las acciones de cuarentena”, dijo Rastogi. "Hemos lanzado CRISP en nuestros nodos de la última milla para ayudar a los asociados a mantener un distanciamiento social adecuado".