Hasta ahora no pensábamos que los códigos de barras tenían fecha de caducidad.  Parecía que eran indispensables para agilizar el envío de productos de una forma rápida y segura ¿no?.

Pues bien, por lo que parece Amazon piensa que originan muchos problemas, en forma de retrasos, a los robots que utilizan en sus centros de distribución. Finalmente la tarea de reconocimiento del paquete recae en un humano que tiene que escanear todos y cada uno de los millones de paquete que mueven. Además cada envío se escanea bastantes veces para ir haciendo seguimiento del mismo lo que origina que muchas veces las etiquetas se ensucien o se rompan complicando mucho más dicha tarea de identificación.

Por eso está pensando en sustituir esta tecnología “caduca” (que solo lleva 50 años entre nosotros) por el empleo de la Inteligencia Artificial.

Para modernizar sus almacenes, Amazon compartió detalles del proceso conocido como identificación multimodal (MMID). El primer paso para eliminar la dependencia de los códigos de barras fue capturar fotografías de los productos mientras se movían por la cinta transportadora. El modelo de IA utiliza como variables para la identificación las dimensiones, características visuales, texto del paquete o peso.

Con la ayuda de cámaras fotográficas y de profundidad se crea una huella dactilar de cada objeto. Posteriormente, los investigadores tradujeron los datos de cada imagen en vectores y construyeron un modelo de aprendizaje automático para extraerlos y asociarlos al producto con el ue se realizará la comparación.

El sistema está diseñado para no ser intrusivo y es capaz de detectar un ERROR de FORMA TEMPRANA. Las bandejas forman parte de la etapa inicial del proceso, por lo que si existe una discrepancia se resuelve sin tener que esperar hasta el final. El modelo utiliza un sistema de puntuación de confianza que determina si hay un desajuste o si la predicción del algoritmo no es suficiente.

Como es lógico, ell MMID depende de múltiples factores para asegurar un correcto funcionamiento. De entrada, las cámaras toman fotografías que nutre la base y entrena al algoritmo. La iluminación y la velocidad en la banda transportadora también son importantes, y Amazon se asegura de mantenerlas controladas.

De acuerdo con Amazon, la tasa de coincidencia del algoritmo se mantuvo entre 75% y 80% cuando lo usaron por primera vez. Con la captura constante de nuevas imágenes para entrenar al modelo de IA, el MMID alcanzó una precisión del 99%.

Según los ingenieros, la alta tasa de coincidencia también se debe a que sus sistemas de inventario saben donde se encuentra cada artículo. Gracias a ello el algoritmo no necesita hacer coincidir un producto con el catálogo completo de la empresa.