Cash AI: la cassa che riconosce i prodotti guardandoli

Chi sta alla cassa di un self-service passa la giornata a fare una cosa sola: guarda un vassoio e ricopia quello che vede su uno schermo pieno di pulsanti. Nel 2022 quel passaggio l’abbiamo tolto, con un sistema di riconoscimento prodotti tramite computer vision montato su una cassa normale. Il cliente appoggia il vassoio, la telecamera guarda, il totale compare. Nessun codice a barre, nessuna ricerca a mano.

Il progetto si chiama Cash AI ed è del 2022, qualche mese prima che ChatGPT trasformasse l’intelligenza artificiale in un argomento da telegiornale. Lo raccontiamo adesso perché il meccanismo che c’è sotto vale ben oltre una mensa.

Il problema non è la cassa: è il barcode che non c’è

Il codice a barre dà per scontate due cose: che il prodotto ce l’abbia, e che qualcuno riesca a leggerlo. In un self-service non è vero quasi mai. Un piatto di pasta non ha un’etichetta. La frutta a peso nemmeno. Il pane sfuso, la teglia porzionata, il dolce del giorno: nessuno di questi passa sotto uno scanner.

E quando l’etichetta c’è, spesso è rovinata: confezione ammaccata, film di plastica che riflette, codice piegato sull’angolo. Lo scanner non legge, l’addetto digita le cifre a mano, la fila cresce. Con dieci persone in coda ogni secondo per vassoio diventa attesa.

Ogni prodotto battuto al posto di un altro conta doppio: sbaglia lo scontrino e sbaglia il magazzino. A fine giornata i conti non tornano e nessuno sa più dove sia successo.

Come funziona il riconoscimento prodotti con computer vision

La parte difficile non è la telecamera. È insegnare alla macchina che aspetto hanno quei prodotti, non dei prodotti in generale.

Abbiamo costruito il dataset sul catalogo reale del cliente: i piatti fotografati nelle stoviglie di quella sala, con la luce di quella sala, nelle posizioni in cui la gente appoggia davvero il vassoio, storto compreso. Un modello addestrato su immagini generiche di lasagne riconosce le lasagne dello stock fotografico; qui serviva che riconoscesse quelle del banco, in un vassoio insieme ad altre tre cose.

Da lì in poi il sistema fa tre cose, tutte in tempo reale sul flusso della telecamera:

• Riconoscimento simultaneo: nello stesso fotogramma ci sono più prodotti, e vanno identificati tutti insieme, non uno alla volta.
• Confidence score: per ogni prodotto il modello dichiara quanto è sicuro. Sopra la soglia procede; sotto, chiede conferma invece di indovinare.
• Totale immediato: i prodotti riconosciuti diventano righe di scontrino e si paga con la carta sullo stesso apparecchio.

Il confidence score è la parte che rende il sistema usabile

Un modello di visione artificiale non risponde mai «sì» o «no»: risponde con una probabilità. È una differenza che sembra teorica e invece decide se il sistema è utilizzabile in produzione o no.

Senza soglia, il modello tira a indovinare anche quando non ha capito, e l’errore finisce sullo scontrino del cliente. Con la soglia, i casi incerti — un piatto nuovo, una porzione strana, un riflesso — si fermano e passano alla persona. Il risultato pratico è che l’operatore non controlla tutto: controlla solo quel poco che il sistema gli segnala.

Il catalogo cambia ogni settimana, il modello deve stare al passo

In una mensa il menù ruota. Arriva il piatto del giorno, cambia il fornitore, cambia il packaging di una bibita. Se ogni variazione costringesse a rifare il dataset da zero, il sistema morirebbe dopo tre mesi.

Per questo l’addestramento è incrementale: le correzioni fatte in cassa diventano nuovi esempi, e il modello viene riaddestrato sul delta invece che sull’intero catalogo. Il sistema migliora usandolo, e chi lo usa non deve saperne niente di machine learning.

Hardware standard: una telecamera sopra il piano, niente di esotico

Nessuno scanner 3D, nessuna bilancia intelligente, nessun sensore speciale. Una telecamera normale sopra il piano d’appoggio e la macchina della cassa, quella che il locale aveva già. Il costo del progetto è finito quasi tutto nel software e nel dataset, non nella ferramenta — che è anche il motivo per cui una cosa del genere si poteva fare nel 2022 e non era fantascienza.

Cosa è cambiato dopo l’installazione

I numeri li ha misurati il cliente sul campo, non un foglio di calcolo di preventivo:

• Un dipendente segue quattro casse. Prima ogni cassa aveva il suo addetto.
• Ottanta per cento di tempo in meno per battere un vassoio.
• Fra l’ottanta e il novanta per cento in meno di differenze di fine giornata fra venduto e magazzino.

Quel sistema è arrivato in fiera a Düsseldorf. Nella nostra stessa categoria espositiva c’erano Microsoft e altri due colossi americani: noi eravamo cinque persone di una software house in provincia di Verona. Non abbiamo vinto niente, ma il nostro software stava lì in mezzo, acceso, e funzionava. La scheda completa è nel progetto Cash AI del nostro portfolio.

Perché una mensa c’entra con la tua azienda

Poco, se guardi il totem. Molto, se guardi cosa fa.

Quella cassa risolve un problema che non è della ristorazione: una persona guarda degli oggetti e li ricopia dentro un computer. È lo stesso identico gesto del magazziniere che legge la bolla del fornitore e la ribatte nel gestionale, dell’operatore che trascrive le misure dal calibro a un foglio Excel, di chi conta i pezzi nel cassone e scrive il numero su un cartellino che poi qualcun altro digiterà.

Cambia l’oggetto guardato, non il meccanismo. E il meccanismo nel 2022 funzionava già. Oggi i modelli sono migliori e costano meno: la domanda non è più «si può fare», ma «vale la pena farlo per questo passaggio qui».

La risposta dipende da tre cose molto concrete: quante volte al giorno succede, quanto costa l’errore quando succede, e quanto è variabile quello che va riconosciuto. Se sono tante volte, l’errore pesa e la variabilità è governabile, il conto torna quasi sempre. Se succede due volte a settimana, no — e te lo diciamo prima, come raccontiamo nel post sul perché l’AI utile è noiosa.

Se nella tua azienda c’è un passaggio così, raccontaci com’è fatto: guardiamo insieme se ha senso automatizzarlo prima di parlare di preventivi. Trovi il perimetro completo di quello che facciamo nella pagina servizi di sviluppo software su misura, e i progetti dove la macchina si collega al mondo fisico nelle soluzioni IoT e Industria 4.0.