Приложение для сканирования штрих-кодов
Мобильное приложение для сотрудников ритейла: сканирование и поиск товаров по штрих-коду.
Клиент
Сеть магазинов мебели и товаров для дома с филиалами в нескольких городах. Руководство компании обратилось к нам в 2020 году, когда розничные сети активно переходили на мобильные и бесконтактные инструменты для своих сотрудников.
Руководство хотело упростить жизнь персоналу и сократить время рутинных операций: ускорить сверку товаров и обновление цен, избавив сотрудников от постоянной привязки к терминалам. Раньше, чтобы проверить цену, остатки или найти нужную позицию в базе, им приходилось переключаться между залом и рабочим местом, что замедляло процесс.
Вызовы
Решение, которое уже использовалось у клиента, не справлялось с условиями торгового зала: бликующая упаковка, изогнутые поверхности, размытые или частично поврежденные коды. Из-за этого часть товаров не распознавалась, и сотрудники тратили время на ручной поиск в базе.
Когда клиент обратился к нам, мы проанализировали возможные варианты и сразу поняли: стандартные библиотеки для сканирования, которые можно было бы использовать в мобильном приложении, не дадут стабильного результата. Они отлично работают при ровном освещении и статичной камере, но будут терять точность в реальных условиях.
Мы предложили другое решение: применить ML-модель, обученную распознавать коды даже в сложных условиях съемки. Она сможет обрабатывать изображение прямо на устройстве, без обращения к серверу.
Работа без ограничений
Нужно обеспечить стабильность и скорость работы на ходовых моделях смартфонов, чтобы бизнесу не пришлось решать вопрос с обновлением парка устройств для персонала. Кроме того, приложение должно работать офлайн, ведь на складах и в подсобках интернет часто нестабилен.
Просто навести камеру
Не технический барьер, а исключительно вопрос удобства. Приложение должно распознавать форматы EAN, UPC и QR автоматически, не заставляя сотрудников выбирать формат вручную.
Это избавит от переключений и ошибок, когда считывать коды нужно десятками подряд.
Что делает приложение надежным:
ИИ для распознавания
Мы выстроили логику приложения вокруг модели машинного зрения, обучив ее для работы в реальных условиях клиента. Помимо публичных датасетов и внутренних тестовых выборок мы использовали синтетические данные, которые создали сами: добавили размытие, шум, блики, низкую освещенность и искажения перспективы. Благодаря этому модель уверенно распознает коды, напечатанные неидеально или снятые под углом.
Платформа и архитектура
Мы выбрали Flutter. Так клиент получил единое приложение под iOS и Android без удвоения бюджета и с возможностью быстро запустить решение в работу. Такой подход упростил внедрение: приложение сразу заработало на уже используемых устройствах и не потребовало дополнительных интеграций или закупки нового оборудования.
Как это работает
– Камера смартфона передает кадр в систему. Алгоритмы повышают контраст и выравнивают перспективу. Так код становится читаемым даже под углом или при слабом освещении.
– Далее модель машинного зрения анализирует изображение, определяет тип штрих-кода (EAN, UPC или QR) и извлекает данные.
– После успешного распознавания приложение проверяет корректность кода и выполняет поиск по локальной базе магазина.
– Данные периодически синхронизируются с центральной системой, поэтому информация о ценах и остатках остается актуальной даже без постоянного соединения.
Как это видят сотрудники
– Сотруднику достаточно просто навести камеру на штрих-код – приложение само фокусируется и при слабом освещении включает фонарик.
– На экране смартфона появляется карточка товара с названием, фото и ценой.
– Часто проверяемые позиции можно добавить в избранное, а к истории сканов вернуться в любой момент.
– Даже если сеть временно пропала, приложение продолжает работать с локальной копией каталога. Данные синхронизируются, как только связь восстановится.
Технологии
Бэкенд
Python
Фронтенд
Flutter
База данных
PostgreSQL
Инфраструктура
Docker
Библиотека
OpenCV
Библиотека
TensorFlow Lite
Результат
Модель машинного зрения, которую мы обучили, сократила количество ошибок при считывании кодов и заметно снизила время операций. Приложение получилось легким в использовании и точным в работе: оно адаптировано под реальные условия магазина и привычные сценарии сотрудников.
Решение окупилось за 18 месяцев. Процессы сверки и переоценки ускорились, уменьшилось количество ручных ошибок, а обновление ценников перестало быть узким местом. Благодаря этому сеть смогла быстрее обновлять ассортимент и точнее контролировать остатки без дополнительных затрат на оборудование или модернизацию устройств.
Кроме того, интерфейс выполнен на английском языке. Сеть работает с зарубежными брендами и поставщиками, и большая часть товарных данных поступает на английском – артикулы, названия, характеристики. Машинные переводы нередко искажают термины, поэтому мы решили сохранить единый язык интерфейса: так сотрудникам проще ориентироваться и сверять данные.
Скриншоты демонстрируют интерфейс приложения; коды и названия товаров заменены на тестовые.
в среднем снизилось время операций.
к точности; меньше ошибок и повторных сканирований.
Что происходит дальше:
Мы получаем запрос, обрабатываем его в течение 24 часов и связываемся по указанным вами e‑mail или телефону для уточнения деталей.
Подключаем аналитиков и разработчиков. Совместно они составляют проектное предложение с указанием объемов работ, сроков, стоимости и размера команды.
Договариваемся с вами о следующей встрече, чтобы согласовать предложение.
Когда все детали улажены, мы подписываем договор и сразу же приступаем к работе.