CPG故事 - 智能标签的智能方法
2016年，杂货店制造商协会（GMA）以及领先的食品和饮料和消费品公司推出了智能标签 - 使消费者能够获得即时访问信息的倡议（包括成分，使用指南，健康影响，安全提示和安全提示和安全提示喜欢）零售货架上的数千种产品。愿景是，如智能标签所指示的条形码或在线搜索的简单扫描将导致关于消费产品的一切了解。
超过30家主要公司致力于参加并遵守智能标签计划的指导方针。对于他们来说，这意味着：
- 蒸馏准确和相关的产品信息数千SKU
- 阅读数千个单独的产品标签（大多数产品信息准确录制），然后以数字方式准确地重新录制它
- 在将其上传到中介网站之前，对所有数字记录进行分类和分类，以遵从规定的格式 - 智能标签平台的网关。
发现和构成真正的问题
对于公司来说，聚合和重新记录产品信息的过程意味着在努力的数量努力中进行昂贵的投资。并且输出可能具有可疑的质量 - 因为人为错误在手动管理的数据进程创建的记录中是不可避免的。真正的问题是找到一种解决这些人力努力的解决方案，同时还保证了记录的完全准确性和可追溯性。
解决问题
答案在于智能自动化。利用具有光学字符识别（OCR）能力的平台来“读取”产品标签并创建准确的数字记录。然后，开发算法以略微对数据进行分类。正确的工作流程工具可以简化整个过程，具有最小的人为干预。了解该平台是如何对管理智能标签合规性的复杂和劳动密集型进程的简单解决方案：
来自图像的结构化数据：该系统使用OCR功能仔细扫描数千个产品标签的图像，以蒸馏粒度产品属性数据。这些包括使用指令，健康和安全信息，产品福利和索赔，UPC编号，成分，净内容，到期日等，通常在标签上找到。系统可以缩小标签的特定区域，并且还可以从不同的角度捕获标签的图像。在特定图像质量较差的情况下，培训和完善的算法从标签的多向图像到达来自标签的多向图像的数据有助于在产品信息上为零。在高度可扩展的数据湖中存储和管理此数据。
略微对数据进行分类：可以轻松利用机器学习将此数据分类为相关类别。我们可以构建和列车算法，以根据智能标签模板的要求自动对数据进行分类，因此将其上传到Gateway站点，在尽职调查之后成为一次性无差错过程。
自动化工作流程：一旦信息被提取并分类为特定的SKU，使用工作流程工具与审阅者共享一个样本集（可以从公司认证信息准确性的公司专家）。如果审阅者找到错误，则分类过程会自动重做。该算法从这些过程中持续学习重新运行以改进和完善分类，因此不重复相同的错误，并且工作流程逐渐变为无差错
结果
- 首次智能标签合规性，具有持续遵守的经过验证的系统
- 75％的全职员工（FTE）削减管理进程所需的努力
- 在持续的行动中节省75％，对SKU的连续指数增加进行分解
