上海2016年11月30日電 /美通社/ -- 近年谷歌 Alpha Go 和李世石之間的人機圍棋世紀大戰讓人們接觸到深度學習的概念，作為機器學習的一種方式，深度學習的定義復雜難懂，而讓深度學習進入餐廳、進入后廚，一般人不會這么想，卻是來客創始人姚海平想要挑戰的一個領域。來客近期研發了一款深度學習智能攝像頭，獨創性地將深度學習技術引入了餐飲業。
在餐廳就餐，可能人人都經歷過晚上菜、錯上菜、漏上菜的體驗。這些算不上致命的頑疾，似乎從來沒有引起餐廳老板足夠的重視，也從來沒有得到徹底的解決，卻實實在在地磨損著消費者的就餐體驗，傷害了餐廳的美譽度。
之所以會出現錯上菜、漏上菜的情況，是因為后廚生產流程不完善與信息化程度不夠。例如，顧客在點餐后要求換桌，此時菜品信息與桌號已經傳到后廚且條目單已經打印出來了，打荷（南方地區對傳菜員的常用稱呼）人員只能手寫涂改桌號信息，由于所有的訂單基本都是由打荷來協調和安排，難免就會出現失誤，特別是在用餐高峰期。又比如，好幾桌的客人都點了同一道菜，但是點菜的時間和順序顯然是不同的，但是因為傳統的收銀系統不能有效地對同一道菜“合并同類項”給后廚，并且指引上菜順序，而是全都交給服務員來人工完成，就難免會出現第一個點這道菜的客人反而是最后一個才吃上的情況。
來客智能餐飲管理系統是怎么解決這一業界頑疾的呢？
“我們研發了一款深度學習智能攝像頭，可以自動識別菜品；與來客 iPOS 結合，還能兼顧并菜出品和上菜秩序，極大地減輕了打荷和切配的壓力，同時減少了人工操作誤差，改善了消費者體驗。”姚海平表示。從點餐信息傳達到后廚開始，來客 iPOS 采用信息化和電子化作業配合后廚模塊，來解決打荷、劃菜等問題。廚師只負責炒菜與出菜份數，在上菜的最后一道環節由來客的智能傳菜攝像頭來判定菜品的去向，即上菜順序，從而解決了餐廳錯上菜、漏上菜的行業痛點，提高了后廚生產效率。
來客用獨創的深度學習智能視覺系統重構了餐飲商戶的后廚，真正將智慧餐飲的概念落在實處。最終的產品看似簡單，但背后有強大的技術研發底蘊所支持。來客智能視覺系統通過長時間的機器學習過程可極致接近理論的誤差率。為確保精準度與靈活性，攝像頭也可以自由移動位置。
從深度學習原理到智能菜品識別系統是智慧餐飲發展過程中的一大步。而同樣的技術，用于水果店、干果零食等涉及商品稱重的零售店鋪，也能大大優化店鋪的點單收銀流程。
來客 iPOS 以“行業攪局者”的姿態進入業界視野，用優秀的移動互聯網產品，革新了餐飲和零售商戶對 POS 機的傳統認知。而來客的深度學習智能攝像頭在餐飲和零售行業的移動互聯網信息化進程中又將是一個劃時代的產品。
