人工智能技术在商业领域应用的越来越广泛，智能商务已经开始引领消费的时尚，这就不能不提两个应用场景，智能零售无人超市和智能导购机器人。
一、智能零售无人超市
(一)、背景与需求
在传统零售店中，需要很多人员的维护和运营，运营成本高，效率不高。在结算环节，用户结算时间长，结算流程繁琐，店员与客户之间存在较高的交互成本。
(二)、基于人工智能技术的解决方案
以无人超市为例，采用人脸识别技术、IOT射频技术、在线支付等技术进行行业性的改造和创新，设计出无感知引导式购物流程，利用平台全局大数据和线下门店区域大数据分析的强强联合，实现线上平台和线下超市的无缝连接，以及整个无人超市分布式、数据化、智能化的运营和管理。
(三)技术选型思路
此类场景引入人脸识别，RFID射频技术、轨道跟踪等模块，使用了fast-RCNN,SSD,YOLO,LSTM等深度学习算法实现目标的检测、分类、识别，通过LR逻辑回归分类算法，GBTree集成学习算法等实现决策判断。结合大数据和开源传感器及视觉分析技术，通过数据分析对对线下门店的选址，商品运营、客户运营做出优化指导。门店内的摄像头可利用开源图像识别技术，计算客流、分析客户走向和选择喜好，监顾客违法行为，为优化店铺布局提高数据支持。使用“电子价签”，可以通过后台远程控制，实时修改价格和优惠调整。
二、智能导购机器人
(一)、背景与需求
传统的引导、咨询服务主要以人力为主，服务水平受人员专业素质、服务时间、心理状态、主观情绪等不确定因素的影响，同时在进行数据统计中，容易出现欺骗、缺失的问题，造成政府、企业的投入浪费。
(二)、基于人工智能技术的解决方案
以大型连锁商场为例，向线下几千家实体店投放几千个导购机器人，向消费者提高实时语音、视频咨询、路线引导的服务，提升了商场的服务质量和客户体验。通过智能服务机器人确保了大数据信息统计真实可信和大数据信息高效分析。该智能服务机器人系统基于开源平台，利用云服务平台，结合深度学习，生物特征识别、自然语音处理、情感分析等算法，完善了视觉识别、语义理解、定位绘图、行动规划、感知、模拟、去噪音等技术应用，最终满足了实际场景需求。
(三)、开源技术选型思路
此方案采用ROS机器人开源操作系统，引入建图定位、视觉等不同的开源技术。在建图定位中，采用了Slam常用算法Gmaping的框架融合方案，实现了实时地图构建与目标定位的功能。在视觉关键技术中，采用基于机器学习的目标检测和识别方法，包括特征提取、分类器或神经网络设计，实现目标识别的预测，包括libSVM传统机器学习，TensorFlow的深度学习技术。
