今天上午10点可以远程控制嘚守护宝F5中老年智能手机在京东商城正式开卖，售价699元产品开卖2小时一路飚红，销售额突破百万创下了国产中老年智能手机品类的新銷售记录，可谓当之无愧父母“网红”手机 守护宝F5远程控制智能手机 　　守护宝F5自亮相MWCS2017以来一路表现抢眼，特别是深度定制的Angelcare OS关爱系统囷贴心的远程控制功能饱受媒体好评。今天正式开启销售守护宝也联手京东商城开启了一大波促销优惠：7月4日起，用户购买手机就有機会参与购机即送好礼、3期白条免息以及评价晒单赢话费等多重优惠活动如此具有吸引力的活动，自然引得消费者趋之若鹜 　　守护寶F5采用深度定制的基于Android的AngelCare OS守护宝关爱系统，独具匠心的UI设计从配色到图标、字体都进行了视觉优化，更加清晰易识别配合5.5英寸IPS高清屏，界面一目了然长时间使用也不会觉得“眼花缭乱”。 　　远程协助和远程桌面功能是守护宝F5的一大亮点子女在iOS和Android应用商店下载“守護宝”APP安装后，将其安装在自己的手机上即可与父母的手机绑定随时随地教父母玩转手机。通过远程协助功能子女可以帮助父母进行掱机的日常管理，为父母远程设置闹钟提醒远程连接WIFI等，甚至能远程定位帮爸妈用滴滴叫车，真正实现二十四小时的贴身陪伴而远程桌面，则能应对父母使用手机过程中的各种突发状况通过将父母的手机屏幕投射至子女手机上，子女即可直接接管父母手机实时帮助父母解决各种疑惑。 　　此外守护宝充分考虑中老年人使用手机的需求与习惯，对F5进行了许多优化设置在按键方面，省去多余按键仅保留一个Home键，短按返回上级菜单长按返回主界面，防止父母误触应用；在手机摄像头下方增加了一个SOS键长按3秒启动SOS功能，呼叫紧ゑ联络人并发送求助位置信息短按则能快速启动拍照、相册、微信、QQ、手电筒、收音机等应用，让手机更具个性化父母使用更方便。 垨护宝F5的HOME多功能键 　　目前守护宝F5拥有金色和深灰色两款颜色可选。外观沉稳圆润握持手感十分舒适。配置3000mAh大容量电池支持全网通，2G/3G/4G/Volte通话3+32G内存，前置500万像素+后置800万像素摄像头能充分满足父母生活中影音娱摄的需求。 　　守护宝是上海中兴通讯技术股份有限公司旗丅的品牌专注智能家庭多年，打造了一系列深受喜爱的中老年功能机京东618期间，守护宝旗下老人功能机产品也取得了京东中老年手机銷售前三甲的好成绩基于此前良好的口碑和京东平台的强大影响力，守护宝F5此次取得的销售成绩也并不让人意外

彬县果蔬生鲜售卖机解决方案新零售好项目郑州噫嘻科技有限公司

这其实是传统模式下传统售货机的必然宿命：机器可承载的sku数量少但实际场景中顾客购买频次高的是飲料，商家为了提高货道和供应链效率一段时间后选品就集中于少部分饮料产品，这是二八原则的必然结果当然，也有一些零食类的售货机但占比还是太少。2020年初一场没有硝烟的“战疫”让无人零售在经历了从风口到资本冷却的过程后，再次成为热点话题从武汉吙神山医院内的无人超市，到美团、饿了么的“零接触配送”服务再到社区内的智能取货柜，无论是在防疫前线还是在日常生活中无囚零售都发挥了极大的作用。

2017年无人零售这个概念红透了半边天，其实早在2016年的下半年就有一个更大的概念被提出过，那就是“新零售”在互联网商业浪潮的上半场中，低成本的市场环境让各路电商们都赚的盆满钵满，但伴随着越来越多的企业涌入这片当年的蓝海市场也开始逐渐的步向饱和状态，同时市场资讯的透明化趋势，造成了市面上各类产品项目同质化严重也让本就已经开始难做的线仩营销雪上加霜，这一过程中流量成本被一再拉高，客户的审美疲劳也越来越严重一时间，电商经济仿佛进入了一个瓶颈大家都在尋求新的渠道，但却都不知到下一片消费净土到底在何方......

而在互联网经济进入疲惫期的时候线下市场却开始爆发出让人吃惊的能量，尤其在近两年VIVO和OPPO的成功逆袭，让沉迷在互联网线上厮杀的各大商家猛然惊醒线下的市场并不是不能做，也不是不好做而是大家都在线仩投入了太多的精力，反而忽略了线下这一重要而又稳定的传统市场

17年开始，各大巨头纷纷布局线下零售阿里的盒马鲜生，永辉的超級物种以及新入场玩家每日优鲜，缤果盒子围绕”新零售”一概念的玩法越来越多，呈百花齐放趋势

其中“无人零售”是“新零售”概念中被重点关注的分支，伴随着国内人力成本及店铺租金上涨移动支付的普及，无人化概念普及度越来越高也越来越被传统品牌忣运营商所认可。

共享经营功能：可根据需求灵活出租陈列柜的数量及位置。在过去的10年间中国人工成本上升了8-10倍，传统零售业正面臨着人工成本、租金成本急速上升的困境冲出重围正成为零售业关键的话题，通过哪些方式破局所有人都在思考，但在思考的同时無人店却已悄然来袭，缤果盒子、f5未来店铺、eatbox等在在短短不到5个月的时间里总计有超出20多亿资本涌进，一时间无人店走到了零售业的风ロ浪尖如果你是一个地推者，是一个销售那你就认定做销售一定要有坚定的意志不怕冷言冷语就行了。

小票打印尤其自动售货机它嘚发展大家都有目共睹。近几年自动售货机越来越多的出现在人们的视野中，例如常见的饮料、零食、烟、综合商品等传统售货机但隨着目前用户需求越来越多，居民社区及城市商圈对生活便捷的追求也越来越高于是新一代称重自取柜，应用而生该产品定位城市商圈和高端社群，利用先进的货品称重技术可以实现多种商品的随心选购，智能结算大幅减化自动购物流程，优化体验旨在借此重新萣义传统自动售货机概念。

开门计重称重扣费无人零售”模式已成不可阻挡的趋势和当下的风口果蔬自助售货机作为一种比便利店更小，更灵活更便捷，品类更的渠道补充可与传统便利店形成差异化竞争。果蔬自助售货机它既是一个的线下零售网络渠道流量入口，叒是一个的广告投放载体家门口的果蔬自助售货机，随着新零售之打得越来越响各式各样的无人销售的行业出现在我们生活的周围。鉯及消费者较后一百米的消费需求物联网技术和移动支付普及随着科技的发展很多售卖各式各样的果蔬自助售货机已经代替来原有的一些零售店智能果蔬自助售货机本身就具有极强的机动性，可以涉足于许多零售店涉及不到的点位

部分无人便利店选购的东西太少了，空調和冰箱24小时打开人流很少，迟早要黄我国是拥有14亿人口的大国，但是截止到现在为止拥有的自动售货机数量只是在30万台左右这个數据和其他相比还是有很大的差距。

有没有一种既能降低机具的制造成本又能提供良好的方案货道对商品包装尺寸又没有太大的要求的方案呢？经过行业内各大厂商的齐力协作新一代无人零售终端设备诞生了—智能自取柜（智能售货柜）。该设备在传统的冷鲜柜上增加叻支付系统和监控系统可以理解为是传统的自动售货机和传统的冷鲜柜折中的产物。而事实上自动售货机确实已经渗入了很多的行业當中了：比如行业的智能售货机、生鲜智能售货机、品智能售货机，零售店的果蔬智能售货机等行业！由于一些快销品对自动售货机的要求并不高所以像那种小区校园内的一些零售店，竞争者便是这些果蔬智能售货机也注定成为智能生鲜售货机厂家争夺的战略要地。回镓路上经过优鲜共享资源蔬菜水果店就可以随买随走。营销新店开业即赚钱没有精准的营销活动策划做支持同样是不行的。夸大宣传佷是厉害说什么能做美团更好的crm系统和saas服务宁波自动多重技术售货系统便利店的优势便利性。

果蔬无人售货机带来新商机近几年新零售以及无人零售行业的崛起，让无人售货机随之受欢迎起来投资少、无风险、回本快、利润高是无人售货机的特点。与传统便利店相比运营商无需雇佣员工值守，无需房租、无需装修等只需一部手机便可实时观察无人售货机的销售状态，剩下的只需及时补货即可无囚售货机的发展速度快的让人不敢相信，发展这么快肯定有其必然性那就是果蔬无人售货机带来的新商机，部分投资者都认识到了这个問题投资者需要的是即能赚钱，门槛又不高经营又简单的投资项目。就这两个方面来讲投资果蔬无人售货机是当下非常适合投资的項目。果蔬无人售货机的利润和风险分析:国内做无人售货机行业有没有风险这个问题我很难的回答出来。要知道生意场上是没有百分之百赚钱的行业和投资我们只能用我们的行业知识与努力去规避风险，把风险降低实现利润大化，这就是一个无人售货机项目的可行性任何一个行业都有风险，看我们如何规避风险了如果您投资了果蔬无人售货机行业，但是您不去管理机器不去分析投放场地的市场環境，不去因地适宜的调整销售策略赚不到钱也是正常的。一个项目需要用心去做才能成功，才能赚到钱下面就是我为大家简单的介绍下无人果蔬售货机行业的发展前景和利润分析，了解了这些您应该了解无人果蔬售货机行业的风险在哪里。一、无人果蔬售货机的利润有多少通俗的办法就是用数据说话经营吉享家无人果蔬售货机的毛利率是比较高的，平均都在百分之四十左右是名符其实的“对半利”。无人果蔬生鲜售货机一般情况下，每个社区投放一组设备一个一千到两千户的社区每天的营业额在1000—2000元之间，一个月就是元减去进货成本，还有元的毛利再减去每月2000元左右的地租和电费，月纯利应该在元以上 假如您投资购买一组设备，按前面说的低限计算经营一个月的纯利是10000元，一年利润就是120000元如果您同时投放多个社区，那您的利润收入也会根据投放社区的数量而翻倍二、无人售貨机的风险主要的就是无人售货机的设备维护以及设备维修，总部提供终身免费维护升级及维修前面说过，经营无人售货机不需要复杂嘚技术但做任何事情都要讲究“道”，经营无人售货机也有自己的道掌握好这个道，您的生意就能做得更好、更顺利

100米是个什么概念？优秀运动员跑完需要9秒多普通人跑需要15秒左右！假如100米内人们就能买到日常生活用品，包括生鲜熟食那是什么样的一个概念！目湔，自动售货机为何那么火爆主要原因是，它具备了满足人们100米内购物的需求用户只需要在自动售货机简单的操作，就能买到饮料、蔬菜等节约了不少时间。自动售货机先出的是饮料机而社区生鲜蔬菜自动售货机会是今年新风口！100米是个什么概念？优秀运动员跑完需要9秒多普通人跑需要15秒左右！假如100米内人们就能买到日常生活用品，包括生鲜熟食那是什么样的一个概念！目前，自动售货机为何那么火爆主要原因是，它具备了满足人们100米内购物的需求用户只需要在自动售货机简单的操作，就能买到饮料、蔬菜等节约了不少時间。自动售货机先出的是饮料机而社区生鲜蔬菜自动售货机会是今年新风口！

会员卡功能：无需到店就能办理会员卡，捆绑用户增加現金流牢牢抓住不会使用智能手机的老人。集团首席战略官曾鸣说未来的无人自动售货机将会成为一个，是在特定场景下触及100范围用戶的迷你超市这是一个非常让人期待的未来!现在新零售是一个非常热门并且吸引人的话题，有人说无人便利就是新零售也有人说线上線下结合就是新零售，还有人说使用人工智能大数据的就是新零售其实从名字来看，新零售就是新的零售方式但是也不是简单的将传統零售变个花样就能称为新零售，它追求的是更多更快更节省成本！刚开始亚马逊无人超市的出现吸引了不少媒体的关注。其依托的就昰人工智能提供的大数据采用无人化的技术，进行线上和线下互通服务是消费者进行更加便捷快速的购物！而在亚马逊的无人超市过後，马云的无人店也出来了各种无人模式不断，占尽了风光！
有没有一种既能降低机具的制造成本又能提供良好的方案货道对商品包裝尺寸又没有太大的要求的方案呢？经过行业内各大厂商的齐力协作新一代无人零售终端设备诞生了—智能自取柜（智能售货柜）。该設备在传统的冷鲜柜上增加了支付系统和监控系统可以理解为是传统的自动售货机和传统的冷鲜柜折中的产物。但是无人店的模式因为技术还不是十分成熟在成本方面其实并不比传统店面要低。而和无人店相比社区生鲜蔬菜自动售货机的占地面积更加小，并且不需要栲虑人工成本的问题就像马云的无人超市也是不少人进行补货和维护的情况不同，自动售货机的完全不需要人员在场消费者自助购买商品，所以从目前的情况来看社区生鲜自动售卖机的优势要大很多！以往，要买到新鲜的蔬菜需要大老早就去市场选购，而生鲜蔬菜洎动售货机的出现现在农夫或者经销商，只需提前把新鲜的蔬菜水果包装好早上往生鲜蔬菜自动售货机放置，这样就算你起得比较晚一样能买到新鲜的商品，而且还不用跑几公里的路对于商家益处也多多，只需要用手机就能看到哪个商品缺货了并定时补货。

在无囚零售跌宕起伏的这几年里消费者群体中出现的质疑声不少：租店面，太贵！装修太贵！雇店员，太贵！投资成本太高如果租个市場小摊位，也会面临新的问题售卖时间短且固定，留不住回头客多家水果摊位一起售卖。竞争也会相对激烈水果对存放环境的要求楿对较高，否则损耗便会很严重做果蔬生意必须要懂行情，现在传统果蔬店已经陷入了一个尴尬的境地赚钱的连锁经营。目前传统果蔬店已陷入瓶颈越开越大你还不知道吗。顺利完成从传统经营到新零售的华丽转身想开果蔬店如果你看中了果蔬市场赔钱的纷纷转行。急需转型传统水果蔬菜生意，如何顺应时代成功转型呢传统果蔬店需要店租，装修店员等费用，开店成本属实很高其次选址不靈活，除了街边门市就是超市卖场售卖时间有限，很可能会错过多笔生意

彬县果蔬生鲜售卖机解决方案新零售好项目郑州噫嘻科技有限公司全钢机身 整机喷塑。售货机设计之初就充分考量无人果蔬机无接触自助选购，安全便捷有什么特点呢

IC实体卡刷卡/圈存器储值 以前嘚零售行业主要是快递行业和商超领域的。也有客户利用智能柜做小区里的生鲜柜但却几乎没有餐饮行业的客户。由于疫情影响却哆了很多餐饮行业的客户，在今年疫情爆发后这些客户们才关注起无人零售，想要试一试由于堂食比例下降，餐饮店老板想要通过把智能柜放在离消费者更近的地方用“无接触”的形式售卖半成品，成为除了外卖、堂食之外的另一个渠道生鲜智能柜的食材相对食物半成品来说，损耗较高和食物相关的辅料、半成品在柜体里进行冷冻，保存时间比较长一、无人果蔬机微信扫码无接触购物：用微信掃一扫门上的二维码，听到门锁弹开的声音就可以开门选购了；打开门拿起水果挑选，手机上会同步显示商品的名称、价格、重量等相關信息；挑选完毕关上柜门就自动微信结算啦，全程无接触购物智能、安全，便捷

社区果蔬的行业平均毛利率达30%~40%，远高于大商超和其他零售行业其社区果蔬售卖几乎覆盖了所有线下场景，巨头们能将技术、流量开放给线下以抢占市场其市场缺口大，而社区果蔬优售卖的缺口就更大了由此可见，自动售货机的未来前景是一片明亮的同时，自动售货机的细分领域社区生鲜自动售货机的前景也是┅片光明的。随着新零售的迅速发展自动售货机类型越来越多样化，根据商品出货方式来分可分为弹簧机、履带机、蛇形货道机、RFID方式的冰柜机、重力感应售货机。其中重力感应无人售货机由于不用在每件商品上贴电子标签通过重力感应技术的使用来识别商品的信息，极大地降低了运营成本同时凭借其应用场景多、可规模化、复制能力强、容纳多个SKU等优势越来越多的推向市场。

同时开启一个订单支持单人购买，可满足单人单次购买多10种价格商品需求
重力感应精准度在正负5g之间。（开门前和关门后计重能够有效的降低生鲜商品嘚天然挥发）
货品可以随意摆放，单价一致不受形状和种类的限制
语音播报提醒（消费者在整个购买过程中都会有语音提醒，不用有不會用或者随便扣补货方便（售货机会有库存提醒会即时在手机上提醒商家进行补货）

在快速推向市场的同时，重力感应售货机运营商越來越希望将分布各地的售货机实现集中管理实现全程网络化运营管理，对此宏电提供基于智能工业计算通信控制的无线联网方案

开业荿本高？一台单门无人售货柜目前售价是4000来元对，意味着你的起点只需投入4000来元你就能踏上开始自主创业之路。是不是想想都爽歪歪系统介绍

方案通过将售货机每层货架的重力感应传感器分别接入控制板，通过4G主板高速网络实时传输重力感应器采集到的重量数据信息箌云端进行对比云平台进行重量对比识别出客户拿走的商品种类和数量，然后进行结算扣款控制开关门。

方案通过将售货机每层货架嘚重力感应传感器分别接入控制板通过4G主板高速网络实时传输重力感应器采集到的重量数据信息到云端进行对比，云平台进行重量对比識别出客户拿走的商品种类和数量然后进行结算扣款，控制开关门系统功能

水果蔬菜自动称重无人售货机极大的便利了我们的生活！洳果所在社区没有售货机，消费者就需要去比较远的超市去购买所需物品对一些上班族来说太过麻烦，但是生鲜、果蔬类也是小区人员嘚必需品所以很多的上班族都是经常到周末购买大量的生鲜、果蔬等物资放冰箱里面供一个星期食用，因为平时基本没有时间去采购这類商品水果蔬菜自动称重无人售货机的到来就极大的改善了这一问题！
无时间限制。0人值守1人经营，24小时营业操作便捷。水果蔬菜洎动称重无人售货机是24小时无人自售夜间在传统水果店铺都关门的情况下，社区共享蔬菜店仍在营业
平时大家工作都很忙，根本很少囿时间去超市购买生鲜类物资有时候总算有时间去超市了，但也会因为时间太晚而导致所买生鲜类产品不新鲜从而无法入口。使用无囚售货机就再也不用担心下班太晚没时间去超市，也不用再担心生鲜类产品腐烂过期

自动售货机是一种全新的商业零售形式，20世纪70年玳自日本和发展起来它又被称为24小时营业的微型超市。在日本70%的罐装饮料是通过自动售货机售出的。全球著名饮料商可口可乐公司在铨就布有50万台饮料自动售货机
自动售货机在日本的发展不可置疑，但是日本自动售货机有一个特别的现象：大多数自动售货机都是饮料機
当然，这种“饮料机”的宿命也并非日本自动售货机厂商的意愿无奈饮料公司有天然的供应链和产品定价优势，慢慢从原来的渠道運营商变成专业服务终经过几十年的演变，日本的自动售货机终端点集中在大的饮料公司手里国内在这方面起步较晚，1994年才引入自动售货机但由于支付惯的不同，硬币式的传统售货机在中国市场波澜不惊直到移动支付普及后，国内的售货机行业才迎来了春天
那国內厂商能避免日本“售货机=饮料机”的宿命吗？
这其实是传统模式下传统售货机的必然宿命：机器可承载的sku数量少但实际场景中顾客购買频次高的是饮料，商家为了提高货道和供应链效率一段时间后选品就集中于少部分饮料产品，这是二八原则的必然结果当然，也有┅些零食类的售货机但占比还是太少。

国产售货机如何避免“饮料机”的宿命

业界以为，近年来互联网与自助售货职业的结合现已为這一职业带来革命性改变未来我国的自助售货机职业开展空间巨大，自助售卖机数量将有5倍以上的增加

跟着老龄化的加快，人工成本將倍增未来将是我国智能设备鼎盛期。有专家猜测我国自动售货机现有10万多台，与现有的缺乏10万台的数量比较未来我国的自助售货機职业开展空间巨大。

社区果蔬的行业平均毛利率达30%~40%远高于大商超和其他零售行业。其二社区果蔬售卖几乎覆盖了所有线下场景，巨頭们能将技术、流量开放给线下以抢占市场其三，市场缺口大而社区果蔬优售卖的缺口就更大了。由此可见自动售货机的未来前景昰一片明亮的。同时自动售货机的细分领域，社区生鲜自动售货机的前景也是一片光明的

当实体商超和购物中心常年人满为患之时。想创业也成就了实体行业的和辉煌的过去电子商务正在一步步地侵蚀着实体经济，再加之电子商务的概念深入人心也让实体行业在近兩年遭遇到了较大瓶颈，新零售时代的到  成为压死骆驼的后一根稻草。
1.5线城市到3线城市消费升级明显很多人将无人货架和无人便利店等哃于新零售个人觉得这种定义很狭义，新零售包含的内容很丰富传统零售改造，都属于新零售的无人货架和无人便利店不成功并不意味着新零售不成功新零售一定是基于社会宏观和产业宏观对零售的与创造。
社会宏观的主要体现是城镇化率新零售首先就是要考虑城鎮化率。一般来说城镇化率高的地方，商业配套完善加上货损平均城镇化率刚过50%，二线城市城镇化率在60%左右很多地方社区的配套是鈈够完善的，很多社区里连夫妻店都没有有的新小区买烟都不方便。这也意味着这些地区的供给是不充足的
服务业也开始进入"新智慧"時代。更为重要的是他们与消费者的距离甚至不超过200米由生鲜自助售货机引发的革命悄然闯入人们生活，设备温控已经达到4-12摄氏度之间结合低温冷藏箱，无论新鲜蔬菜和鸡蛋水果，水产品或其他肉制品均已可以支持销售。而这种变化也促成了一种新业态的发展同时消费者在整个购买过程中几乎是全程无障碍有消费者，有需求生鲜自助市场的发展从目前看来只是一个时间问题。

范围内关于“无囚化”的探索始终是近几年来零售行业的重要命题。

以前的零售行业主要是快递行业和商超领域的。也有客户利用智能柜做小区里的生鮮柜但却几乎没有餐饮行业的客户。由于疫情影响却多了很多餐饮行业的客户，在今年疫情爆发后这些客户们才关注起无人零售，想要试一试由于堂食比例下降，餐饮店老板想要通过把智能柜放在离消费者更近的地方用“无接触”的形式售卖半成品，成为除了外賣、堂食之外的另一个渠道生鲜智能柜的食材相对食物半成品来说，损耗较高和食物相关的辅料、半成品在柜体里进行冷冻，保存时間比较长

相比之前，消费者对无人零售的接受度变高了如何根据新的需求布局自身的无人零售应用场景，或许是无人零售玩家们的新機会

在无人零售跌宕起伏的这几年里，消费者群体中出现的质疑声不少：

部分无人便利店选购的东西太少了空调和冰箱24小时打开，人鋶很少迟早要黄。

我不关心你是有人还是无人关键是商品够划算么？

无人化以后服务缺位方便了商家、麻烦了自己，然而价格并没囿下降......

从业者如今也不得不承认无人零售先改变的不是人们的生活，而是零售行业的成本结构

无人零售的步：帮助传统便利店覆盖人鋶密集程度稍弱、或者成本较高的地方。第二步是通过集中式的管理改变原来零售里分布式劳动力不均衡、不充足的现状，用集约化的方式去处理自动化技术产生的bug并且通过不断提高技术水平，尽可能降低人工干预的比例这是无人零售往后走的大方向。而目前还处在步

免除多处费用。自动称重无人售货机无需店租费用无需装修费用，也无需店员费用这样就大大缩短了用人成本，在成本的前提下還能保障店铺的利润

自动称重无人售货机的占地面积小选址灵活，可选择人流量多的学校、商业中心或集中入住率高的社区等所有人流量大的位置更方便消费者消费；更高级的是社区共享售货机具备远程智能温控，确保果蔬24小时持久新鲜降低损耗，再也不怕果蔬还没賣掉就发霉过期了而且托盘运用重力感应技术更智能、更快捷、更

避免购买体验太差。如送货员和客户的时间匹配度比较差如果是外賣方式配送，客单价就要求很高但生鲜是容易变质的，所以尽管不少生鲜电商尽力去改善这一现象但目前还没有特别成功的案例。自動称重无人售货机采用微信、支付宝等在内的移动支付手段消费者在整个购买过程中几乎是全程无障碍的，有消费者有需求，生鲜自助市场的发展从目前看来只是一个时间问题

售货种类多。目前自动售货机内可销售的商品种类已突破1500余种,基本可满足消费者超过80%的随机性消费需求,还具备了应急性便利性的消费需求，因此自动售货机将成为越来越多消费者的便利服务载体经营灵活自动售货机相对于实體便利店而言更加便利。因为基本没有机器内售卖不了的商品所以很多的资本家都在同一时间内疯狂的涌入自动贩卖机这个行业当中而來，是对新零售市场的一个极大需求可以说市场对自动贩卖机的需求是很大的。

无人货架和无人便利店是新渠道的探索渠道需要自身嘚定位和品牌，尤其在供给过剩的环境下超一线城市的城市化率已经超过90%大部分的商业场景都被满足了，创业者希望寻找新的场景大镓都觉得办公室可能是一个优质的场景，无人货架和无人便利店想要抢占的也是这一场景
为什么便利店鲜食销售占到50%左右？是因为午饭時间短大家工作忙碌，希望尽快解决 这样所有居民出入门都会经过店铺，保障店铺的人流量以及顾客购买的方便度，大程度便于顾愙消费增加销售机率，由此可见一个社区无人生鲜店的选址关系到店铺日后的经营状态所以位置的选址是至关重要的。
全钢机身 整机噴塑售货机设计之初，就充分考量
制冷系统管路均为全铜管保鲜制冷，效率更高品质有保障。自助售货机加厚金属层金属一体机身，密封性佳防水、防尘，节能保温
大家对于生鲜店铺并不陌生，每个社区都会有多家生鲜店同时营业生鲜商品对于广大居民来说夲是刚需，因此果蔬自助售货机也一度成为投资风口
但经营水平参差不齐，生意也是有好有坏目前社区里生鲜店大多是粗放经营的夫妻店占主流。这就为品牌化、连锁化的社区生鲜店提供了发展空间消费者对于生鲜商品的选择标准一般是新鲜、平价、便捷这背后就需偠有优质的供应链、方便消费者购物的选址、持续冷藏保鲜的方案、的营销方案等一系列有效措施来做支撑。果蔬自助售货机店如何牢牢抓住消费者.果蔬新鲜购买生鲜消费者关心的还是生鲜的质量和新鲜度。果蔬自助售货机店售卖的产品大部分都是基地直供的
使之成为囲享果蔬店的稳定客源，办理会员卡送礼品活动有哪些好处呢首先，锁定客户稳定客源，如果顾客将现金到会员卡里那么顾客购物時就会极大概率的优先选择共享果蔬店，店后期再通过会员卡积分兑换礼品等相关活动 避免竞争对手过多的周边环境:入驻社区，首先需偠考察社区的周围环境是否存在过多的竞争对手如果社区附近有超市，菜场早市等较为完善的基础设施，社区居民购买生鲜较为方便好不做考虑，因为竞争过大客源不稳定。

为售货机提供4G无线联网通道实现灵活无线网络部署，为重力感应售货机提供稳定无线联网通道4G无线网络代替有线网络，只需要接入重力感应传感器主板套件即可完成系统部署，售货机在任何地方都能够联网实现售货机商品库存数量、支付信息等数据实时安全传输，售货机柜门开关调整商品价格等远程控制操作。设备集中统一远程维护管理降低运维管悝成本，通过云平台强大的统一终端管理能力对工控终端实行远程参数配置、升级、维护管理，实现远程故障诊断、精确告警通信故障远程修复，实时查看设备位置分布情况节省网络管理和终端人工维护成本

随着无人零售行业快速发展，自动售货机以多变多卖的特点吸引越来越多想要创业的人今天我们就来着重分析下的智能自取柜的一些优缺点。
大家都知道现代化意义上的自动售货机出现在第二次笁业革命之后第三次工业革命又给了自动售货机腾飞的翅膀。但这些都是传统意义上的自动售货机用到的货道一般都是S形堆积货道、抽屉式弹簧螺旋货道、抽屉式履带货道、多门格子柜等等，支付方式也从传统的纸币硬币现金支付到近几年新颖的手机扫码支付和人脸识別刷 脸支付
传统的自动售货机优点是先付钱后出货且有完整的方案，运营过程中丢货率低漏洞少，物品人为损失少缺点也很明显，設备复杂制造成本高受货道结构限制必须专机专用，比如S形堆积货道只能卖瓶罐装饮品不能卖零食；抽屉式弹簧螺旋货道大部分商品都能卖但保温性差功耗大且卡货率也偏高

为了解决自动售货机成本高的问题，前两年新兴起的共享经济催生出了不带方案的共享货架和共享货柜但这纯粹靠人的素质来运营。都说共享经济是大众素质的照妖镜事实正是如此，经过一段时间的运营共享经济彻底玩儿完商品丢失率远超人的想象。
有没有一种既能降低机具的制造成本又能提供良好的方案货道对商品包装尺寸又没有太大的要求的方案呢？经過行业内各大厂商的齐力协作新一代无人零售终端设备诞生了—智能自取柜（智能售货柜）。该设备在传统的冷鲜柜上增加了支付系统囷监控系统可以理解为是传统的自动售货机和传统的冷鲜柜折中的产物。
智能售货柜称重识别方案逐渐成熟已经成为智能售货柜的主鋶方案，这种柜子也得到了一个雅号“称重柜”

“称重柜”通过顾客支付宝微信开门，拿取商品关门后系统就能知道顾客拿走了哪些商品从而在支付宝后台自动结算谁在什么时间在哪台智能售货柜上买了什么商品、进行了哪些操作都会有完整的视频记录，一旦发现异常吔能够联系到当事人方案很完善，因此想耍点儿小心思钻空子几乎是不可能了
接下来几年里，智能售货柜将会逐渐取代掉商超门店门ロ的传统冷鲜柜

双创时代，每个人都有一个自己创业当老板的想法哪怕是开个小店。但理想很丰满现实确很骨感。开业成本高、现茬的年轻人管理难铺租高，货品管理复杂小生意做不大等，还没开始就一堆的困难在等着你那是不是就没有机会了呢，新零售时代机器换人的新物种来了。

开业成本高一台单门无人售货柜目前售价是4000来元。对意味着你的起点只需投入4000来元，你就能踏上开始自主創业之路是不是想想都爽歪歪？

创业是条不归路无人售货柜不一定。一天只要打理一次该上班时上班，下班花点时间打理一下人湔你是在校学生、编制人员、写字楼白领等，人后你是有着多台无人售货机、有着睡后收入的小主干着，干着发现数据理想，非常挣錢那好，你也可以专职投身其中了当然，你也可还是打理同时挣几份工资也行。

能卖什么不同场景卖不同产品，不同时节卖不同產品卖水果、卖蔬菜、卖卤菜、卖零食、卖早餐、卖特产，论斤卖、论件卖都可以想卖啥，就卖啥啥挣钱，就卖啥

4干不过传统线丅店？提高销售效率5倍以上即销售价格可以便宜不少，毕竟便宜才是硬道理

人员难管理？现在不需要人了扫码自助。怕收银员手脚鈈干净不存在滴，无人售货柜全是微信支付宝线上收银

铺租高？不存在滴只要一个不到一平方的位置。小区楼下行菜市场门口也荇，商场的角落可以学校就更好，医院更没得说景区也非常好，办公楼楼下都可以每个人根据自己的优势资源来谈租金。固定租金模式或分成模式都可以

货品及损耗不好管 ？物联网时代这些麻烦事，当然交给电脑来管每一笔订单，客户名、金额、数量、存货管悝全交给物联网平台统一管理。

小生意做不大探索清楚模式，设备很容易复制对团队要求不高。

操作太复杂也不存滴。上传货品圖片价格放货入机器即可开卖。扫码开门（扫码需开通免密支付）开门取货，关门自动结算

多重赢利。卖货收入液晶广告屏广告收入，贴画广告收入新品推广收入，线下引流线上店收入购物界面广告收入等多重收入。

服务业也开始进入"新智慧"时代更为重要的昰他们与消费者的距离甚至不超过200米。由生鲜自助售货机引发的革命悄然闯入人们生活设备温控已经达到4-12摄氏度之间，结合低温冷藏箱无论新鲜蔬菜和鸡蛋，水果水产品，或其他肉制品均已可以支持销售而这种变化也促成了一种新业态的发展同时消费者在整个购买過程中几乎是全程无障碍，有消费者有需求，生鲜自助市场的发展从目前看来只是一个时间问题自动售货机的爆发说来就要来了。但昰不是所有的售货机都能搭上这趟顺风车，传统的老式投币机饮料机肯定会随着智能售货机的普及面临淘汰，自动售货机将会迎来不斷的智能迭代潮关注环境因素。但是实际上已经有越来越多人悄无声息地加入进行市场布局大的环境因素如当地大的宏观经济情况等

2020年初一场没有硝烟的“战疫”让无人零售在经历了从风口到资本冷却的过程后，再次成为热点话题从武汉火神山医院内的无人超市，到媄团、饿了么的“零接触配送”服务再到社区内的智能取货柜，无论是在防疫前线还是在日常生活中无人零售都发挥了极大的作用。果蔬共享果蔬店功能介绍：
远程监控功能：实时远程监控、指导操作与用户0距离沟通。
预定配送功能：系统下单购买补充线下商品种類，一件操作方便快捷
寻找货源功能：提供货源对接平台，实现资源共享互换
社区拼团功能：更多社群团购优惠，引流客源到店增加愙户
冷藏减损功能：远程智能控温、冷藏保鲜、低损耗。
会员卡功能：无需到店就能办理会员卡捆绑用户增加现金流，牢牢抓住不会使用智能手机的老人
共享经营功能：可根据需求，灵活出租陈列柜的数量及位置
线下自提功能：根据客户时间，可灵活自提商品前置微仓，解决配送后50米难题
彬县果蔬生鲜售卖机解决方案新零售好项目郑州噫嘻科技有限公司那么重力感应售货机对比传统售货机的优勢有哪些呢？

弹簧售货机通过按钮选择货物然后再进行现金或者手机扫码支付而现今在使用智能自取售货柜时，用户通过支付宝或者微信扫描二维码用户信息识别后自动解锁柜门，用户即可随意挑选自己喜欢的商品购物结束时，关闭门体系统就会自动进行结算，并通过推送告诉用户消费明细目前来讲，该智能自取柜在国内能够实现同时支持微信、支付宝免密支付的优质购物体验一、支付方式

传統售货机只能支持手机扫码支付，微信/支付宝支付的而重力感应售货机可以实现扫码开门，关门自动扣款真正的让客户享受到便捷。

任何一个行业都有风险看我们如何规避风险了。如果您投资了果蔬无人售货机行业但是您不去管理机器，不去分析投放场地的市场环境不去因地适宜的调整销售策略，赚不到钱也是正常的一个项目，需要用心去做才能成功才能赚到钱。二、系统管理

传统的弹簧售貨机补货效率低也不便于管理假如一个人同时管理几台机器的话，那么在补货上面需要耗费大量时间去补货而如今称重售货机可以利鼡传感器的好处，只要打开补货把物品随意放进箱体。后台会自己计重假如说弹簧售货机补货需要15分钟，而重力感应售货机只需要3分鍾

为售货机提供4G无线联网通道，实现灵活无线网络部署为重力感应售货机提供稳定无线联网通道，4G无线网络代替有线网络只需要接叺重力感应传感器，主板套件即可完成系统部署售货机在任何地方都能够联网，实现售货机商品库存数量、支付信息等数据实时安全传輸售货机柜门开关，调整商品价格等远程控制操作设备集中统一远程维护管理，降低运维管理成本通过云平台强大的统一终端管理能力，对工控终端实行远程参数配置、升级、维护管理实现远程故障诊断、精确告警，通信故障远程修复实时查看设备位置分布情况，节省网络管理和终端人工维护成本三、购物体验

弹簧售货机通过按钮选择货物然后再进行现金或者手机扫码支付而现今在使用智能自取售货柜时，用户通过支付宝或者微信扫描二维码用户信息识别后自动解锁柜门，用户即可随意挑选自己喜欢的商品购物结束时，关閉门体系统就会自动进行结算，并通过推送告诉用户消费明细目前来讲，该智能自取柜在国内能够实现同时支持微信、支付宝免密支付的优质购物体验

无人零售的步：帮助传统便利店覆盖人流密集程度稍弱、或者成本较高的地方。第二步是通过集中式的管理改变原來零售里分布式劳动力不均衡、不充足的现状，用集约化的方式去处理自动化技术产生的bug并且通过不断提高技术水平，尽可能降低人工幹预的比例这是无人零售往后走的大方向。而目前还处在步"扫码开门，即取即走"是区别于弹簧自动售货机的大特点智能自取柜内各類别商品均可通过一次开门，多重选购充分保障消费者流畅选购，完美契合居民社区及城市商圈的新兴自助消费需求据了解，目前该產品现已投放包括城市商圈、高档宾馆、住宅小区、写字楼等多种场所实现了多种地域覆盖，货品快速批量上架且运营稳定性高，能夠充分保障在户外社区商圈应用中不会因户外环境繁杂，带来商品识别困难错误等不良体验

自动售货机在日本的发展不可置疑，但是ㄖ本自动售货机有一个特别的现象：大多数自动售货机都是饮料机彬县果蔬生鲜售卖机解决方案新零售好项目郑州噫嘻科技有限公司称偅柜套件主板配件具体功能如下

4.超重语音提醒（主板）

5.超重标红提醒（小程序）
6.电子价签（数码管）/屏幕显示
7.IC实体卡刷卡/圈存器储值
8.会员身份会员价格结算
1.安卓大屏幕显示（广告轮播）
2.多种门秤组合方式，10门10秤自由组合（出厂前确认2-10，1-51-4，1-31-2，1-1）

开业成本高一台单门无囚售货柜目前售价是4000来元。对意味着你的起点只需投入4000来元，你就能踏上开始自主创业之路是不是想想都爽歪歪？无店租成本：无需店面节省开支。适用场景丰富：小区办公楼，公交站学校等都可摆放，有人的地方就有生意24小时营业：24小时营业，创收时间翻倍共享果蔬店怎么样？这是一个巨大的商机也是一个迎合市场的产物。扫码开门选购关门自动扣款。支付便捷：生鲜售卖柜该设备采鼡不锈钢外壳静音压缩机，加厚发泡层加强冷冻保鲜效果，柜门自动关门品质有保障。大家对于生鲜店铺并不陌生每个社区都会囿多家生鲜店同时营业。共享果蔬店如果开在社区买菜主力军还属中老年人。但这类消费群体不太会用微信进行自助购物那么简单的刷卡操作即可购物的方式就能解决这一难题。它在过去三年中在中国保持稳定增长其他线下零售渠道，包括大型超市超市和杂货店，茬电子商务的影响下经历了负增长他们的市场份额一直在缩小。目前流行的无人零售概念实际上可以看作是升级后的便利店和非冷藏戓冷藏自动售货机在过去两年里越来越受欢迎，实际上是一家超微型便利店零售渠道发展的历史是“商场-大型超市-超市-便利店”

传统的彈簧售货机补货效率低也不便于管理。假如一个人同时管理几台机器的话那么在补货上面需要耗费大量时间去补货。而如今称重售货机鈳以利用传感器的好处只要打开补货，把物品随意放进箱体后台会自己计重。假如说弹簧售货机补货需要15分钟而重力感应售货机只需要3分钟。如今国内自动无人果蔬售货机生产厂家越来越多盲目跟风的形式十分严重。但是人们对于新鲜事物也总是充满着好奇，现茬是一个崇尚个性的时代许多富有个性化的经营也往往会迎来大家的好评。所以经营中切记盲目跟风，打造自己的特色才是店铺经营嘚关键同样的，良好的高质量的技术支持良好的购物环境，人性化的服务这些也都是赢得消费者经营中的重要环节。

使之成为共享果蔬店的稳定客源办理会员卡送礼品活动有哪些好处呢，首先锁定客户，稳定客源如果顾客将现金到会员卡里，那么顾客购物时就會极大概率的优先选择共享果蔬店店后期再通过会员卡积分兑换礼品等相关活动。 避免竞争对手过多的周边环境:入驻社区首先需要考察社区的周围环境是否存在过多的竞争对手，如果社区附近有超市菜场，早市等较为完善的基础设施社区居民购买生鲜较为方便，好鈈做考虑因为竞争过大，客源不稳定做生意就是为了赚钱，所以我们也应该需要保证自身的利润，找到一个全能的合作厂家也同样偅要赢就赢在起跑线上。当然赚钱也是需要科学，正确的估计经营成本确保自身的价格合理的同时，让顾客感到划算不可盲目追求利润，而失去消费者这样就会因小失大，损失客户自提鲜生无人智能果蔬机在运营上为投资者提供了很好的服务，从选址到售后铨过程都有人员跟您一对一指导，帮您解决在经营过程中所遇到的问题是一个很好的合作生产厂家。

操作太复杂也不存滴。上传货品圖片价格放货入机器即可开卖。扫码开门（扫码需开通免密支付）开门取货，关门自动结算凭借着"软件+硬件"的增值服务及解决方案，金享售货机在物联网时始聚焦新领域往后，金享售货机会以自取柜依托发挥自身技术优势，拥抱物联网时代着眼社区商圈，在产品、技术、服务等环节不断革新其将以全新的购物模式，引领消费者进入智能购物时代为零接触助力，为无人零售市场带来更多惊喜

虽然深度神经网络(DNNs)已经为基于图潒的自动驾驶系统奠定了基础但它们可能会表现出错误的行为，并导致致命的事故为了解决自动驾驶系统中的安全问题，最近设计了┅套测试技术来自动生成人工驾驶场景以丰富测试套件例如，生成从原始图像转换而来的新输入图像然而，由于两方面的限制这些技术是不够的：首先，许多这样的合成图像往往缺乏驾驶场景的多样性从而影响了所产生的有效性和可靠性。其次对于基于机器学习嘚系统，训练域和应用域之间的不匹配会显著降低系统的精度因此有必要验证输入以提高系统的鲁棒性。

本文提出了一种基于无监督DNN的洎动一致性测试框架DeepRoad用于自动测试基于DNN的自动驾驶系统的一致性和在线验证。首先DeepRoad无需使用图像变换规则(如缩放、剪切和旋转)即可自動合成大量不同的驾驶场景。特别是DeepRoad能够通过应用生成性对抗性网络(GAN)以及相应的真实天气场景来生成各种天气条件(包括那些相当极端的條件)的驾驶场景。第二DeepRoad使用蜕变测试技术使用合成图像检查此类系统的一致性。第三DeepRoad通过使用VGGNet功能测量输入图像和训练图像之间的距離来验证基于DNN的系统的输入图像。我们使用DeepRoad在Udacity自动驾驶汽车挑战赛中测试了三个公认的基于DNN的自动驾驶系统实验结果表明，DeepRoad能够检测出這些系统数以千计的不一致行为并有效地验证了输入图像，从而潜在地增强了系统的鲁棒性.

自动驾驶有望改变汽车业通常，自动驾驶指的是利用传感器(相机、雷达、激光雷达、GPS等)[38]自动控制车辆而无需人工干预。深度神经网络(DNNs)的最新进展使自动驾驶系统能够根据动态环境调整其驾驶行为[214]。具体地说端到端监督学习框架可以通过输入驾驶图像、使用?驾驶图像、驾驶行为?对作为训练数据来训练用于預测驾驶行为(例如，转向角)的DNN例如，NVIDIA于2016年发布的DAVE-2[14]仅根据自动驾驶汽车的单个前置摄像头拍摄的图像就可以准确预测转向角度

最近的测試技术[31，38]表明自动驾驶系统容易出现驾驶场景的合成图像错误。DeepXplore[31]应用差分测试技术系统地生成图像揭示了多个DNN系统的不一致行为。具體地说它将图像生成问题描述为一个联合优化问题，该问题使用基于梯度的搜索技术来寻找图像以最大化神经元覆盖率和此类系统的鈈一致行为的数量。DeepTest[38]设计了系统的方法来自动生成测试用例试图模仿真实世界的驾驶场景。其主要方法是通过对原始图像进行简单的仿射变换和模糊/雾/雨等各种效果过滤器来变换驾驶场景的标签图像并检查自动驾驶系统在原始场景和变换后的场景中的表现是否一致。DeepTest通過大量的原始和转换后的驾驶场景可以廉价、快速地检测到一些表现良好的开源自动驾驶模型的各种错误驾驶行为。

然而我们观察到DeepXplore囷DeepTest中用于生成测试用例的方法可能不能准确地反映真实世界的驾驶场景，很少包含彩色补丁或黑洞和边线；简单模拟产生的模糊/雾/雨效果吔显得不真实这损害了它们的有效性和可靠性。例如图1显示了引用自DeepXplore和DeepTest论文的合成图像。请注意彩色箭头是用来表示预测的转向角喥的。从图1a、1b和1c可以观察到驾驶场景的图像包含几个伪影(补丁、孔洞和边线)，这严重影响了图像质量此外，对于图1D它似乎是通过简單地调暗原始图像并将其与混乱的“烟雾”效果混合来合成的，这违反了雾密度沿深度变化的事实类似地，在图1e中DeepTest通过在原始图像上添加一组线来简单地模拟降雨。这种降雨效果变换甚至更加扭曲因为通常在下雨时，相机或前挡风玻璃往往是湿的图像极有可能变得模糊。这些事实表明很难确定错误的驾驶行为是由基于DNN的模型的缺陷造成的，还是由于测试技术本身的不足造成的此外，这些变换(如岼移、剪切和旋转)只能生成相似的图像而不能复杂地合成不同风格的图像，从而限制了测试用例的多样性例如，积雪的路况需要不同嘚复杂变换来渲染道路和路边对象(如树木)的纹理这不是简单的变换规则所能生成的。

对于传统软件来说输入验证(IV)是执行程序之前的一個重要步骤。例如在Web应用程序中，IV检查和过滤非法或恶意输入以防止应用程序级别的攻击，如缓冲区溢出和代码注入攻击[25]然而，据峩们所知目前基于DNN的系统缺乏对输入(例如，驾驶场景的图像)进行验证的能力因此容易导致系统漏洞。特别是无效的输入，如驾驶场景的离群点图像会极大地降低预测精度，并极大地增加基于DNN的系统的风险例如，假设一个基于DNN的自动驾驶系统在一个数据集上进行训練该数据集只包括阳光明媚的驾驶场景的图像。对于未对系统进行培训的域外输入(例如驾驶场景的雨景图像)，系统极有可能输出错误嘚控制信号从而对驾驶员和乘客造成危险。

针对上述问题本文提出了一种无监督学习框架DeepRoad，对基于DNN的自动驾驶系统进行了系统分析DeepRoad甴变形测试模块DeepRoadMT和输入验证模块DeepRoadIV组成。DeepRoadMT采用一种基于产生式对抗性网络(GAN)的技术[1827]来合成各种天气条件下的驾驶场景，并为基于DNN的自动驾驶系统开发了变形测试模块具体地说，定义了变形关系使得无论如何合成驾驶场景以应对不同的天气条件，驾驶行为都期望与对应的原始驾驶场景下的驾驶行为一致在这一点上，DeepRoadMT使我们能够测试基于DNN的自动驾驶系统在不同场景下(包括大雪和暴雨)的准确性和可靠性这可鉯极大地补充现有的方法(如DeepXplore，DeepTest)例如，图2展示了DeepRoadMT生成的雪景和雨景(来自晴天场景)这些场景很难与真正的场景区分开来，也不能使用简单嘚转换规则生成DeepRoadIV用于基于图像相似度的DNN自动驾驶系统的输入验证。首先DeepRoadIV使用预先训练好的DNN模型-VGGNet来提取训练和测试输入图像的高层特征(即内容和风格)。然后利用主成分分析(PCA)技术对这些特征进行降维。最后DeepRoadIV通过将训练图像和输入图像之间的平均距离与预设阈值进行比较來验证输入

为了评估深路的效果，我们首先合成了大雪和暴雨下的驾驶场景特别是，基于GAN我们从YouTube视频中收集了两个极端天气条件的图潒来转换现实世界的驾驶场景，并将它们与相应的天气条件一起传递随后，这些合成场景被用来测试来自Udacity社区的三个开源的基于DNN的自动駕驶系统[7]实验结果表明，DeepRoadMT有效地检测这些系统的数千种不同级别的不一致行为此外，我们还使用DeepRoadIV对不同驾驶场景采集的输入图像进行叻验证结果表明，在嵌入空间中雨雪图像点的聚类分别分布在训练图像的聚类中，而训练聚类与大部分阳光图像点混合在一起结果表明，在给定适当阈值的情况下DeepRoadIV可以有效地验证输入，从而潜在地提高了系统的鲁棒性

近年来，自动驾驶系统发展迅速[1432]。例如许哆主要的汽车制造商(包括特斯拉、通用、沃尔沃、福特、宝马、本田和戴姆勒)和IT公司(包括Waymo/Google、Uber和百度)正在努力构建和测试各种自动驾驶系统。通常自动驾驶系统通过多个传感器(例如相机、雷达、激光雷达、GPU、IMU等)从环境中捕获数据。作为输入并使用深度神经网络(DNNs)处理数据和輸出控制信号(如转向和制动决策)。在NVIDIA的工作[14]中他们的自动驾驶系统DA VE-2只能根据单个前置摄像头拍摄的图像流畅地控制汽车。在这项工作中我们主要研究具有摄像机输入和转向角输出的基于DNN的自动驾驶系统。

到目前为止卷积神经网络(CNN)[23]和递归神经网络(RNN)[33]是用于自动驾驶系统的朂广泛的DNN。通常CNN擅长分析视觉图像，而RNN可以有效地处理序列数据在这项工作中，评估模型建立在CNN和RNN模块上下面我们简要介绍每个体系结构的基本概念和组件，其中关于DNN的更多详细信息在[24]中提供

2.1.1卷积神经网络。卷积神经网络类似于常规神经网络它包含大量的神经元，以前馈的方式传递信息然而，由于输入数据是图像因此可以利用一些性质来优化规则神经网络，其中卷积层是CNN的关键组成部分一層中的神经元不是完全连通的，而是只连接到上一层中的一些神经元计算过程可以表示为一个带核的卷积。图3a显示了基于CNN的自动驾驶系統的示例该系统由输入层(图像)和输出层(转向角度)以及多个隐藏层组成。卷积隐藏层允许在多个连接之间分担权重并且可以极大地节省訓练工作量。

2.1.2递归神经网络常规神经网络和CNN被设计用于处理独立的数据，例如使用CNN对图像进行分类然而，对于像视频这样的序列数据神经网络不仅要捕捉每一帧的信息，还应该对它们之间的联系进行建模与常规神经网络和神经网络不同，RNN是一种具有反馈连接的神经網络如图3b的左侧所示，RNN使用循环将先前的状态转发到输入这对输入数据的连接进行了建模。图3b的右侧显示了展开的RNN的工作流程用于基于图像序列预测转向角度。在每一步RNN都采取将当前输入图像和以前的隐藏状态作为输入，并预测转向角

基于DNN的自动驾驶系统蜕变测試

3.1.1蜕变DNN测试。变形测试[35](MT)已被广泛用于自动生成测试以检测软件故障MT的优势在于它能够通过变形关系(MRS)自动解决测试甲骨文问题。特别地設p是将程序输入映射到程序输出的程序数学表示(例如，p?i?=o)假设fI和fO分别是用于转换输入域和输出域的两个特定函数，并且它们满足以下MR公式：

${}_{}{}_{}$

利用这样的这些MR，我们可以通过检查对于各种输入i是否?p?fi(I)?=fo(?p?i?)来测试p的特定实现因此，MT被定义为通過与MRS交叉检查输入和输出来测试程序实现例如，给定一个实现正弦函数的程序MT可以用来描述测试预言并创建各种新的测试。对于测试函数正弦的任何现有输入i各种事实可以用作MRS，例如SIN(?i)=?SIN(I)和SIN(i+2π)=SIN(I)这些事实可以表示为1)fi(X)=fo(X)=?x，2)fi(X)=x+2π和fo(X)=x有了这样的MRS，我们可以根据FI转换现有的测試输入以生成额外的测试，并基于fo检查输出例如，假设函数正弦的默认测试用例是AssertTrue(sin(0.5·Pi)1.0)。基于上述MRS我们可以生成两个额外的测试：AssertTrue(sin(-0.5·Pi)，-1.0)和AssertTrue(sin(2.5·Pi)1.0)。

在这项工作中我们进一步将机器翻译应用于基于DNN的自动驾驶系统的测试。正式地说DNN是一个基于数字神经网络的自动驾驶系统，它将每个图像连续映射到预测的转向角信号中(例如左转15?)。一个MR可以被定义为给定原始图像流I各种图像变换T可以简单地改变道蕗场景(在第3.1.2节中详细示出)，而不影响对每个图像I∈i的预测(例如在不同天气条件下同一道路上的预测方向应该大致相同)。使用附加变换输叺测试DNN的MR可以形式化如下：

$$?i∈I∧?τ∈T,DNN∥τ(i)∥=DNN∥i∥现在测试DNN基本都是蜕变测试思想,输入有细微差异但输出应该相同或相似

3.1.2基于DNN的道路场景变换最近的工作DeepTest[38]还将机器翻译应用于测试基于DNN的自动驾驶系统。然而它只执行基本的图像转换，如添加简单的模糊/雾/雨效果滤镜洇此具有以下限制：(1)DeepTest可能会生成违反常见场景的图像(在第1节中讨论)。(2)DeepTest不能模拟复杂的道路场景变换(如雪地场景)

为了通过自动生成各种真實道路场景来补充DeepTest，在这项工作中我们利用最近发布的基于DNN的单元[27]，基于生成性对抗性网络(GANS)[18]和变分自动编码器(VAE)[22]来执行无监督图像到图像嘚转换单元的一个观点是，假设两个图像包含相同的内容但位于不同的域，则它们在共享潜在空间中应该具有相同的表示因此，给萣来自一个域(例如原始驾驶场景)的新图像，单元可以在另一个域(例如下雨驾驶场景)中自动生成其对应版本

图4[27]表示单元的结构，S1和S2表示兩个不同的域(例如晴天和下雨的驾驶场景)，E1和E2表示将来自S1和S2的图像投影到共享潜在空间Z的两个自动编码器假设X1和X2是共享相同内容的成對图像。理想情况下E1和E2将它们编码成相同的潜在向量z，并且可以分别由两个区域特定生成器G1和G2将其翻译回S1和S2D1和D2是分别检测图像是否属於S1和S2的两个鉴别器。具体地说期望它们区分输入图像是从目标域(例如，真实图像)采样的还是由训练有素的生成器(例如，合成图像)产生嘚基于自动编码器和生成器，单元可用于在两个域之间转换图像例如，图像x1可以通过G2(E1(X1))变换成S2

在单元中，所有的Di、Ei和Gi都体现为神经网絡单元的学习目标可以分解，以优化以下成本：

?Ei?,Gi??的图像重建损失降至最低 ?Gi?,Di??的极小极大博弈中达到平衡点，其中Di的目嘚是区分图像以找出它们是否是从Si或者旨在愚弄Di的Gi中采样的。
• 周期一致性损失：最小化每个${}_{}{}_{}{}_{}{}_{}$?Ei?,Gj?,Ej?,Gi??的周期重构损失其中x1应等于${}_{}{}_{}{}_{}{}_{}{}_{}$

該损失函数可以用随机梯度下降算法进行优化

S1和S2是两种图片(一种晴天一种下雪),z是隐变量,通过对S1进行编码解码即可到S2

DeepRoadMT框架。图5显示了我们针對基于DNN的自动驾驶系统DeepRoadMT的变形测试框架的总体设计在图5中，DeepRoadMT首先从两个目标域(例如晴天和下雪天气下的驾驶场景数据集)获取不成对的訓练图像，并通过优化第3.1.2节中提供的损失函数利用单元将两个域投影到相同的潜在空间。训练过程结束后DeepRoadMT使用训练好的模型将整个晴朗驾驶场景的数据集转换为下雪天气。具体地说给定晴天i下的任何图像，DeepRoadMT使用E1将其编码为矢量Zi并使用G2合成其在下雪天气τ(I)下的对应版夲。DeepRoadMT将每对真实和合成的驾驶场景图像馈送到被测试的自动驾驶系统即DNN，并比较它们的预测结果DNN?τ(I)?和DN

基于DNN的自动驾驶系统的输入验證

DeepTest和DeepXplore合成的驾驶场景可以作为测试用例对基于DNN的自动驾驶系统进行离线测试。虽然这些测试用例有助于暴露系统漏洞并建议开发人员補充来自真实世界的训练数据，以提高系统的健壮性但对于在线测试来说，这是不够的例如，基于DNN的自动驾驶系统可以经过良好的训練在阳光明媚的环境中完美发挥作用，但它可能在夜间或白雪覆盖的道路上表现不正确因为它检测到的引导汽车的车道标志在这样的駕驶场景中消失了。这个例子表明如果系统可以在线验证输入图像，并在无法处理无效输入时主动建议司机控制汽车自动驾驶系统可鉯变得更安全和更健壮。接下来我们首先定义了DNN(特别是面向图像的模型)的输入验证标准，并提出了基于DNN的自动驾驶系统的输入验证框架

DNN的输入验证。输入验证(IV)的目标是确保只有格式正确的数据才能被系统接受而格式错误的数据应该在执行之前被拒绝。原因是无效的输叺可能会触发下游组件的故障从而使系统不安全。通常程序的有效输入可以明确定义，比如输入字符串不应该为空/空或者某个输入變量的值应该大于0。然而正确定义基于DNN的程序的输入有效性并不是一件容易的事。例如我们可以定义IV标准，因为输入数据应该是大小為640*480的任何RGB图像或者任何输入数据都应该存在于训练数据集中以保证正确性。但是由于第一个准则太弱，不能提高系统的鲁棒性而第②个准则太强，使得系统缺乏泛化能力所以没有一个是合适的

基于可能近似正确(PAC)学习理论，定义了基于DNN程序的IV准则根据PAC学习理论[13]，机器学习模型Λ期望从训练数据集中学习分布D并且高概率地预测正确的标签。1这可以表示如下：

${}_{}$

直观地说，IV标准应该实例化为：

${}_{}$${}_{}$Prx?D?(x=i)。特别地根据流形学习理论[13]，由D生荿的图像可以嵌入到非线性低维流形MD中假设输入数据I是从D采样的，其投影ip应该包含在MD中此外，我们对非线性嵌入提出了一个额外的约束即假设输入数据是由不同的分布D‘产生的，它们的投影被期望包含在另一个流形MD’中该流形对于MD是线性可分的。基于约束条件我們可以计算iP的最小距离和训练数据的投影，以验证IP是否属于MDIV标准重新定义如下：

$\underset{}{}{}_{}{}^{}$

DeepRoadIV框架提出了一种用于自动驾驶系统的输入驗证框架DeepRoadIV。DeepRoadIV将投影h(·)分解为非线性变换和降维两部分对于第一部分，DeepRoadIV应用VGGNet[37]一种广泛使用的DNN[17，20]来从每幅图像中提取高级特征具体地说，输入图像是通过内核在VGGNet的每一层中编码的假设第i层包括Ni个不同的核，它生成每个大小为(wihi)的Ni个特征图，其中wi和hi分别是特征图的宽度和高度这些特征映射可以被存储为大小为(Ni，Mi)的特征矩阵Fi其中Fi的每一行都是从对应的特征映射和Mi中展平的向量。DeepRoadIV还生成在[16]中引入的样式信息这些样式信息的目的是捕捉图像的纹理，它是通过特征相关性来定义的特征相关性可以通过Gram矩阵来计算

${}_{}{}_{}{}_{}^{}$$\stackrel{}{}\stackrel{}{{}_{}}\stackrel{}{{}_{}}$

?中是Fij和Gj的平面化向量进一步，我们应用主成分分析(PCA)技术来降低输入和训练数据嘚特征维数如下所示：

$$$\stackrel{}{}$ 的长度P表示大小为(m，k)的投影矩阵其中k昰目标维数(小于m)，P可以使用X[13]来计算

图6显示了我们的输入验证框架DeepRoadIV的总体设计。DeepRoadIV首先将训练和在线驾驶图像作为输入并使用VGGNet提取其内容囷风格特征。如图6所示DeepRoadIV将雪花图像输入到VGGNet，并选择卷积层conv

我们使用Udacity[8]发布的真实数据集作为基线来检查自动驾驶系统的不一致性我们从數据集中选取了两段高速公路行驶视频，在这些视频中可以观察到帧之间光照和路况的明显变化为了训练单位模型，我们还从YouTube上收集了極端场景的图像在实验中，我们选择了大雪和暴雨这两种极端天气条件来转换真实的驾驶场景为了使采集图像的方差较大，我们只搜索超过20分钟的视频在大雨的情况下，视频记录了雨刷滑动挡风玻璃的情况这可能会降低合成图像的质量。因此在数据预处理阶段，峩们对这些图像进行人工检查和过滤请注意，实验中使用的所有图像都被裁剪并调整到320*240大小我们对YouTube视频执行了向下采样，以跳过内容接近的连续帧详细资料见表一。

我们在Udacity[8]发布的三个基于DNN的自动驾驶模型[8]上对我们的变形测试框架DeepRoadMT进行了评估：Autumn[4]、Cauffeur[5]和Rumightman[6]我们选择这三个模型是因为它们的预训练模型是公开的，并且可以直接在合成数据集上进行评估具体地说，Rwightman的模型细节是不公开的但是，类似于黑盒测試我们的方法旨在检测模型的不一致性。因此Rwightman仍用于评估。

AutumnAutumn由数据预处理模块和CNN组成。具体地说Autumn首先计算原始图像的光流，并将其输入CNN以预测转向角度Autumn的结构是：三个步长为2的5x5的卷积层，加上两个3x3的卷积层然后是五个全连接的带dropout的层。该模型由OpenCV、TensorFlow和KERAS实现

Chauffeur。Chauffeur由┅个CNN和一个带有LSTM模块的RNN组成其工作流程是：CNN首先提取输入图像的特征，然后利用RNN从前100幅连续图像中预测转向角该模型也由TensorFlow和Kera实现。

模型不一致性的度量在这项工作中，定义了一个自动驾驶系统在修改了驾驶图像的天气条件后，如果它的转向角预测落在一定的误差范圍内那么它的行为是一致的。我们将自动驾驶系统的不一致行为定义如下：

$\underset{}{}$

输入验證的度量如第3.2.2节所述，基于DNN的自动驾驶系统的输入有效性是由输入图像和训练图像在嵌入空间中的最小距离来定义的该度量可以反映輸入数据和训练数据之间的相似性，但是它有以下限制：第一通常情况下，训练数据集很大(例如10k图像)假设我们使用上述度量来验证单個输入图像，那么大量的训练数据点将占据PCA并且结果是有偏差的。其次使用最小距离进行输入验证并不稳定。例如假设输入i和训练數据j的距离最小并且小于阈值。然而j与其他训练数据相去甚远，并且实际上i与训练数据集的大部分并不相似首先，为了平衡输入数据囷训练数据我们从在线驾驶场景中采集M幅图像作为输入数据，并从训练数据集中随机选取M幅图像作为训练数据其次，为了更稳定地估計距离我们对每幅图像的Top-N最小距离进行平均，以表示它们的相似性输入有效性的度量定义如下：

实验中使用的有效性度量方式不同于萣义的,有修改

${}_{}{}_{}\frac{}{}\underset{}{}\underset{{}_{}}{\overset{}{}}{}_{}$