KIOXIA Europe ha sviluppato una tecnologia di riconoscimento delle immagini basata sull’IA che identifica automaticamente i prodotti che si muovono attraverso flussi logistici, in collaborazione con Tsubakimoto Chain Co. (Tsubakimoto Chain) ed EAGLYS Inc. (EAGLYS). Questo sistema supporta un’automazione avanzata e una maggiore efficienza nella logistica, permettendo alle aziende di rispondere rapidamente alle esigenze mutevoli del mercato, gestendo al contempo i costi e mantenendo la qualità del servizio. Le tecnologie KIOXIA AiSAQ[1] e IA incentrata sulla memoria[2] sono al centro di questo percorso, poiché rispondono alla necessità di un’adozione scalabile dell’IA, man mano che i tipi di prodotto si espandono e si diversificano. La tecnologia sviluppata congiuntamente sarà dimostrata durante la International Robot Exhibition 2025.
Con il continuo aumento delle transazioni di e-commerce, le reti della logistica vedono transitare volumi sempre maggiori e una gamma sempre più ampia di prodotti. Allo stesso tempo, la cronica carenza di manodopera rende necessario migliorare l’efficienza operativa attraverso l’IA. I tradizionali sistemi di IA per il riconoscimento delle immagini si basano su modelli di deep learning che richiedono la messa a punto e il riaddestramento dei parametri ogni volta che vengono introdotti prodotti nuovi o prodotti stagionali. Questo processo richiede tempo e aumenta sia il consumo energetico che i costi operativi, specialmente quando si tratta di cataloghi di prodotti di grandi dimensioni.
Il software KIOXIA AiSAQ, insieme alla tecnologia di IA incentrata sulla memoria di KIOXIA, affronta queste sfide attraverso la memorizzazione di numerosi dati di nuovi prodotti (fra cui immagini, etichette e informazioni sulle funzionalità) in una memoria ad alta capacità. Questo permette di aggiungere rapidamente nuove informazioni sul prodotto senza riaddestrare il modello base.
Per mitigare i tempi di ricerca più lunghi e i requisiti di memoria crescenti con l’aumento del volume di dati, la tecnologia indicizza i dati salvati in memoria e li trasferisce nello storage SSD, consentendo un recupero più rapido ed efficiente.
“In KIOXIA, il nostro obiettivo non è solo fornire le migliori opzioni di memoria per le esigenze delle applicazioni, ma anche fornire accessibilità al supporto e tramite l’open source della nostra tecnologia, per aiutare sviluppatori e architetti di sistema a perfezionare prestazioni e capacità in modi nuovi e innovativi”, ha dichiarato Axel Störmann, Vicepresidente e Chief Technology Officer per i prodotti Memoria e SSD di KIOXIA Europe. “Utilizzando ANNS basato su SSD, riduciamo la dipendenza dalla costosa DRAM e rispondiamo alle esigenze prestazionali delle principali soluzioni in-memory, migliorando significativamente la gamma di prestazioni delle applicazioni RAG su larga scala”.
La collaborazione tecnologica tra KIOXIA ed EAGLYS sarà presentata all’International Robot Exhibition 2025, che si terrà dal 3 al 6 dicembre al Tokyo Big Sight (stand Tsubakimoto Chain E6-23). La fiera è una delle principali location globali per mettere in mostra gli ultimi progressi nell’automazione applicata alla manifattura e alla logistica. Presso lo stand, i visitatori vedranno in azione il sistema di riconoscimento delle immagini sviluppato congiuntamente. Mentre i prodotti viaggiano lungo un nastro trasportatore, il sistema acquisisce i dati delle immagini e li classifica rapidamente, confrontandoli con le caratteristiche e le etichette memorizzate. La dimostrazione fa vedere come i siti logistici possano gestire un’ampia gamma di prodotti in costante evoluzione con maggiore precisione ed efficienza.
Note
[1]: Tecnologia KIOXIA AiSAQ™ progettata per ridurre i requisiti di DRAM nei sistemi di IA generativa rilasciati come software open source
https://www.kioxia.com/en-jp/business/news/2025/20250128-1.html
[2]: Sviluppo di un sistema di classificazione delle immagini che impiega l’IA incentrata sulla memoria con archiviazione ad alta capacità
https://www.kioxia.com/en-jp/rd/technology/topics/topics-39.html
