關於 rfid 實際應用 ，我們在網路上蒐集到這些相關的討論、資訊與評價

三層電路貼在皮膚上，延展度 800%！這款「電子刺青」還能控制機器手

作者 雷鋒網 | 發布日期 2021 年 02 月 12 日 0:00 |

聽過「電子紋身」（Electronic Tattoo）嗎？早在 2013 年，Motorola 高級副總裁 Regina Dugan 就曾拿出看似普通紋身貼紙的產品。Regina Dugan 表示這款電子紋身是行動式智慧設備，可惜並未多展示充滿未來感的那面。

2016 年 YouTube 一支影片，幾位生物駭客展示將電子設備植入皮下的過程──設備差不多硬幣大小，由一個印刷電路板、5 個表面貼裝發光二極管（SMD LED）組成，由矽膠包裹，一塊 3 伏特電池供電。

設備植入並受磁鐵觸發後，LED 燈會發光，皮膚會出現一朵梅花。

如果你覺得電子紋身只是廠商炒概念、科學怪人開腦洞，那就錯了。

2018 年，美國卡內基美隆大學的科學家就將電子紋身寫進論文，用液態金屬合金塗覆銀奈米顆粒，兩者融合後形成電路，經過印刷，紋身就可輕鬆轉移到皮膚，且導電性也很高。

當時參與研究的卡內基美隆大學助理教授 Carmel Majidi 表示：這是電子印刷領域的突破。

就在最近，中國科學家也聯合打造出電子紋身。

2021 年 1 月 13 日，論文發表於《科學》雜誌子刊《科學─進展》，題為「Multilayered electronic transfer tattoo that can enable the crease amplification effect」（可實現摺痕放大效果的多層電子傳遞紋身）。

論文作者來自南方科技大學（深圳灣實驗室生物醫學工程研究所）、首都醫科大學生物醫學工程學院及中國科學院大學國家奈米科學技術中心。

什麼是「電子紋身」？

看過前文，大概能對電子紋身下個定義：「能直接貼在皮膚上的超薄電路」。電子紋身可隨著皮膚狀態任意拉伸彎曲，可說是穿戴式設備的最高境界了。運作原理是 NFC（Near Field Communication，近距離無線通訊），能讓設備靠近時交換數據的技術。

NFC 是在 RFID（無線射頻身分辨識）技術的基礎上結合無線連接技術研發而成，日常場景也為各類電子產品提供安全快捷的通訊支援。行動支付、文件傳輸、門禁、手機與車鑰匙集合的背後，都離不開 NFC──轉到電子紋身，NFC 可確保訊號傳遞。

其實電子紋身有很多用途，如耳機、無線收發器、電源、噪音檢測器、測謊儀等等。作者也提到：「電子紋身在皮膚健康和運動感測有很大潛力。」

然而電子紋身目前問題是：固形性、黏性和多層性等特性不能並存，是研究人員設計新型電子紋身的起因。

多層電子傳遞紋身

研究人員設計出「多層電子傳遞紋身」，即 multilayered electronic transfer tattoo（下稱 METT）。

為了組成多層電路模板，科學家用到兩種材料，一是金屬聚合物導體（metal-polymer conductors），二是彈性體嵌段共聚物（elastomeric block copolymer）。

METT 共有 3 層：

黏合層（adhesive layer）：很薄（~8μm）的壓敏膠，受外部壓力時，黏合層使 METT 與皮膚緊密附著。

釋放層（release layer）：矽酮膜，主要目的是便於電路模板從釋放膜剝離。

兩者間的電路模組：含 3 層電路，每層都嵌有可拉伸導體的聚苯乙烯─丁二烯─苯乙烯（SBS）薄膜（~14μm）。

第一、二層電路上有應變感測器，數量分別為 11 和 4，第三層電路上有一個加熱器。

由於金屬─聚合物導體（metal-polymer conductor）有良好延展、可重複性，因此可用作應變感測器。

如下圖 A、B 所示，基於金屬─聚合物導體的應變感測器電阻，隨著拉伸應變增加而增加，METT 甚至可容易拉伸到 800%，遠遠超過皮膚最大變形度。

METT 可用於溫度調節、運動監測和機器人遠端控制，具高延展性（800%）、固形性和黏性，可做到摺痕放大效果，因而能將聚集應變感測器的輸出訊號放大 3 倍。事實證明，無需任何溶劑或加熱，METT 就能在不同表面牢牢附著。

遠端控制機器手臂

不僅如此，為了展示新型電子紋身的可擴展性，科學家更製造出 7 層 METT，當成可拉伸加熱器。

上圖 A 是 7 層加熱器俯視圖，每個電路層都包含一個基於金屬─聚合物導體的加熱器，兩端有 2 個連接點，用於與其他層加熱器形成垂直電連接。因此，7 個加熱器就以串聯方式連接電源。

上圖 B 展示不同層基於金屬─聚合物導體的加熱器，透過連接點形成的電連接。

論文介紹，除連接點外，金屬─聚合物導體透過 SBS 形成良好電絕緣，熱成像時未發現短路。研究結論之一是，隨著層數增加，紋身的順應性隨厚度增加而降低，兩層電子紋身足以滿足大多數功能。

科學家將 METT 實際應用──透過手指彎曲發出的訊號放大，透過藍牙傳輸到機器手臂，因此 METT 能遠端控制機器手臂，模仿人手動作時也不會出現異常震動。

論文表示，團隊已透過 2 層 METT 做到以 6 個自由度遠端控制機器手，透過 3 層 METT 以 15 個自由度遠端控制機器手。

可肯定的是，未來電子紋身在醫療、VR 和可穿戴式機器人方面有巨大潛力。

附圖：▲ 蘋果手機上的 NFC 功能。
▲ 科學家測試 METT 應變感測器的機電性能。

資料來源：https://technews.tw/2021/02/12/multilayered-electronic-transfer-tattoo/

AI落地工業環境挑戰多，中鋼歸納3大AI導入經驗：足量訓練資料、選對技術、循序漸進為成功關鍵

中鋼採取由現場出題、專家解題的方法，從2017年開始較具規模的導入AI，今年在臺灣AI年會上，更分享了實作AI過程中遇到的挑戰，更以自家代表性的AI專案，歸納出3大實戰經驗來提供他者參考

文/翁芊儒 | 2020-11-19發表

中鋼綠能與系統整合研究發展處研究員許朝詠，以自己實作過的多個AI專案，來分享從選題、執行到落地的3大AI實戰經驗。

中鋼從2014年開始擁抱智慧製造，經歷了許多試驗後，才在2017年更有規模的落地AI應用，採取由現場出題、專家解題的方法，每年從上百個提案中篩選約20個可行性較高的方案，來導入應用場景。中鋼綠能與系統整合研究發展處研究員許朝詠，也在今年的臺灣AI年會上，以自己實作過的多個AI專案，從選題、執行到落地，歸納出3大AI實戰經驗，來提供其他企業借鏡參考。

許朝詠首先引述麥肯錫2019年發布的一份報吿指出，企業要在工業場景落地AI並不容易，超過7成的企業正在進行局部試點，其中29%企業已經試點超過2年，56%進行了1～2年，更有15%才剛起步。對中鋼來說，在導入AI過程中，也同樣面臨了「試點困境」，尤其在電腦視覺要落地煉鋼場域時，中鋼也面臨了4個AI應用挑戰。

其一，是工業環境不易控制，會造成取得影像的品質差異大，比如鋼鐵製造環境動輒在900度以上的高溫中，處理過程也可能噴水冷卻，導致難以取得清楚的影像；又或是在同樣位置拍攝的影像，也可能因光源不同，導致影像呈現不同的效果。

其二，現場實際環境會限制AI應用的計算能力，比如部分場所的空間有限，無法擺下GPU伺服器、或高計算能力的設備，甚至連網路線都無法部建，「在這樣的環境下，我們的模型就必須要能兼容邊緣運算，才能實際應用。」許朝詠說。

其三，被偵測物體的尺寸不一，也會影響深度學習的模型訓練成果。許朝詠以識別鋼品身分的AI序號辨識為例，就算是相同的鋼品，影像拍攝的尺寸不同，會造成鋼品上印製序號大小的差異，進而影響序號辨識模型的表現。

最後，則是深度學習模型的調整彈性差。同樣以序號辨識模型為例，許朝詠表示，有時會遇到視覺效果相同的數字（比如像是同一個數字1），在不同序列中卻無法辨識，「為什麼有時候，1可以辨識出來，有時候卻不行？」許朝詠表示，要解決這個問題，通常需要重新訓練模型，但會消耗許多時間。因此，中鋼目標要提出適合工業應用的物件偵測技術，來更輕易且廣泛的應用到各個製程。

3大AI導入經驗之一：充足訓練資料是AI成功落地的一大關鍵

許朝詠也透過多個中鋼導入AI的案例，來分享導入經驗。比如說，前述提到的AI序號辨識應用，是指在將鋼片卷曲製作成一卷卷的鋼卷後，會在鋼卷的金屬表面或是側面，噴印上鋼鐵的生產序號，藉此來辨識每一卷鋼鐵的身份。但是，這些序號的噴印位置，可能帶來不同的辨識挑戰，比如噴印在鋼卷表面，就可能因金屬反光影響序號辨識的精準度，若是噴印在鋼卷側面，層層堆疊的鋼片又可能導致字體變形，均會影響AI判讀。

「我們提供技術，但有些問題不是技術能解決的，就要跟現場人員溝通，請他們協助解決問題。」許朝詠指出，AI落地需要與第一線人員溝通協作。

不過，就算與現場人員合作，序號的辨識率仍無法達到100%，尤其是鋼卷側面序號的辨識率，僅達到9成5，「序號要完全正確才能用，9成5其實很低。」許朝詠表示，為了克服這項挑戰，中鋼在產線上的多個位置都設有攝影機，同時將這些攝影機判讀的資訊互通，透過多點的資訊對接，來判斷出鋼卷序號。

「不要把問題放在同一個地方，比如利用多點攝影機、多資訊的串流，去補足AI模型上的不足，就能讓整個系統的準確率達到100%。」他說。

另一個例子，則是高爐原料粒徑分析的AI應用。一般來說，高爐是用來將原料溶解為鐵水，而原料在送入高爐時，若粒徑大小分佈較平均，就能提升高爐的燃燒效率，中鋼甚至推算，高爐燃燒效率每提高1%，每年可以減少上億的燃料經費，因此，中鋼用AI來辨識每顆原料的粒徑大小，即時計算出進到高爐的物料大小與分佈狀況，再根據計算結果來調整物料分佈，進而提升燃燒效率。

許朝詠表示，上述兩個案例的共通點，在於資料的取得非常容易，不管是序號或是原料的影像資料，都在產線上不斷產生，「影像取得沒問題，資料也乾淨，較有機會訓練出良好的深度學習模型，也有機會快速達到成效。」相對來說，瑕疵辨識這類AI應用的影像資料搜集，就比較困難。

「要判斷一個案子能不能做，可以先看能不能蒐集到足量的資料。」這就是許朝詠歸納的第一大AI導入經驗。

3大AI導入經驗之二：不是最新技術也能打造最切合場景需求的應用
許朝詠也接續說明了無人天車的AI應用。天車是一種重型的起重裝置，用來吊送貨品、放置到指定位置，而中鋼就是將原先需要人為操控的天車，透過AI達到無人化，「這也是我認為中鋼應用AI最成功的案例。」

要達成無人天車，主要是把人眼看到的操作資訊，透過電腦視覺轉換為控制的指令，再交由天車自動執行，也就是將操作人員看見的鋼卷位置、放置位置及操作方法，都轉換為天車指揮系統可以判讀的資訊，再透過運動控制達到自動化。

無人天車使用的技術，包括能透過座標辨識來裝卸鋼卷的機器視覺系統，以及能透過RFID讀取鋼卷身份，再準確偵測鋼卷的中心位置來吊起鋼卷的智慧型吊夾，而整體鋼卷的吊運排程與吊運路徑最佳化，則是由天車指揮系統來規劃，中鋼同時也建置用來傳輸車籍資料、整合裝卸車資料的雲端倉儲管理系統。達到天車操作全自動化之後，中鋼也設置了主動式安全防護機制，透過深度學習來偵測天車下方是否有人行走，並在行駛過程中自動辨識障礙物與閃避。

建置了無人天車帶來的一大效益，就是能在出貨的前一晚，由機器自動理貨，將要出廠的貨物就近放置到出貨的位置，「天車不會休息，人會休息，在不需出貨的時間先理貨，就能加速出貨的效率。」許朝詠說。

中鋼的無人天車也早在2018年就投入運作，至今已經完成超過數十萬顆鋼卷的吊運。不只自建自用，中鋼也將這套無人天車系統外銷到中國鋼廠，2019年就已經銷售了12套系統，今年武漢肺炎疫情期間，更是遠距協助客戶調機、將系統落地。

不過，這個貼近鋼鐵業需求的無人天車，實際上並無用到深度學習技術，「深度學習雖然是好工具，但不一定是最佳工具，也不是唯一的工具。」許朝詠表示，由於天車在裝卸鋼卷時，需要非常精準的定位，誤差超過5公分就可能吊不起鋼卷，但深度學習在位置偵測的精準度上並無優勢，加上判斷速度較慢，「傳統影像處理有些技術，應用上會比深度學習來的更好。」

換句話說，不是用最新、最強的技術就好，不同應用場景有其最合適使用的技術，這就是許朝詠歸納的第二大AI導入經驗。

3大AI導入經驗之三：從自動化、人機協作到智慧化循序漸進落地AI
最後，許朝詠也提出一項正在建置的AI應用，也就是出貨前的鋼卷智能檢核，雖然目前僅有初步成果，但這項應用實際影響了傳統檢核作業流程的轉變。

許朝詠解釋，鋼鐵在包裝、裝載完成之後，還需要檢核包裝外觀，以避免客戶收貨後發現包裝瑕疵，因而對品質產生疑慮。為了檢核來自23個倉庫的貨品，中鋼設置了4個主要的檢核站，共計17個車道、每個車道配置4名檢核人員，車輛在倉庫裝載貨品後會先前往檢核站，由人工檢查外觀是否破損，並核對貨品身份與數量，完成檢核才能出廠。

但傳統的人力檢核方式，不僅人力成本較高，大量出貨時載貨司機也常需排隊等待，更佔用了約兩個倉庫的空間來檢核。對此，中鋼試圖透過AI智能檢核的方式，將傳統的檢核中心改以一個雲端檢核中心來取代，在每個倉庫出貨前，直接將鋼卷影像上傳雲端，由檢核人員從雲端照片來判斷是否有瑕疵，若無即可放行車輛出廠，不只能加快檢核效率，檢核人員也能更輕鬆完成任務。

而這些檢核照片的篩選，則是先拍攝車輛進入檢核站的影像，經過運算後，自動擷取鋼卷正面、側面品質最佳的影像，透過自動檢放系統來提供檢核人員檢驗，經實測後，完成8張鋼卷照片的檢驗大約只要8秒。

許朝詠表示，將檢核流程雲端化只是第一步，中鋼下一步要利用檢放系統，在檢核人員雲端判讀照片狀況的同時，蒐集異常照片的資料，再利用深度學習的技術來訓練瑕疵辨識模型，進一步將檢核流程自動化且智慧化，來取代人工作業。

「邁向智慧化的過程，很多人會想要一步到位，但很困難，如果能用AI先實現局部的自動化，透過人機協作來提升作業效率，並同步搜集資料，就會對智慧製造的實現有很大的幫助。」許朝詠認為，AI落地並非一蹴可幾，需要一步步優化原先的作業流程，蒐集足夠的資料，才能實現智慧化的目標，這也是他提出的第三大AI導入經驗。

附圖：應用場景的序號本身可能有模糊、手寫字、油漆過淡等問題。
透過資訊的串接，來克服AI序號辨識可能不夠精準的問題。
透過即時原料粒徑大小分析來調整物料分佈，進而提升高爐燃燒效率。
人工檢核過程。
透過檢放系統來檢驗熱軋鋼卷的包裝外觀。

資料來源：https://www.ithome.com.tw/news/141163?fbclid=IwAR3UUiJ0rpr7aUf8d2FmGZaZp3_e4E-9esf6ZOD1iiA20Id4ZYo1-hK7iwc

無人零售的未來，究竟是機器視覺，還是RFID？

2020年8月10日 星期一
來源：科钛网 作者：CoreTech
　　
重返實體 無人商店興起

無人工廠、無人倉儲、無人機、無人駕駛……科技帶給人們的是勞動力的解放，給各行各業帶來的，則是格局的重構。而對普通消費者來講，零售模式的轉換是切身感受到的。

自2016年底亞馬遜的 Amazon Go 亮相以來，中國國內無人零售領域的投資迅速升溫，無人零售被資本市場，視為繼共享單車之後的又一投資風口。傳統實體零售、電子商務、再到現在「智慧零售」概念的提出，零售融合科技產生的化學反應，讓其超過了任何行業迭代的速度。

相較於傳統零售行業的房租、人工、物流壓力，無人零售旨在減輕這些痛點：透過減少前端人力削減人工成本，以較小的店鋪面積及靈活的選址，降低房租成本，同時借助物聯網和大數據降低物流成本。

電商們的流量大戰，從線上打到了線下，線上流量紅利時代逝去，已是行業共識，互聯網巨頭紛紛佈局線下零售，挖掘線下消費的大數據價值，試圖透過打造新場景，帶來新流量、新體驗和新供應鏈，無人零售數位化時代已然開啓。

科技推動發展。無可厚非，技術問題是無人零售普及的命門，視覺技術、物聯網技術與行動支付，則是其中的關鍵技術架構。當下， RFID 標籤技術及機器視覺行動偵測技術，是行業內比較推崇的兩種方式。

RFID：辨識技術鼻祖嗅到了智慧零售

簡單說，一個RFID晶片就像U盤一樣，可以存入特定數據，併發出無線射頻信號。接收機可以在一定距離內捕捉到信號。
　　
在無人零售領域，RFID有著很大的發揮空間。無人便利店代表商家繽果盒子的CEO陳子林表示：「最初打造產品的時候，我們發現在無人商店裡使用RFID解決方案，是最可行、最有效率的。繽果盒子目前在全中國落地158家店，進駐22個城市。我們團隊利用RFID的商品辨識的優勢進行研發，RFID不僅僅是幫助認出這個商品而已，其實整套結算管理才是重頭戲。在研發最初，無人零售這行業是新物種，沒有可借鑒的，都要摸索。無人零售大戰一觸即發，我們越早推出越好。所以，選擇先用RFID技術把繽果盒子做出來，再去透過實戰，來去打磨後端支撐體系。」

匯美集團CMO肖海坤也表示，RFID在服裝的在智慧零售方面，還開發出更大的用處。

「我們可以透過攝影機捕捉到RFID晶片，能夠收集到顧客拿起過這件服裝的次數，每家門市店服裝銷售情況。這樣就知道了顧客的偏好，我們會根據這些數據改變服裝款式、顏色，最大程度滿足顧客需要。另外，如果門市店庫存減少，後台會自動顯示，我們可以第一時間智慧補貨，全程智慧化管理，工作人員很少參與。」

據不完全統計，目前市場上採用 RFID 標籤技術的各種無人店已超過 20 家。但在發展壯大的同時，RFID也出現了技術上的一些壁壘。比如：

1、成本。有質疑聲音認為，使用RFID技術雖然減少了線下人力成本，但後期營運和維護成本很高，且標籤成本抑制了低價商品的毛利。

2、漏讀。漏讀是目前行業內，正在重點解決的問題之一，即使只有單件商品放置在結算區，設備也無法讀取商品資訊，晶片與天線之間沒有發生接觸。「RFID標籤的辨識距離，跟它的功率大小、靈敏度和天線大小有關，原因非常複雜。如果辨識距離太小，就容易發生誤讀，但辨識距離太短，又容易發生漏讀」。有專家解釋道。

3、速度。結算完畢後，顧客需要帶著已買單的商品，經過一個感應區，感應區會自動辨識是否有未支付的商品。如果沒有，系統就會提示顧客推門離開，整個過程耗時約5秒。而隨著顧客購買的商品數增加，即使系統能夠準確辨識，耗時也將進一步增加，嚴重影響用戶體驗。

4、止損。採用RFID方案的無人便利店，面臨的止損挑戰主要來源於兩方面：一是顧客惡意損毀RFID標籤；二是顧客刻意遮蔽標籤的信號，比如用手或錫箔紙遮擋標籤。

目前，一些企業意識到了缺乏 " 護城河 " 的風險，對外宣稱正在跟進機器視覺技術。那麼，機器視覺技術又是什麼?

新技術「攪局」 機器視覺要幹掉RFID？

機器視覺是指利用攝影機、手機 GPS 或手機 WiFi 等，辨識動作、商品和人，以及進行定位與關聯。行移動偵測則是透過攝影機，採集圖像進行算法計算，當鏡頭畫面發生變動，如有人走過、鏡頭被移動時，算法計算會啓動，而計算結果一旦超過閾值，便會觸發指示系統做出報警處理，移動偵測常用於無人值守監控錄影和自動報警。亞馬遜無人超市——Amazon Go所採用的便是機器視覺辨識技術。
　　
使用機器視覺辨識技術的零售方式，流程簡單、無需結賬、即買即走。消費者進入Amazon Go購物前，需要一個亞馬遜帳號，並下載app。在入口處會對顧客進行人臉辨識，確認用戶身份。

當消費者在貨架前停留，並選擇商品時，攝影機會透過圖像、手勢辨識，判斷顧客是否將貨物置於購物籃(購買)，還是只是看看然後放回原處(未購買)。

透過貨架上的紅外線感測器、壓力感應裝置(確認哪些商品被取走)，及荷載感測器(用於記錄哪些商品被放回原處)，掃描並記錄下消費者購買的商品，即時傳輸至 Amazon Go 的資訊中樞，然後自動在顧客亞馬遜賬戶上結算，用戶購物完成，直接離店。

智慧無人便利店「簡24」創始人兼 CEO 林捷談到未來，堅定的看好視覺辨識。「為什麼還有爭議，主要是智慧視覺辨識太難做，RFID技術成熟，很容易做好。」

林捷推出的無人便利店「簡24」，首家門市店以於 2018 年 10月 25 日在中國上海落地。據他介紹，簡 24 採取 Amazon Go 的方式，全智慧視覺辨識技術：用戶購物流程，就很像此前Amazon Go在宣傳片裡顯示的那樣：用戶掃碼打開閘機門，然後進店選購商品，選完商品後直接拿貨走人。

然而，由於智慧零售的技術複雜，在現實中尚沒有大規模出現。因此，基於物聯網、互聯網和智慧化，三種結合應用的則是大多數。

例如：京東 X 無人超市的貨架上，每一件商品都被貼上 RFID 標籤。同時，超市融合 RFID、人臉慧、智慧視覺辨識等多種技術，用戶在店內的所有行為、甚至在哪個貨架邊停留了幾秒，都可以被感知和分析。選好商品，消費者只需要通過結算通道，走出超市即可，全程不用進行任何操作。

據一位瞭解京東 X 超市項目的第三方人透露，京東研發出智慧視覺辨識系統，但根據不同場景選擇不同策略，便利店使用視覺辨識系統，但是在超市上還是採取 RFID 和人臉辨識等「相對折中」的技術。「京東就是給商家自由選擇權，當然，搭配不同的解決方案，成本結構也不同。」業內人士感嘆道。

無人零售未來發展趨勢

深蘭科技創始人陳海波曾表示，無人零售場景中「商品一定要能夠被遠距離非接觸辨識，機器視覺才是正確方向」。

但在萬端看來，雖然 RFID 單一技術並不能解決無人零售場景中的所有問題，但它仍有存在必要，而且擁有許多機器視覺，並不具備的優勢，比如即時監測庫存和商品的熱力分布。

萬端指出，未來商業的一大趨勢，就是數據的即時化和智慧化。RFID 即時、精準獲取海量數據的能力，如果能夠結合高效的數據分析系統，就可以為 C、B 端的協同，和供應鏈優化提供有力的數據支撐。
　　
多技術融合

目前看來，多技術融合是未來無人零售解決方案的發展趨勢。

海外無人零售項目 QueueHop，無疑是 RFID 在無人零售場景中，結合其他技術的一個絕佳範例。QueueHop 的購物方式主要透過一個具有 RFID 功能的讀取器，和帶有商品二維碼的安全扣，以及具備自主結賬功能的系統來實現。

具體來說，它的運作方式是這樣的：首先，顧客把想要買的商品，放到專用的讀取器上，讀取器會辨識這些物品，並將價格和稅款顯示出來；然後，系統會詢問顧客是否想要紙質的小票，或者直接 email 給 TA；在顧客付款之後，還要把安全扣放入一個小槽裡面來解鎖。如果這是一個已經買過的商品，安全扣則自動被解鎖。

QueueHop 目前已經贏得了多家零售商客戶，包括 Rebecca Minkoff、Jor' jet Boutique ，以及其他一些著名的快時尚大眾品牌。

貼合應用場景

技術的發展，必須牢牢貼合實際應用場景。無人便利店是一種全新的零售業態，此前 RFID 廠商並未有針對性地，為這一場景設計產品。未來累積了一定經驗之後，應用 RFID 方案的無人便利店，有望得到進一步優化。

另外，在某些特殊場景中，RFID 技術也能揚長避短，充分發揮其價值。比如應用於很多食堂的 RFID 自助結算餐台。RFID 自助結算餐台，配備了多種色彩的餐具，每一種色彩對應一個價格，碗碟內置 RFID 標籤供餐台讀取價格資訊進行結算，一小時可以完成上千人次的自助結算，僅需一名操作員，站在設備後維持結算秩序即可，大大提高了結算效率。

路在何方

無人零售對整個行業來說，都是一個全新的命題，不管傳統企業，還是初創公司，都還處於探索階，還在不斷嘗試和驗證各種技術的可行性。

繽果盒子和 QueueHop 雖然以 RFID 起家，但也在積極探索機器視覺方案。目前，零售行業正處在一個百花齊放、百家爭鳴的時代。而這些不同觀點的交叉和碰撞，正是行業創新和發展的源泉。

資料來源：https://3smarket-info.blogspot.com/2020/08/rfid.html?m=1&fbclid=IwAR2BAg1fJ1BM08vEYQXphUi7hY2AquMChZCSKqC4-7CRw2r0ocZmgb4cteA