ใช้ AI ดูภาพนับสินค้าคงคลังอัตโนมัติ: Computer Vision สำหรับ SME ไทย

เทคโนโลยี Computer Vision หรือคอมพิวเตอร์วิทัศน์ ช่วยให้ SME ไทยสามารถนับสินค้าคงคลังจากภาพถ่ายหรือวิดีโอได้โดยอัตโนมัติ โดยใช้กล้องมือถือหรือกล้อง IP ราคาประหยัดร่วมกับโมเดล AI ที่เรียนรู้รูปแบบสินค้า จากนั้นข้อมูลจำนวนสินค้าจะถูกส่งไปยังระบบ ERP เช่น Odoo Inventory ทันที ทำให้ธุรกิจลดเวลาแรงงานนับสต็อกลงได้มากกว่า 80% ลดความผิดพลาดจากการนับด้วยมือ และสามารถตรวจจับสินค้าขาด-เกินได้แบบเรียลไทม์ สำหรับ SME ไทยที่ต้องบริหารสต็อกหลายรายการ การใช้ AI ดูภาพนับสินค้าคงคลังจึงไม่ใช่เรื่องไกลตัวอีกต่อไป — คุณเริ่มต้นได้ด้วยต้นทุนเพียงไม่กี่พันบาท

Computer Vision คืออะไร และ SME ไทยได้ประโยชน์อะไรบ้าง?

Computer Vision คือสาขาหนึ่งของปัญญาประดิษฐ์ที่สอนให้คอมพิวเตอร์ “มองเห็น” และ “เข้าใจ” ภาพเหมือนมนุษย์ โมเดล AI ที่ผ่านการเทรนสามารถแยกแยะวัตถุต่างๆ เช่น กระป๋องแชมพู ขวดน้ำ กล่องบรรจุภัณฑ์ และนับจำนวนได้อย่างแม่นยำภายในเสี้ยววินาที สำหรับ SME ไทยที่มีสต็อกสินค้าตั้งแต่ 50 ถึง 5,000 รายการ เทคโนโลยีนี้แปลงภาพจากชั้นวางหรือพาเลทเป็นข้อมูลดิจิทัลที่เชื่อมต่อกับระบบบัญชีและคลังสินค้าได้ทันที

ประโยชน์ที่ชัดเจนที่สุดคือ การประหยัดเวลา — การนับสต็อกแบบเต็มรูปแบบที่เคยต้องใช้พนักงาน 2-3 คนใช้เวลา 1-2 วันต่อเดือน ลดลงเหลือไม่กี่ชั่วโมง นอกจากนี้ ความแม่นยำที่สูงกว่า 90% (ผู้ให้บริการโมเดล YOLOv8 ระบุ / ผลจริงขึ้นกับบริบทการใช้งาน) ช่วยลดปัญหาสินค้าสูญหาย (shrinkage) ที่เกิดจากข้อผิดพลาดในการบันทึกหรือการนับผิด อีกทั้ง การอัปเดตแบบเรียลไทม์ ทำให้ผู้จัดการสามารถเห็นปริมาณสต็อกจริงตลอดเวลา ไม่ต้องรอรอบการนับประจำเดือนอีกต่อไป

ทำไมการนับสต็อกด้วยมือถึงเป็นปัญหาใหญ่สำหรับ SME ไทย?

ร้านค้าปลีกขนาดเล็ก โกดังอะไหล่รถยนต์ และโรงงานผลิตชิ้นส่วนในประเทศไทยส่วนใหญ่ยังใช้ กระดาษ ปากกา และพนักงานเดินนับ ทีละชั้น วิธีนี้มีข้อเสียหลายประการ:

• เสียเวลามหาศาล — SME ที่มีสินค้า 500 ชนิด อาจต้องใช้เวลา 2-3 วันทำการเพื่อนับให้ครบ พนักงานที่ต้องนับสต็อกก็ต้องละจากงานขายหรือผลิต ทำให้เสียโอกาสทางรายได้
• ความผิดพลาดสูง — การนับด้วยตาคนพลาดได้ง่ายโดยเฉพาะสินค้าชนิดเดียวกันที่วางซ้อนกัน หรือสินค้าที่มีขนาด/สีใกล้เคียงกัน งานวิจัยภายในประเทศชี้ว่าข้อผิดพลาดจากการนับมือเฉลี่ยประมาณ 5-10% (ที่มา: รายงานธุรกิจค้าปลีกไทย 2568)
• ข้อมูลไม่ทันสมัย — การบันทึกลง Excel หรือสมุดบัญชีใช้เวลาหลายวันกว่าจะอัปเดตเข้าระบบ ทำให้สินค้าบางรายการอาจขาดสต็อกโดยที่ไม่มีใครรู้จนกว่าลูกค้าจะมาสั่ง
• ต้นทุนแรงงานสูง — สำหรับธุรกิจที่มีอัตราค่าแรงวันละ 350-500 บาท การนับสต็อกเดือนละ 2-3 วันคิดเป็นเงินหลายพันบาทต่อเดือน ซึ่งสามารถนำไปลงทุนด้านเทคโนโลยีที่ให้ผลตอบแทนระยะยาวได้ดีกว่า

Computer Vision ทำงานอย่างไรในการตรวจจับและนับสินค้า?

กระบวนการทำงานของระบบนับสินค้าด้วย Computer Vision แบ่งเป็น 4 ขั้นตอนหลัก:

1. การเก็บภาพ — กล้องมือถือหรือกล้อง IP ที่ติดตั้งเหนือชั้นวางจะถ่ายภาพหรือวิดีโอของสินค้า ภาพที่ดีควรมีแสงสว่างเพียงพอ ไม่มีเงาบดบัง และถ่ายในมุมที่เห็นสินค้าชัดเจน เพื่อให้ระบบประมวลผลได้แม่นยำ
2. Object Detection — โมเดล AI เช่น YOLOv8 หรือ Faster R-CNN จะสแกนภาพและสร้างกรอบสี่เหลี่ยมรอบวัตถุที่รู้จัก พร้อมกับระบุความเชื่อมั่น (confidence score) ว่าเป็นสินค้าประเภทใด โมเดลที่ดีจะแยกแยะสินค้าที่มีลักษณะคล้ายกันได้ เช่น ขวดแชมพูยี่ห้อ A กับยี่ห้อ B
3. การนับจำนวน — หลังจากตรวจจับวัตถุทั้งหมดแล้ว ระบบจะนับกรอบที่ซ้อนทับกัน (ใช้เทคนิค Non-Maximum Suppression เพื่อไม่นับซ้ำ) และรวมจำนวนสินค้าในแต่ละประเภท การนับที่แม่นยำต้องอาศัยการปรับค่า IoU threshold (Intersection over Union) ที่เหมาะสม — โดยทั่วไปอยู่ที่ 0.5-0.7
4. การส่งออกข้อมูล — จำนวนสินค้าที่ได้จะถูกแปลงเป็นโครงสร้างข้อมูล (เช่น JSON, CSV) และส่งไปยังระบบปลายทาง เช่น Odoo Inventory ผ่าน API โดยสามารถกำหนดให้ทำการอัปเดตสต็อกอัตโนมัติหรือรอการยืนยันจากผู้ใช้ก่อน

จะเริ่มต้นใช้ Computer Vision นับสินค้าได้อย่างไรใน 6 ขั้นตอน?

ตามแผนงานในส่วน HowTo ด้านบน การเริ่มต้นไม่ต้องใช้เงินลงทุนมหาศาล SME ไทยสามารถทำตามขั้นตอนต่อไปนี้:

1. เลือกอุปกรณ์กล้องและสภาพแวดล้อม — เริ่มด้วยมือถือพนักงานหรือติดตั้งกล้อง IP ราคา 1,500-3,000 บาท/ตัว
2. ตั้งค่าโมเดล Computer Vision หรือใช้ Cloud API — ใช้ YOLOv8 (ฟรี) หรือ Roboflow No-code สำหรับเทรนโมเดลเอง หรือ Google Vision API ซึ่งคิดค่าบริการตามภาพ
3. เขียนสคริปต์หรือใช้ซอฟต์แวร์สำเร็จรูป — Python + OpenCV + YOLO เป็นทางเลือกยอดนิยม และมีโค้ดตัวอย่างบน GitHub ให้ปรับใช้ ส่วน Flowtica มีฟังก์ชัน Smart Counting ที่ใช้งานผ่านหน้าเว็บโดยไม่ต้องเขียนโค้ด
4. เชื่อมต่อกับ Odoo Inventory ผ่าน API — ใช้ odoorpc หรือ REST API เพื่ออัปเดตจำนวนจริง ดาวน์โหลดเอกสาร API ของ Odoo ได้ฟรี
5. ทดสอบระบบในพื้นที่จำกัด — เปรียบเทียบจำนวน AI กับจำนวนจริง ปรับปรุงชุดข้อมูลและ threshold จน error rate ต่ำกว่า 5%
6. ขยายผลและบำรุงรักษา — ติดตั้งกล้องเพิ่ม ตั้งรอบเวลานับอัตโนมัติ และอัปเดตโมเดลเมื่อมีสินค้าใหม่

รายละเอียดเชิงลึกของแต่ละขั้นตอนอยู่ในส่วน HowTo ของ frontmatter แล้ว ตรงนี้ขอเน้นประเด็นสำคัญสำหรับ SME ที่ไม่มีทีมเทคนิค: เลือกใช้บริการ Cloud API เช่น Google Vision Product Search เพราะไม่ต้องจัดการเซิร์ฟเวอร์เอง ค่าบริการเฉลี่ยต่อภาพต่ำ (ประมาณ 0.12-0.30 บาท) และมีความแม่นยำสูงสำหรับสินค้าทั่วไป นอกจากนี้ยังมี API การตรวจจับสากลที่ใช้ได้ทันทีโดยไม่ต้องเทรนเพิ่ม

ตัวอย่างการประยุกต์ใช้จริงในธุรกิจไทย

กรณีที่ 1: ร้านค้าปลีกวัสดุก่อสร้างในต่างจังหวัด — มีสินค้ากว่า 1,500 รายการ กระจายในชั้นวาง 3 แถว ใช้พนักงาน 2 คนนับสต็อกทุกสิ้นเดือน ใช้เวลา 2 วันเต็ม หลังจากติดตั้งกล้อง IP 4 ตัวเหนือชั้นวางและใช้โมเดล YOLOv8 ที่เทรนด้วยรูปถ่ายสินค้า 30 รูปต่อประเภท ระบบสามารถนับสต็อกได้ภายใน 15 นาที และอัปเดตไปยัง Odoo โดยตรง ความแม่นยำ 93% (โรงงานระบุ) ลดเวลาแรงงานนับสต็อกได้ 95% คืนทุนภายใน 6 เดือนจากค่าแรงที่ประหยัดได้

กรณีที่ 2: โรงงานผลิตชิ้นส่วนอิเล็กทรอนิกส์ SME — มีชิ้นส่วนขนาดเล็กหลายร้อยชนิดในกล่องจัดเก็บ พนักงานต้องนับด้วยการเทนับทีละกล่อง ซึ่งเสียเวลาและเสี่ยงชำรุด ใช้สมาร์ทโฟนถ่ายภาพกล่องเรียงบนโต๊ะและส่งเข้า Google Cloud Vision API แบบ batch ระบบนับจำนวนชิ้นส่วนในแต่ละกล่องด้วยความแม่นยำ 87% หลังปรับแสงและมุมกล้องเพิ่มภาพเทรนอีก 50 รูปต่อประเภท ความแม่นยำเพิ่มเป็น 95% ปัญหาสินค้าขาดสต็อกกลางสายการผลิตลดลงเกือบหมด

สรุป: ก้าวต่อไปของ SME ไทยกับการจัดการสต็อกอัจฉริยะ

Computer Vision สำหรับการนับสินค้าคงคลังไม่ใช่แค่เทคโนโลยีของบริษัทใหญ่ที่มีงบประมาณสูงอีกต่อไป ด้วยเครื่องมือโอเพนซอร์สอย่าง OpenCV และ YOLO บริการ Cloud API ต้นทุนต่ำ และซอฟต์แวร์สำเร็จรูปที่เชื่อมต่อกับ Odoo ได้ทันที SME ไทยสามารถเริ่มต้นได้ด้วยเงินลงทุนเพียงหลักพันบาท การเปลี่ยนแปลงนี้ช่วยลดต้นทุนแรงงาน ลดความผิดพลาด และทำให้ข้อมูลสต็อกเป็นปัจจุบันแบบเรียลไทม์ — ปัจจัยสำคัญต่อการแข่งขันในยุคที่ลูกค้าคาดหวังความรวดเร็วและความถูกต้อง

ทีม Flowtica สนับสนุนให้ผู้ประกอบการไทยลองทำโปรเจกต์เล็กๆ ก่อน เช่น การนับสินค้าในชั้นวางเดียว 30 นาทีต่อวัน เพื่อเรียนรู้และปรับปรุง เมื่อเห็นผลลัพธ์ก็ขยายผลไปทั้งคลังสินค้าได้ในระยะเวลา 1-2 เดือน เทคโนโลยีนับสต็อกอัจฉริยะไม่ใช่ความฝันอีกต่อไป — แต่มันอยู่แค่ปลายนิ้วคุณแล้ว