# خرده‌فروشی - استفاده از اینترنت اشیا برای مدیریت سطح موجودی آخرین مرحله قبل از رسیدن خوراک به مصرف‌کنندگان، خرده‌فروشی است - بازارها، سبزی‌فروشی‌ها، سوپرمارکت‌ها و فروشگاه‌هایی که محصولات را به مصرف‌کنندگان عرضه می‌کنند. این فروشگاه‌ها می‌خواهند مطمئن شوند که محصولات روی قفسه‌ها برای دیدن و خریدن توسط مصرف‌کنندگان موجود هستند. یکی از وظایف دستی و زمان‌بر در فروشگاه‌های مواد غذایی، به‌ویژه در سوپرمارکت‌های بزرگ، اطمینان از پر بودن قفسه‌ها است. بررسی قفسه‌های جداگانه برای اطمینان از اینکه هر شکافی با محصولات از انبار پر شده است. اینترنت اشیا می‌تواند در این زمینه کمک کند، با استفاده از مدل‌های هوش مصنوعی که روی دستگاه‌های اینترنت اشیا اجرا می‌شوند تا موجودی را شمارش کنند، و با استفاده از مدل‌های یادگیری ماشین که نه تنها تصاویر را طبقه‌بندی می‌کنند، بلکه می‌توانند اشیاء جداگانه را شناسایی و شمارش کنند. در این دو درس، یاد خواهید گرفت که چگونه مدل‌های هوش مصنوعی مبتنی بر تصویر را برای شمارش موجودی آموزش دهید و این مدل‌ها را روی دستگاه‌های اینترنت اشیا اجرا کنید. > 💁 این درس‌ها از برخی منابع ابری استفاده خواهند کرد. اگر همه درس‌های این پروژه را کامل نکردید، مطمئن شوید که [پروژه خود را پاکسازی کنید](../clean-up.md). ## موضوعات 1. [آموزش یک شناسگر موجودی](./lessons/1-train-stock-detector/README.md) 1. [بررسی موجودی از یک دستگاه اینترنت اشیا](./lessons/2-check-stock-device/README.md) ## اعتبارها تمام درس‌ها با ♥️ توسط [Jim Bennett](https://GitHub.com/JimBobBennett) نوشته شده‌اند. **سلب مسئولیت**: این سند با استفاده از سرویس ترجمه هوش مصنوعی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما تلاش می‌کنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌ها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما مسئولیتی در قبال سوء تفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.