METHODS AND SYSTEMS FOR CLASSIFYING TAG STATUS IN A RETAIL ENVIRONMENT

Examples described herein generally relate to a system for monitoring tags in a retail environment. The system includes an exit system including one or more sensors that read a tag to obtain exit system measurements associated with a tag detection event. The system includes a memory and a processor configured to execute instructions to receive a selection of a base configuration, the base configuration including weighting values for a plurality of exit system measurements. The processor may classify a tag detection event into a first tag status for the tag detection event based on application of the weighting values to exit system measurements associated with the tag detection event. The processor may determine a second tag status of the tag after the tag detection event. The processor may update the weighting values using a machine-learning algorithm based on at least the first tag status and the second tag status. Des exemples décrits dans la présente invention concernent un système de surveillance d'étiquettes dans un environnement de vente au détail. Le système comprend un système de sortie comprenant un ou plusieurs capteurs qui lisent une étiquette pour obtenir des mesures de système de sortie associées à un événement de détection d'étiquette. Le système comprend une mémoire et un processeur configurés pour exécuter des instructions pour recevoir une sélection d'une configuration de base, la configuration de base comprenant des valeurs de pondération pour une pluralité de mesures de système de sortie. Le processeur peut classer un événement de détection d'étiquette en un premier état d'étiquette pour l'événement de détection d'étiquette sur la base de l'application des valeurs de pondération à des mesures de système de sortie associées à l'événement de détection d'étiquette. Le processeur peut déterminer un second état d'étiquette de l'étiquette après l'événement de détection d'étiquette. Le processeur peut mettre à jour les valeurs de pondération à l'aide d'un algorithme d'apprentissage automatique basé sur au moins le premier état d'étiquette et le second état d'étiquette.