隨著電商物流需求量的日益增加，全渠道履約并直面消費(fèi)者，成為了物流業(yè)的發(fā)展趨勢(shì)，這無(wú)疑給物流企業(yè)帶來(lái)了巨大的運(yùn)營(yíng)壓力。投資自動(dòng)化設(shè)備進(jìn)行數(shù)字化升級(jí)將有機(jī)會(huì)重構(gòu)物流行業(yè)的底層鏈路，物流設(shè)施必須快速、準(zhǔn)確地檢測(cè)和分揀各種各樣的貨品，才能提升行業(yè)整體效率。

然而，由于貨品和包裹類(lèi)型存在大量差異，再加上托盤(pán)或輸送帶背景變化，基于規(guī)則的傳統(tǒng)機(jī)器視覺(jué)方法難以實(shí)現(xiàn)所需的檢測(cè)準(zhǔn)確性并準(zhǔn)確分揀。而且這類(lèi)技術(shù)的維護(hù)非常耗時(shí)，通常需要對(duì)操作員進(jìn)行專(zhuān)門(mén)培訓(xùn)。因此物流業(yè)檢測(cè)和分揀應(yīng)用自動(dòng)化主要面臨以下三個(gè)棘手的業(yè)務(wù)挑戰(zhàn)：

1、貨物丟失或處理錯(cuò)誤：廣泛的包裹類(lèi)型和多樣性背景常導(dǎo)致難以檢測(cè)到貨品。而檢測(cè)不準(zhǔn)確可能會(huì)導(dǎo)致貨物輸送路線(xiàn)分配錯(cuò)誤。

2、難以準(zhǔn)確分揀物品：物流設(shè)施通常根據(jù)類(lèi)型分揀貨品以提高效率，容易導(dǎo)致分類(lèi)錯(cuò)誤。

3、設(shè)備損壞：由于自動(dòng)化物流速度和效率超高，經(jīng)常導(dǎo)致貨物最終出現(xiàn)在預(yù)期之外的區(qū)域，需要進(jìn)行停機(jī)排查；嚴(yán)重時(shí)，這些貨品可能會(huì)對(duì)設(shè)備造成損壞。

這些難題該如何解決？康耐視近期推出了搭載邊緣學(xué)習(xí)技術(shù)的新產(chǎn)品In-Sight 2800 Detector將上述棘手問(wèn)題一一解決。

In-Sight 2800 Detector能夠執(zhí)行傳統(tǒng)基于規(guī)則的機(jī)器視覺(jué)無(wú)法完成的檢測(cè)和分揀任務(wù)。這種基于AI的技術(shù)僅需簡(jiǎn)單的圖形訓(xùn)練，就能夠在反光或復(fù)雜背景下從各種角度可靠地檢測(cè)或分揀包裹。且用戶(hù)可以輕松添加新包裹類(lèi)型，無(wú)需進(jìn)行廣泛的再訓(xùn)練。它能輕松實(shí)現(xiàn)以下應(yīng)用：

? 貨品存在/缺失檢測(cè)

? 出入庫(kù)流程的包裹分揀

? 輸送環(huán)節(jié)異常檢測(cè)

當(dāng)下我國(guó)物流業(yè)發(fā)展空間巨大，而大數(shù)據(jù)應(yīng)用、智慧物流則是重點(diǎn)發(fā)展方向。憑借康耐視In-Sight 2800 Detector基于示例的簡(jiǎn)單訓(xùn)練和優(yōu)異的AI算法，可幫助物流企業(yè)快速解決棘手的貨品檢測(cè)和分揀難題，進(jìn)一步實(shí)現(xiàn)自動(dòng)化物流應(yīng)用。