隨著電商物(wu)流需求量的(de)日(ri)益增加，全渠道履約并直面消費(fei)者(zhe)，成為(wei)了(le)(le)物(wu)流業(ye)的(de)發展(zhan)趨勢，這無疑(yi)給物(wu)流企業(ye)帶來了(le)(le)巨大的(de)運營壓(ya)力。投(tou)資自動化設備進行數字(zi)化升級將有機(ji)會(hui)重構物(wu)流行業(ye)的(de)底(di)層鏈路，物(wu)流設施必須(xu)快(kuai)速、準確地檢測(ce)和分揀各(ge)種(zhong)各(ge)樣的(de)貨品(pin)，才能(neng)提升行業(ye)整體(ti)效率。

然而(er)，由于貨品和(he)包(bao)裹類型存在大量差異(yi)，再加上托(tuo)盤或輸送帶背景變化，基于規則的(de)(de)傳統機器視覺(jue)方法難以實現所(suo)需(xu)的(de)(de)檢測(ce)準確性并準確分揀。而(er)且這(zhe)類技術(shu)的(de)(de)維護非常耗時，通常需(xu)要對操作(zuo)員進行專門培訓。因(yin)此物流業(ye)檢測(ce)和(he)分揀應用自動(dong)化主(zhu)要面臨(lin)以下三個棘手的(de)(de)業(ye)務挑戰：

1、貨物丟失(shi)或處理錯誤(wu)：廣泛的包裹類(lei)型和(he)多(duo)樣性(xing)背景常導致(zhi)難以(yi)檢(jian)測到貨品。而檢(jian)測不準確(que)可能會導致(zhi)貨物輸送路線(xian)分配錯誤(wu)。

2、難以準確分(fen)揀物(wu)品：物(wu)流(liu)設施通常(chang)根據類型分(fen)揀貨(huo)品以提高效率，容(rong)易導致分(fen)類錯誤。

3、設備(bei)損壞：由于自(zi)動化物流速度和效率(lv)超高，經常導致貨物最(zui)終出現在(zai)預期之外的(de)區域，需要進行停(ting)機排查；嚴(yan)重時，這些(xie)貨品可能會對(dui)設備(bei)造成(cheng)損壞。

這些難題該如何解決？康耐視近期推出了搭載邊緣學習技(ji)術(shu)的新產品In-Sight 2800 Detector將(jiang)上述棘手問題一(yi)一(yi)解決。

In-Sight 2800 Detector能(neng)夠執行傳統(tong)基于(yu)規則的(de)機器視覺(jue)無(wu)法(fa)完成的(de)檢(jian)測和分(fen)揀(jian)任務。這種基于(yu)AI的(de)技術(shu)僅(jin)需簡單的(de)圖(tu)形訓練，就能(neng)夠在反光或復雜背景下從各種角度可靠地檢(jian)測或分(fen)揀(jian)包裹。且用戶可以輕(qing)松添加(jia)新(xin)包裹類型，無(wu)需進行廣(guang)泛的(de)再訓練。它(ta)能(neng)輕(qing)松實現以下應用：

? 貨品存在/缺失檢測

? 出入庫流程的包裹分揀

? 輸送環節異常檢測

當下我國物流業發展空間巨大，而大數據應用、智慧物流則是重點發展方向。憑借康耐視In-Sight 2800 Detector基于示例的簡單訓練和優異的AI算法，可幫助物流企業快速解決棘手的貨品檢測和分揀難題，進一步實現自動化物流應用。