Contagem de paletes por câmera: o que as contagens visuais de estoque acertam e onde falham

A contagem de paletes por câmera vem atraindo atenção crescente nos armazéns nos últimos dois anos, e a razão é fácil de entender: a contagem de estoque é repetitiva, demorada e muitas vezes adiada durante os períodos de pico, enquanto um sistema de câmeras parece oferecer uma forma de contar sem interromper o trabalho nem escanear cada palete um por um. A discussão muda, porém, quando a pergunta passa de saber se um sistema consegue contar para o conjunto mais exigente de perguntas que realmente importam para a adoção: em que condições ele conta com precisão, como essa precisão é medida e quão preciso ele precisa ser antes de valer a pena usá-lo?

O fenômeno é melhor compreendido pelas condições de campo do que por demonstrações. Na segunda metade de 2024, observei um sistema piloto em um armazém terceirizado no leste da China, onde câmeras suspensas voltavam-se para uma área de preparação de produtos acabados e o software informava o número de camadas e o total de paletes, enquanto a equipe conferia o resultado em uma tela. Em manhãs claras, paletes empilhados com capricho quase não exigiam intervenção; no fim da tarde, quando a luz entrava pelas janelas laterais em um ângulo mais baixo, as sombras alongavam as bordas de alguns paletes, e o sistema ocasionalmente lia uma sombra como uma camada adicional. Um segundo caso, em um armazém de comércio eletrônico no norte da China no início de 2025, mostrou um modo de falha diferente: durante um período promocional, os paletes foram temporariamente dispostos ao longo dos dois lados de um corredor, os paletes da frente bloqueavam a vista dos de trás, e o sistema só conseguia inferir a contagem traseira a partir de padrões anteriores de empilhamento, uma inferência que falhava justamente quando a densidade de empilhamento promocional mudava. Nenhum dos casos prova que um determinado algoritmo seja fraco. Juntos, eles sugerem que a precisão da contagem de paletes por câmera não é uma propriedade fixa da tecnologia, mas um resultado produzido conjuntamente pela cena, pela iluminação, pela condição de empilhamento e pelo protocolo de medição.

A precisão da contagem de paletes por câmera precisa de um denominador melhor

Um único número chamativo de precisão, relatado sem seu denominador, traz muito pouca informação. As perguntas mais úteis são o que a amostra incluía, onde os erros se concentravam e se esses erros se concentravam em um tipo específico de palete. Um modelo de aceitação reutilizável deve, portanto, dividir a amostra em pelo menos quatro dimensões: tipo de palete e método de empilhamento, hora do dia e condição de iluminação, grau de oclusão e material de embalagem. Cada categoria precisa de uma contagem de referência verificada manualmente; sem essa referência, o termo precisão não tem âncora.

A comparação com a contagem manual também exige cuidado, porque a contagem manual não deve ser tratada como uma referência impecável. As contagens manuais costumam ser estáveis em áreas rotineiras, empilhadas com capricho e de baixo volume, mas a probabilidade de contagens perdidas, contagens duplicadas e erros de passagem aumenta em altura, à noite, durante os períodos de pico e quando várias pessoas dividem uma contagem. Uma comparação mais justa não é visão versus pessoas em abstrato, mas as estruturas de erro dos dois métodos sobre a mesma amostra e sob as mesmas regras de aceitação. Os erros de visão tendem a se concentrar em condições-limite como oclusão e reflexão, enquanto os erros manuais tendem a se concentrar em fadiga e passagem. Como as distribuições diferem, os remédios também diferem: o primeiro exige redesenho da cena e cobertura de amostra mais ampla, enquanto o segundo exige controles de processo e etapas de verificação.

Iluminação, oclusão, empilhamento desigual e filme refletivo falham de formas diferentes

A falha de iluminação geralmente não é um problema de brilho insuficiente, mas de distribuição desigual do brilho. A mesma área pode apresentar uma estrutura de sombras completamente diferente de manhã e no fim da tarde, e se os dados de treinamento cobriram apenas uma distribuição de iluminação, o sistema pode desenvolver um viés sistemático quando a hora do dia muda. O remédio não é simplesmente adicionar mais luz, mas garantir que as amostras cubram toda a faixa diária de iluminação, ou usar iluminação suplementar para estreitar a cena para uma distribuição mais estável.

A oclusão está mais próxima de um problema de informação faltante do que de um problema de reconhecimento. Quando um palete traseiro fica totalmente escondido atrás de um palete da frente, a câmera não recebeu informação suficiente, e qualquer resultado precisa ser uma inferência baseada em padrões históricos de empilhamento. Essa inferência pode funcionar bem em áreas onde o empilhamento é estável, mas durante promoções, picos de devoluções ou preparações temporárias, o próprio padrão muda, e o erro de inferência cresce em consequência. Em áreas com forte oclusão, portanto, a primeira pergunta não deveria ser se o algoritmo é preciso, mas se o layout deixa espaço observável suficiente para a visão funcionar.

O empilhamento desigual e o filme refletivo pertencem a outra categoria. Camadas desiguais tornam ambígua a própria definição de camada, já que paletes inclinados, cedidos ou irregulares não podem ser divididos por uma única regra uniforme, enquanto o filme refletivo cria manchas claras que apagam a informação das bordas na imagem. Ambos os casos apontam para a mesma conclusão: o limite da contagem visual muitas vezes não está dentro do algoritmo, mas no estado físico das mercadorias e da embalagem. Se os padrões de empilhamento não convergiram, um sistema de visão está efetivamente absorvendo o erro produzido por uma condição instável do local.

As métricas de aceitação devem vir antes da ampliação

Um caminho prudente de implantação começa com métricas de aceitação em um escopo pequeno, e só então considera a expansão. No mínimo, três medidas são necessárias: precisão por cenário, em vez de um único número global; a distribuição dos erros, especialmente se o sistema superconta ou subconta de forma sistemática, já que supercontar e subcontar têm efeitos assimétricos nas decisões de estoque; e o custo da revisão humana de amostras incertas, porque se a fração incerta ainda exigir trabalho manual substancial para ser fechada, uma melhora na precisão de reconhecimento não se traduz automaticamente em ganho de eficiência de contagem.

Aqui, o ponto contraintuitivo merece atenção. A área piloto com a maior precisão medida muitas vezes não é a área mais valiosa para ampliar. A área mais arrumada, mais bem iluminada e menos ocluída naturalmente mostrará o melhor desempenho visual, mas também é a área onde a contagem manual é menos propensa a erros, de modo que o valor de substituição é limitado. As áreas onde a contagem manual é mais custosa e propensa a erros, como racks altos, turnos noturnos ou grandes zonas de preparação temporária, são muitas vezes as mesmas áreas onde a visão tem maior probabilidade de falhar. Essa compensação significa que o valor da contagem de paletes por câmera não pode ser julgado apenas por métricas técnicas; depende de qual custo, em qual área, está realmente sendo substituído.

Para onde a contagem visual provavelmente vai a seguir

A julgar pela direção atual do desenvolvimento, a contagem visual tem maior probabilidade de se tornar uma ferramenta de verificação assistida antes de se tornar uma substituição completa. Em áreas com empilhamento padronizado e iluminação controlável, ela pode apoiar verificações pontuais frequentes e alertas de exceção; em áreas com forte oclusão e empilhamento instável, ela é mais adequada para produzir uma lista de paletes que exigem revisão humana do que para publicar diretamente um número de estoque. À medida que o posicionamento das câmeras, a iluminação suplementar e os padrões de empilhamento melhoram, a área observável se ampliará, mas restrições físicas como oclusão e reflexão não desaparecerão simplesmente porque os algoritmos melhoram.

Resta uma pergunta aberta que vale a pena acompanhar. Se, no futuro, os armazéns redesenharem o empilhamento, a iluminação e o layout dos corredores para acomodar a contagem visual, o que exatamente estaremos medindo quando a precisão melhorar: o progresso da própria tecnologia de visão ou o progresso da padronização do local? Os dois parecem semelhantes em um relatório, mas implicam decisões de investimento diferentes. O primeiro sugere uma tecnologia mais geral; o segundo sugere que apenas os armazéns dispostos a remodelar seus locais obterão o mesmo benefício. Até que essa distinção fique mais clara, a postura mais útil pode ser tratar a contagem de paletes por câmera como um sistema de medição cujo valor depende da cena que ele observa, em vez de como um método de contagem que pode ser julgado isoladamente.

Por Dr. Chen, Pesquisador de cadeia de suprimentos

Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.