先说判断：输送线卡件检测，AI 的价值从来不在"看得准"，而在"发现得早"。卡没卡住，肉眼都能看出来；问题是人看不见的那二十分钟，损失就已经造成了。
2024 年秋天，Fontana 一家 3PL 分拣中心，18 万平方英尺，旺季备货正忙。一个夜班，一只软包袋在合流口滑出滚筒，卡进了皮带和机架的缝里。线没停，继续送料。那个合流口偏偏在一根立柱后面，中控屏幕上显示一切正常，一直到值班主管巡线路过，才发现货已经堆到了地上——一台分拣机的格口 chute 被堵住，货下不来，皮带还在往上送，纸箱像多米诺一样往回倒。最惨的是一只装着玻璃制品的纸箱，被挤开了一道口子，里面的东西碎了，理赔单第二天就到了。这类事故最气人的地方在于：从卡住到被发现，中间隔了整整二十多分钟，而这二十多分钟里，系统里一切显示"运行正常"。
这家仓后来找了一家视觉 AI 公司做试点，我去看过两次。今天把过程掰开揉碎讲一遍，坑和账都在里面。
相机装在哪，比相机贵不贵更重要
试点一共只装了 6 台相机，位置是这么定的：两条主线汇入分拣机的合流口各一台——这是卡件重灾区；爬坡段顶部一台，货爬上去翻下来的地方最容易别住；格口上方两台，看有没有货堵在格口里下不来；分拣机入口再补一台，看来料是不是正常。
6 台里没有一台是装在"好看"的位置上的，全是按过去两年的卡件记录挑的。安装高度两米多，俯视往下看，角度大概 45 度。为什么俯视不侧装？侧装看不清货堆了几层，顶装又容易被钢梁挡住视线，45 度俯视是试出来的折中。
相机用的是工业面阵相机，加一个边缘计算盒，现场就能跑，不用拉专线回机房。模型只干一件事：看"货是不是在动"。连续若干秒检测不到位移，就报警。就这么简单。千万别一上来就想让它又识别 SKU 又读面单——先把"卡件"这一个事做对，其他的以后再说。功能越少，越不容易翻车。
还有一个关键取舍：报警之后要不要自动停线？试点一开始接的是自动停机，误报一次整条线急停，操作员骂得比没装之前还凶。后来改成只报警、人工确认后再停。我的观点是，误报率没压到个位数之前，千万别碰自动停机。AI 先当哨兵，不当指挥官，这是落地初期保命的原则。
误报率是怎么被光照坑的
试点第一周，误报一天几十次，操作员第三天就把报警声关了。这个太真实了：报警没人理，等于没装。所以试点的头一个月，干的事其实不是调模型，是压误报。几个具体的坑：
光照是最阴的一个。这家仓有高侧窗，下午三四点阳光斜射进来，皮带上会出现缓慢移动的光斑，模型以为是货在动，或者反过来，阴影盖住静止的货以为一切正常。解法土但是管用：给每台相机加了遮光罩，报警逻辑从"单帧判断"改成"连续多秒无位移才报"。误报当场少了一大半。
包装反光是第二个。覆膜纸箱、气泡袋在灯下反光，画面忽明忽暗，模型一惊一乍。解法是把曝光锁定，只看轮廓位移，不看亮度变化。反光再晃，轮廓不动就是不动。
异形件是第三个。软包袋塌在皮带上，形状一直在变，模型拿不准到底动没动。最后给这类货单独划了区域，降低灵敏度，宁可漏报一次，也不让它一天鬼叫二十次。
压到最后，误报从一天几十次降到了个位数，操作员才愿意重新把声音打开。记住这个顺序：先把误报压下来，再谈准不准。顺序反了，试点必死。
停机二十分钟到底值多少钱
算账时间。这条主线旺季一小时过几千件，停 20 分钟，上游就积压上千件。积压本身不可怕，可怕的是连锁反应：上游人工分拣位没货干等着，下游装车位空转，整条线的人效全掉。一次小卡件，能把半个班组的节奏全打乱。旺季要是赶上大促前的出库窗口，延误的代价就不是"20 分钟"三个字能概括的了。
试点这 6 台相机加集成，花的钱大概相当于一辆中档皮卡。对一条旺季不能停的主线来说，这笔账不难算。但 verdict 我也摆在这：日出单不到大几千的小仓，真别折腾。你的线一天才卡一两次，每次两分钟拿根棍子就捅开了，装这套系统纯属给自己找事，还得多养一个看报警的人。卡件检测这事，规模是硬门槛，单量不够，ROI 就是负的。
所以什么时候值得上？三个条件对上两个就可以谈：一是单条主线停机代价大，停 20 分钟就伤筋动骨；二是历史卡件记录明确，知道哪几段线最爱出事；三是有人愿意跟供应商一起蹲现场调两周。第三条最容易被忽略——不蹲现场，光照、反光这些坑一个都排不掉。供应商跟我说过一句实在话：他们的模型在实验室里什么都准，一进仓库全看现场调。凡是跟你保证"装上即用、不用调参"的视觉 AI 供应商，基本可以判定为不靠谱。
最后给一个能落地的建议：先从最常卡件的那一段线开始试点，别整条线铺。合流口、爬坡顶、格口，这三个位置先装，跑一个月，看两个数：误报率降没降下来，真卡件拦住过几次。试点那家仓的做法值得抄：每天早班花五分钟，把前一天的报警记录过一遍，误报标出来发给供应商调参。一个月下来，误报从个位数降到两三天一次，真卡件拦住过四次，其中一次是凌晨三点，值班的就一个人，要是没这套系统，估计又得堆到天亮。数据好看再扩，不好看就认栽，损失可控。AI 落地仓储，第一步永远是小步试点，不是全仓铺开。
