先说结论：视觉检测替人工复核，省的是人头钱，亏的往往是误杀钱。这事我干了二十年供应链，见过太多人把账算反了——盯着厂商 PPT 上的准确率 99% 拍板，最后栽在 3% 的误杀率上。
说白了，这事分两面：一面是它确实能 24 小时不眨眼，另一面是它认错的时候，比人还固执。人看走眼会犹豫，机器看走眼是理直气壮地错，错了还不带改的。这笔账，我今天就给你算明白。
两个真实的坑，一个天上一个地下
2024 年初，加州 Riverside，一家做美妆 DTC 的品牌仓，4 万平方英尺，日均 8000 单。老板在传送带末端上了一套视觉复核，相机看面单加称重二合一，厂商宣称准确率 99.2%。上线两周就出事了：美妆的面单爱贴促销贴纸，贴纸一反光，相机就判"面单异常"；误杀率冲到 6%～8%。误杀一件，人工复检要 3～5 分钟，复检台堆成小山。最后复核岗从 2 个人加到 4 个人——钱没省下来，人反而多了。老板跟我说："老米，我这买的不是省人机器，是造活机器。"
同一年年底，德州 Dallas，一家 3PL 给汽配客户做装车复核，思路完全反过来：相机只看两个特征——标签在不在、箱唛对不对，不做全量识别。特征越少，误判空间越小，误杀率压到 1.5% 以内。误杀件自动分流到复检滑槽，1 个复检员搞定。原来装车前人工复核 3 个人两班倒，上线后剩 1 个人专门处理异常。省下来的人工，一年就把设备钱盖住了。
同一项技术，一个亏一个赚。差别不在"准不准"，在账怎么算。
视觉检测 vs 人工复核：账要这么算才对
我见过太多方案书只算一笔账：人工一年多少钱，设备一次性多少钱，几年回本。这种算法漏了最贵的一项——误杀税。
一张表把四笔账摆齐：
| 成本项 | 人工复核 | 视觉检测 | 怎么估 |
|---|---|---|---|
| 直接人工 | 复核员时薪×人数×班次，全年 | 异常处理员 1～2 人 | 美国仓复核岗时薪 18～22 美元是常见区间 |
| 设备与软件投入 | 0 | 相机+光源+工控机+安装，一套工位 1.5 万～4 万美元量级 | 按工位和 SKU 复杂度浮动，复杂场景往上走 |
| 误杀税 | 约等于 0（人很少把对的判成错的） | 误杀率×日单量×单件复检耗时×时薪×365 | 这是决定盈亏的一行 |
| 漏检损失 | 人工漏检率通常 0.5%～1% | 视觉漏检率通常更低，但漏检一件的代价一样 | 错发一件≈快递费+客服+退货，几十美元打底 |
拿 Riverside 那个仓代入：日均 8000 单，误杀率 7%，每件复检 4 分钟，时薪 20 美元——误杀税一年下来是 8000×7%×(4/60)×20×365 ≈ 27 万美元。设备才花了十几万，误杀税是设备钱的两倍。这就是"造活机器"的数学本质。
顺带说一句，人工复核也不是白莲花：人眼连续看 4 小时就开始飘，漏检率 0.5%～1% 是常态。视觉的价值，一半在省人，一半在漏检更少——但前提是误杀税没把这两样全吃掉。
所以 ROI 公式里，分子不该只是"省下的人工"，分母也不该只是"设备投入"。真正的算法是：（省下的人工＋减少的漏检损失－误杀税－年维护费）÷ 总投入。误杀税这一项，十个方案书里有九个不写。
误杀率别信厂商的，拿自己的货测
这事分两面：实验室的 99% 是真的，你仓库的 99% 可能是假的。光照、反光、贴纸、箱体变形、传送带速度——实验室一个没有，仓库全都有。
我给客户的土办法就一个：影子模式跑两周。相机装上，判它的分，人工该怎么复核还怎么复核，两周后对账——拿你自己真实 SKU 跑出来的混淆矩阵，才是你的准确率和误杀率。厂商不愿意配合影子测试的，基本心里有数，直接 pass。连影子测试都不敢做的方案，准确率 PPT 写得再漂亮也别信。
对账也有讲究：别全量对，抽 500 单就够了。重点看两类：被误杀的到底冤不冤（十次里有几次是贴纸反光这种系统性原因），以及被放过的有没有真漏网。系统性误杀最要命——它意味着不是调参能解决的，是场景本身不适合，趁早认栽。
还有个小窍门：先从特征最少的环节切。Dallas 那个仓为什么成？因为它只让相机回答"是/否"——标签在不在。特征越少，误判空间越小，误杀率天然低。一上来就让相机认 SKU、认数量、认破损的，等于让新员工第一天就干质检主管的活，不翻车才怪。
什么仓适合上，什么仓先别碰
再补一个我常用的分界框架：这套方案到底值不值，看三个维度：
| 维度 | 适合上 | 先别碰 |
|---|---|---|
| 日均单量 | 3000 单以上，复核岗 3 人起 | 一天几百单，复核员 1 个人还闲得发慌 |
| SKU 特征 | 标准箱、面单规范、特征少 | 异形件多、贴纸满天飞、包装天天换 |
| 复检分流 | 有空间做滑槽/分流线，误杀件不堵主线 | 场地小，误杀一件就得停线翻箱 |
三条里占两条"先别碰"，就别急着上。Riverside 那个仓三条占了两条"先别碰"（SKU 妖、没分流设计），硬上当然翻车。Dallas 那个仓三条全占"适合上"，想亏都难。
还有一个很多人漏掉的成本：年维护费。光源老化要换，镜头要擦，SKU 一上新就得补拍样本调模型。一套工位一年维护 2000～5000 美元很常见，不算进去，ROI 全是虚的。
落地三步走，别一步到位
我见过太多项目死在"一步到位"上。靠谱的节奏是三步：
第一步，影子模式两周，只看不判。前面说了，拿自己的货跑出真实误杀率，数据不好看就停，沉没成本只是一套相机的钱。
第二步，单特征上线。先只做"有/否"判断（标签在不在、封箱胶带贴没贴），跑一个月，误杀率稳定在 2% 以内再说。
第三步，才加复杂特征。认 SKU、数数量、看破损，一样一样加。每加一个特征，误杀率重测一遍，超标就回滚。
Dallas 那个仓就是这么走的，第二步跑了整整两个月才加特征。Riverside 那个仓是反面教材：第一天就全特征上线，等于闭眼开车。
一个反常识的判断
准确率 95% 的便宜方案，配上好的误杀分流设计，总成本可能低于准确率 99% 的贵方案。
听着离谱，账上很诚实：成本大头不在识别本身，在误杀之后的处理流程。95% 的方案如果误杀件能自动分流、复检员 30 秒处理一件，它的总成本就是低的；99% 的方案如果误杀一件要停线 5 分钟人工翻箱，它就是贵的。买这套方案，买的不是准确率数字，买的是"认错之后的成本"。
所以别问我"这套视觉准不准"。先问你自己三个问题：误杀一单，你的复检流程扛不扛得住？你的 SKU 长得有多"妖"（反光、异形、贴纸）？影子测试跑两周，数据敢不敢看？
这三个问题答不上来，视觉检测的 ROI 就是纸面富贵。答得上来，它就是印钞机。记住，买的从来不是相机，是认错之后的成本。下次再有人拿着 99% 的 PPT 找你签字，先把误杀税算清楚，再谈签单。
作者：老米｜仓储解决方案顾问
