去年见过一个真实的翻车现场。一家做食品分销的客户，IT 负责人很有干劲，花了三个月，组织了两个人专门拍照标注，攒了一万多张 SKU 图片，训练了一个识别模型。上线第一周，拣选复核环节看着挺准，大家都挺高兴。结果换季一到，几个主力 SKU 换了包装设计、主色都变了，模型准确率直接跳水，还不如原来的人工复核省心。项目组当时的表情，我至今记得。
这不是个例。仓库想自己训视觉模型，坑从来不在算法——开源模型多的是，选谁都大差不差。真正的坑在数据这头：到底拍多少张、怎么拍、怎么标。这篇就把这几个问题掰开讲。
照片不是越多越好，是越"全"越好
很多人第一反应是堆量：拍它一万张。这个思路只对了一半。
模型怕的从来不是"少"，而是"偏"。一万张照片，全是同一个工位、同一台相机、上午十点的灯光，那第十万张跟前面的也长一个样，模型照样学不会。真正决定数据够不够的，是你覆盖了多少种变化。拍之前，先把变量清单列出来贴在墙上：
光照。 仓库的日光灯管和傍晚从月台门斜射进来的自然光，颜色完全两样。同一批 SKU，早上和下午各拍一轮。灯管老化色温变了，也算一种变化。
角度。 复核台上方的相机是固定的，箱子可不是：横着放、竖着放、倒着放、半个箱子露在镜头外。别只拍"摆拍位"，叉车司机随手一放的真实状态也拍进去。
背景。 复核台的传送带、托盘缝隙、地面的反光——背景越杂，模型越要学着忽略它。换两三个工位拍，别可着一个地方薅。
包装状态。 这是跳水重灾区。压皱的、淋过雨的、缠绕膜半包的、促销贴纸贴满的，还有换季换包装的新设计，都得有。上面那家客户翻车，就是训练集里一张"新包装"都没有，模型一见新设计就懵。
变量清单列完，每拍一轮打勾，缺哪块补哪块。这比闷头拍一万张管用得多。顺带说一句，SKU 也可以按包装变化频率分层：常年不变的工业件拍一次管很久；食品快消这种一年换几次包装的，采集就得做成常规动作，而不是一次性工程。
先框选，再谈分割
第二个坑在标注。很多人一上来就想画轮廓（实例分割），觉得越精细越好。我的建议是：先用框选（bounding box）把模型跑通再说。
框选标注快得多，一个熟练标注员一上午能标几百张（举例，按常规速度估算）；画轮廓慢得多，还容易标得不稳定。而框选已经足够应付仓库里八成的识别任务：SKU 识别、空箱检测、托盘有没有货、传送带上有没有异物。只有要做精确测量（比如量箱子尺寸算体积重），或者遮挡严重到框选都框不准的时候，才值得上分割。
标注质量比标注数量重要得多。同样几百张，两个人对"破损箱子"的定义不一致，模型学到的就是噪声。动手前先写半页纸的标注规范：什么算破损、什么算正常、遮挡超过一半还标不标。然后找两个人同时标同一批几十张（举例），对不上就改规范，改到两个人基本一致再开工。
外包还是自己标，看阶段。外包平台（Labelbox、Roboflow 这一类）起量快，但他们不懂你的业务，"新包装"和"促销贴纸"这种变化他们认不出来；自己标慢，但标的人天天泡在仓库里，异常一眼就能看出来。我的做法：首批难例自己标，把标准定下来；量产的常规标注外包，抽查比例不低于一成（举例，根据项目经验设定），抽查出问题整批打回。
能微调就不从零训练，能喂难例就不堆数据
先说结论：绝大多数仓库根本不需要从零训练模型。
开源的预训练模型（比如 Ultralytics 的 YOLO 系列，在 COCO 这种大规模数据集上预训练好的）已经见过几十万张日常物品。你要做的，是拿自家仓库的 SKU 照片去"微调"它，让它认识你家的包装。微调需要的数据量级，和从零训练完全不是一个概念：通常几百到几千张、覆盖全变量的照片就能起步（以实际测试为准，不同 SKU 差异很大）。从零训练是研究院干的事，仓库用不上。
准确率目标也别拍脑袋定"99%"。在复核场景里，模型是给人打下手，不是替代人：实在的目标是"把人工复核的工作量砍掉一半以上，漏检率不高于现在的人工水平"（举例目标，需按自家基线设定）。目标定得太高，你会掉进无限加数据的泥潭。
最被低估的一环，是上线后的持续喂数据。新 SKU 上架、老 SKU 换包装、促销季贴纸一贴——这些"长尾"训练集里没有，模型就瞎。正确的做法是把流程跑起来：上线后，模型"认错"和"拿不准"的照片自动捞回来，人工复核确认，难例回流到训练集，定期重训。重训频率看 SKU 变化速度：食品快消这种变化快的，一个月甚至两周一次不为过；工业品变化慢，一个季度一次也行。关键是这个循环转起来，而不是训完一次就不管了——上面那家客户，就是缺了这一环。
还有一句实在话：如果你连标注团队都没有，先别谈自建。市面上有按工位收费的视觉复核方案，先买一个工位验证价值，跑顺了再决定要不要自己训。自建模型的成本大头从来不是 GPU，是人。
明天就能动手的一步：别急着立项。先挑一个拣选复核工位，花一个下午，把主力 SKU 的正常、侧光、破损、堆叠几种状态各拍几十张，凑两三百张（举例），找个标注平台试标。跑一个星期，看模型在真实班次里准不准。准，再谈扩大；不准，你也知道了问题在哪——大概率是变量没覆盖全，而不是照片不够多。
