点击标签,查看该标签下的文章、视频和新闻
我们这种小仓,十个里有九个根本用不上 3D,2D 相机就能把活干了。本文从小仓主的视角聊机器视觉选型:哪些活 2D 相机够用、什么时候非 3D 不可、标定和维护的账怎么算,以及小仓怎么用土办法低成本起步,把钱花在刀刃上。先把 2D 用到位,3D 该来的时候自然会来。
AI 视觉检包装破损听起来很高科技,落地却全是土问题:光线、包装多样性、误报太多员工开始无视报警。包装破损的索赔账要从出库前最后一道关算起,相机只是工具,责任划分才是合同里的关键。
摄像头看传送带卡件这套东西,卖家圈里吹得很神,实际用起来一半是惊喜一半是闹心。这篇讲我踩过的坑:它到底能看清什么,什么情况下会看走眼,以及小卖家该怎么用才不花冤枉钱。
仓库 AI 边缘计算 vs 云端怎么选?本文把延迟、成本、断网容灾三笔账分开算:视觉检测、分拣复核适合放边缘,需求预测、经营分析适合放云端,高频调用下云端账单可能反超边缘硬件,混合部署要先管好模型版本。
收货口的 AI 视觉验伤,省的不是验货的人,而是扯皮的时间。本文讲一个纸箱压痕扯了三周的旧事,拆开 AI 视觉验伤在收货口到底能干什么、干不了什么。
跑了十五年长途的赵师傅说:扫码只认箱皮,多传感器校验用扫码、称重、视觉三道关卡互相兜底,错货才出不了门。
视觉检测替人工复核,省的是人头钱,亏的往往是误杀钱。老米用 Riverside 和 Dallas 两个真实项目,拆解视觉检测 vs 人工复核的 ROI 算法:准确率只是入场券,误杀率才是决定盈亏的隐形税,外加影子测试和三步落地法。
退货质检AI能不能替质检员定成色?大刘拆解视觉判成色的原理:缺陷检测定"有没有伤",成色分级模型定"伤到什么程度"。3C靠谱、鞋服看场景、美妆看批次,异形件和主观瑕疵别碰。落地三道坎:样本标注、光照、系统对接。这钱花得值不值,文末给一个数。
一张图传云端检测约 1 美元/千张,边缘端一次性投入后单张边际成本接近于零。本文用公开价格把仓库视觉检测的推理成本算清楚:什么规模下云端贵 10 倍,什么规模下云端反而更划算,以及账单上真正的大头其实不是单次推理的价格。
仓库 AI 视觉检测正在从选配变成标配。本文拆解相机在仓库里的三个真实任务——读码、破损检测、标签校验,讲清准确率背后的三个决定因素,并给出一套可直接套用的五步评估框架,帮你判断一套视觉系统到底值不值得上。
收货口装一套 AI 视觉收货破损检测,到底值不值?一线仓库经理陈峰讲自己仓的真实经历:传送带上方装摄像头自动判定纸箱破损等级,误判和漏判的阈值怎么调,两个专职验货员的人力账怎么算,以及为什么说这套 AI 视觉破损判定系统最大的用处不是省人,而是给扯皮留证据。
分拣线 1.2 米/秒、死线 250 毫秒,云端 400 毫秒开外赶不上趟——大刘算清延迟、断网、流量三笔账,告诉你 AI 推理到底该放哪。
仓库里九成以上的视觉场景,2D 相机够用了,还便宜一个数量级。什么时候非 3D 不可?老米用 Chino 和 Fontana 两个仓的实战,讲清 2D/3D 的分水岭和选型前必问的三个问题。
输送线卡件检测,AI 的价值不在看得准,而在发现得早。一次 Fontana 分拣中心的真实卡件事故,带出视觉 AI 试点的全过程:相机装在哪、误报率怎么被光照坑、停机二十分钟到底值多少钱,以及小仓为什么别碰。
一件退回来的鞋,老师傅瞟一眼、翻一下,10 秒钟判出成色。视觉 AI 想把这 10 秒钟自动化,但光在传送带上装个相机远远不够。老米从 20 年一线视角讲清楚:分级标准怎么写、相机灯光怎么选、准确率怎么验,这套系统到底值不值。
新文章发布时,第一时间发到你的邮箱。