连锁商超/零售店正面临着因消费者购物习惯改变等挑战，迎来了以新兴技术崛起而催生的数字化物流体系转型需求。物流行业与ai机器视觉的深度融合，解决了传统机器视觉识别速度慢、环境要求高、定制化部署耗时过多等痛点，大大提高了物流供应链的效率和准确性。
本期将聚焦商超零售供应链内部的物流周转环节优化，为同类场景应用带来更多启发。
康耐视推出的搭载边缘学习技术的机器视觉产品in-sight 2800 detector正符合商超零售场景下的物流系统需求，借助简单易用的ai工具，提供包裹检测、物品分拣，流程问题检测等多功能应用，支持客户开箱即用灵活配置，切实帮助传统商超零售企业完成自动化、智能化转型。
客户需求
周转箱是连锁商超/零售店存储、分拣环节中常见的容器形态。在日常循环使用过程中，需要检测其内部是否存在异物垃圾，并能忽略掉快递包裹所残留的包装塑料碎片，以及周转箱体上的磨损划痕，否则工作人员便需要频繁地去清理，从而增加了人员工作量。
3大功能优势解决方案
启发更多物流应用场景
包裹有无检测
in-sight 2800 detector所嵌入的强大边缘学习技术，能快速准确的处理图像，通过高分辨率彩色摄像头呈现较小部件的特征，支持快速识别明显异物和忽略体积较小的、不造成影响的杂质内容，同时箱体本身的划痕、赃污、磨损等外观环境因素不会对判定结果造成影响。
包裹分类并屏蔽背景干扰
in-sight 2800 detector配备的机器视觉系统以拍照获取图像的形式，并通过vidi el classify工具分析异物特征，并按特征将图像分为不同的类别，能够快速且精准地区分出：异物、细小包装碎片、箱体内的划痕磨损，并将结果上报以支持分拣出应该被移除的异物，确保清理工作的有效性，减少不必要的人工清洁频次。
传送带外观及流程问题检测
在商超零售店的货品分拣流程中，传送带变脏会影响包裹美观，若存在异物还可能影响传送带的正常运行，甚至导致故障停机。客户希望及时探测到情况异常，降低风险带来的损害。in-sight 2800 detector机器视觉系统能实时监测传送带运行过程中产生的干扰，及时发现托盘脏污、传送带卡住、标签粘连等问题并进行上报，确保设备机器的稳定运行。
20分钟完成设备配置
2小时实现系统稳定运行
通过边缘学习技术的加持，以及专为物流应用优化的光学配件，in-sight 2800 detector不仅比传统视觉系统更易于部署，且无需专业人员干预，任何人都可以在短时间内完成设置，灵活易用。
在本次已落地的客户案例中，in-sight 2800 detector整套系统能够在20分钟内完成设备配置，所有测试和调试仅用了2个小时；并且这样的配置过程无需外部硬件，无需高级编程技巧，以轻量级的形态就能完成。
目前，整套系统正稳定可靠地运行，大幅提高了商超零售店运营效率的同时，也显著降低了物流周转环节的人力成本支出。
来源：中自网
以上是网络信息转载，信息真实性自行斟酌。
