隨著電商物流需求量的日益增加，全渠道履約并直面消費者，成為了物流業(yè)的發(fā)展趨勢，這無疑給物流企業(yè)帶來了巨大的運營壓力。投資自動化設(shè)備進行數(shù)字化升級將有機會重構(gòu)物流行業(yè)的底層鏈路，物流設(shè)施必須快速、準確地檢測和分揀各種各樣的貨品，才能提升行業(yè)整體效率。

然而，由于貨品和包裹類型存在大量差異，再加上托盤或輸送帶背景變化，基于規(guī)則的傳統(tǒng)機器視覺方法難以實現(xiàn)所需的檢測準確性并準確分揀。而且這類技術(shù)的維護非常耗時，通常需要對操作員進行專門培訓。因此物流業(yè)檢測和分揀應(yīng)用自動化主要面臨以下三個棘手的業(yè)務(wù)挑戰(zhàn)：

1、貨物丟失或處理錯誤：廣泛的包裹類型和多樣性背景常導(dǎo)致難以檢測到貨品。而檢測不準確可能會導(dǎo)致貨物輸送路線分配錯誤。

2、難以準確分揀物品：物流設(shè)施通常根據(jù)類型分揀貨品以提高效率，容易導(dǎo)致分類錯誤。

3、設(shè)備損壞：由于自動化物流速度和效率超高，經(jīng)常導(dǎo)致貨物最終出現(xiàn)在預(yù)期之外的區(qū)域，需要進行停機排查；嚴重時，這些貨品可能會對設(shè)備造成損壞。

這些難題該如何解決？康耐視近期推出了搭載邊緣學習技術(shù)的新產(chǎn)品In-Sight 2800 Detector將上述棘手問題一一解決。

In-Sight 2800 Detector能夠執(zhí)行傳統(tǒng)基于規(guī)則的機器視覺無法完成的檢測和分揀任務(wù)。這種基于AI的技術(shù)僅需簡單的圖形訓練，就能夠在反光或復(fù)雜背景下從各種角度可靠地檢測或分揀包裹。且用戶可以輕松添加新包裹類型，無需進行廣泛的再訓練。它能輕松實現(xiàn)以下應(yīng)用：

? 貨品存在/缺失檢測

? 出入庫流程的包裹分揀

? 輸送環(huán)節(jié)異常檢測

當下我國物流業(yè)發(fā)展空間巨大，而大數(shù)據(jù)應(yīng)用、智慧物流則是重點發(fā)展方向。憑借康耐視In-Sight 2800 Detector基于示例的簡單訓練和優(yōu)異的AI算法，可幫助物流企業(yè)快速解決棘手的貨品檢測和分揀難題，進一步實現(xiàn)自動化物流應(yīng)用。