連鎖商超/零售店正面臨著因消費者購物習慣改變等挑戰，迎來了以新興技術崛起而催生的數字化物流體系轉型需求。物流行業與AI機器視覺的深度融合，解決了傳統機器視覺識別速度慢、環境要求高、定制化部署耗時過多等痛點，大大提高了物流供應鏈的效率和準確性。
本期將聚焦商超零售供應鏈內部的物流周轉環節優化，為同類場景應用帶來更多啟發。
康耐視推出的搭載邊緣學習技術的機器視覺產品In-Sight 2800 Detector正符合商超零售場景下的物流系統需求，借助簡單易用的AI工具，提供包裹檢測、物品分揀，流程問題檢測等多功能應用，支持客戶開箱即用靈活配置，切實幫助傳統商超零售企業完成自動化、智能化轉型。
客戶需求
周轉箱是連鎖商超/零售店存儲、分揀環節中常見的容器形態。在日常循環使用過程中，需要檢測其內部是否存在異物垃圾，并能忽略掉快遞包裹所殘留的包裝塑料碎片，以及周轉箱體上的磨損劃痕，否則工作人員便需要頻繁地去清理，從而增加了人員工作量。
3大功能優勢解決方案
啟發更多物流應用場景
包裹有無檢測
In-Sight 2800 Detector所嵌入的強大邊緣學習技術，能快速準確的處理圖像，通過高分辨率彩色攝像頭呈現較小部件的特征，支持快速識別明顯異物和忽略體積較小的、不造成影響的雜質內容，同時箱體本身的劃痕、贓污、磨損等外觀環境因素不會對判定結果造成影響。
包裹分類并屏蔽背景干擾
In-Sight 2800 Detector配備的機器視覺系統以拍照獲取圖像的形式，并通過ViDi EL Classify工具分析異物特征，并按特征將圖像分為不同的類別，能夠快速且精準地區分出：異物、細小包裝碎片、箱體內的劃痕磨損，并將結果上報以支持分揀出應該被移除的異物，確保清理工作的有效性，減少不必要的人工清潔頻次。
傳送帶外觀及流程問題檢測
在商超零售店的貨品分揀流程中，傳送帶變臟會影響包裹美觀，若存在異物還可能影響傳送帶的正常運行，甚至導致故障停機�？蛻粝Ｍ皶r探測到情況異常，降低風險帶來的損害。In-Sight 2800 Detector機器視覺系統能實時監測傳送帶運行過程中產生的干擾，及時發現托盤臟污、傳送帶卡住、標簽粘連等問題并進行上報，確保設備機器的穩定運行。
20分鐘完成設備配置
2小時實現系統穩定運行
通過邊緣學習技術的加持，以及專為物流應用優化的光學配件，In-Sight 2800 Detector不僅比傳統視覺系統更易于部署，且無需專業人員干預，任何人都可以在短時間內完成設置，靈活易用。
在本次已落地的客戶案例中，In-Sight 2800 Detector整套系統能夠在20分鐘內完成設備配置，所有測試和調試僅用了2個小時；并且這樣的配置過程無需外部硬件，無需高級編程技巧，以輕量級的形態就能完成。
目前，整套系統正穩定可靠地運行，大幅提高了商超零售店運營效率的同時，也顯著降低了物流周轉環節的人力成本支出。
共0條 [查看全部] 網友評論