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，成為了物流業的發展趨勢，這無疑給物流企業帶來了巨大的運營壓力。投資自動化設備進行數字化升級將有機會重構物流行業的底層鏈路，物流設施必須快速、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，基于規則的傳統機器視覺方法難以實現所需的檢測準確性并準確分揀。而且這類技術的維護非常耗時，通常需要對操作員進行專門培訓。因此物流業檢測和分揀應用自動化主要面臨以下三個棘手的業務挑戰：

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致難以檢測到貨品。而檢測不準確可能會導致貨物輸送路線分配錯誤。

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

3、設備損壞：由于自動化物流速度和效率超高，經常導致貨物最終出現在預期之外的區域，需要進行停機排查；嚴重時，這些貨品可能會對設備造成損壞。

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的新產品In-Sight 2800 Detector將上述棘手問題一一解決。

In-Sight 2800 Detector能夠執行傳統基于規則的機器視覺無法完成的檢測和分揀任務。這種基于AI的技術僅需簡單的圖形訓練，就能夠在反光或復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。它能輕松實現以下應用：

? 貨品存在/缺失檢測

? 出入庫流程的包裹分揀

? 輸送環節異常檢測

當下我國物流業發展空間巨大，而大數據應用、智慧物流則是重點發展方向。憑借康耐視In-Sight 2800 Detector基于示例的簡單訓練和優異的AI算法，可幫助物流企業快速解決棘手的貨品檢測和分揀難題，進一步實現自動化物流應用。