随着电商物流需求量的日益增加，全渠道履约并直面消费者，成为了物流业的发展趋势，这无疑给物流企业带来了巨大的运营压力。投资自动化设备进行数字化升级将有机会重构物流行业的底层链路，物流设施必须快速、准确地检测和分拣各种各样的货品，才能提升行业整体效率。

然而，由于货品和包裹类型存在大量差异，再加上托盘或输送带背景变化，基于规则的传统机器视觉方法难以实现所需的检测准确性并准确分拣。而且这类技术的维护非常耗时，通常需要对操作员进行专门培训。因此物流业检测和分拣应用自动化主要面临以下三个棘手的业务挑战：

1、货物丢失或处理错误：广泛的包裹类型和多样性背景常导致难以检测到货品。而检测不准确可能会导致货物输送路线分配错误。

2、难以准确分拣物品：物流设施通常根据类型分拣货品以提高效率，容易导致分类错误。

3、设备损坏：由于自动化物流速度和效率超高，经常导致货物***终出现在预期之外的区域，需要进行停机排查；严重时，这些货品可能会对设备造成损坏。

这些难题该如何解决？康耐视近期推出了搭载边缘学习技术的新产品In-Sight 2800 Detector将上述棘手问题一一解决。

In-Sight 2800 Detector能够执行传统基于规则的机器视觉无法完成的检测和分拣任务。这种基于AI的技术仅需简单的图形训练，就能够在反光或复杂背景下从各种角度可靠地检测或分拣包裹。且用户可以轻松添加新包裹类型，无需进行广泛的再训练。它能轻松实现以下应用：

• 货品存在/缺失检测

• 出入库流程的包裹分拣

• 输送环节异常检测

当下我国物流业发展空间巨大，而大数据应用、智慧物流则是重点发展方向。凭借康耐视In-Sight 2800 Detector基于示例的简单训练和优异的AI算法，可帮助物流企业快速解决棘手的货品检测和分拣难题，进一步实现自动化物流应用。