千万种商品怎么自动分拣？看机器视觉AI如何搞定仓储难题

关键讯息，D1时间送达！

对于从一开始就针对特定自动化系统进行全新规划的绿地仓库建设而言，这些系统通常运行良好。精确布置的存储货架网格可以与机器人穿梭车系统、料箱立体仓或针对特定布局进行编程的地面机器人系统相匹配。虽然这些系统在这种场景下效率很高，但新建仓库的成本和时间成本可能高得令人望而却步，这使得那些试图适应不断变化的市场环境的企业对此望而却步。

在这些棕地和小型仓储场景中，刚性的、硬编码的系统并不是一个好的选择。调整小型仓库的布局以容纳自动化设备，是一场在整合新系统与保留核心存储容量之间的微妙博弈，这个复杂的谜题需要严密的规划以确保高效运营，除了空间限制之外，将传统遗留系统与新的自动化系统相整合还可能会导致兼容性问题。

值得庆幸的是，视觉AI的最新进展确保了这些仓库仍然可以从自动化中获益。

先进的视觉AI为现有仓库带来更强大的能力

随着硬件、AI处理器和图形处理器的最新进展，令人惊叹的计算能力与现代机器学习相结合，带来了先进的视觉AI，能够释放自动化仓库的潜力。作为实体AI(在物理世界中运行并与之互动的AI系统)的一种形式，先进的计算机视觉AI可以更灵活地整合到现有环境中，同时实现仓库中各种极其重要任务的自动化，包括：

• 移动机器人的危险检测：即使在结构化程度最高的仓库中，也会发生危险和障碍物(液体泄漏、掉落的物品、人员等)，移动机器人如何处理这些情况，可能决定了它是持续运行还是彻底停滞。先进的视觉AI可以实时发现危险并为移动机器人重新规划路线以避开它们，从而防止碰撞和连环相撞，它还可以上报危险以便快速整改。

• 用于准确检索的物体检测：无论是从料箱中拣选物品还是搬运产品周转箱，识别正确的物体和用于运输的理想抓取位置对于高效自动化而言都至关重要。先进的视觉AI可以在几毫秒内处理摄像头提供的多幅图像，从而向机器人提供这些关键指令。

• 拆码垛：由于尺寸、形状、重量、材质以及接收物品顺序的不一致(它们通常需要预先分拣和堆叠)，卸载混装货品单品的托盘以供入库，或者将物品堆叠在托盘上以供存储或运输，需要一定水平的技术和技巧，这也是多年来自动化解决方案一直未能解决的难题。先进的视觉AI利用极速的数据处理以及用于分割、识别抓取优先级和抓取姿态、提供放置指导等的算法，消除了这一瓶颈。

• 单件分离：在入库和出库物流中，时间限制和订单履约需求带来了确保产品快速出货的压力。先进的视觉AI通过尺寸、材质、形状、标签等识别物体，并确定用于单件分离和路由分流的最佳放置位置。

这些能力中的每一项都通过减少错误以保持吞吐量顺畅，从而释放了自动化仓库的潜力，并且可以整合在特定的需求点上。

例如，一家以其灵活的货架、层架和存储系统而闻名的全球领先仓库自动化供应商，试图开发一种与现有仓库解决方案相整合的高速料箱拣选解决方案。为此，它与一家机器人公司合作，后者开发了一种用于拣选和放置作业的极轻型且多关节的机械臂。当该解决方案与先进的视觉AI相结合，用于物品检测、识别、分割和机器人指令时，它便焕发了生机。最终的结果是诞生了世界上最快的料箱拣选解决方案，每小时可进行高达2000次拣选，准确率达99%。

AI部署已成为新的仓库常态，但并非完全即插即用

由Mecalux和MIT Intelligent Logistics Systems Lab在2025年底发表的一项研究表明，“目前超过90%的仓库正在使用某种形式的AI或先进自动化”，并且“大多数企业现在将其仓库技术预算的11%至30%用于AI和机器学习项目，典型的投资回报期仅为两到三年”。

尽管行业已经走向成熟，但包括先进的视觉AI在内的AI系统目前还不能完全做到即插即用。

然而在此期间，一家值得信赖的视觉AI供应商在评估、设计和部署自动化仓库系统方面是不可或缺的宝贵资源。这些专家与行业领先的合作伙伴相结合，通过将实体AI模型与传感器、执行器和硬件相连接，使机器能够在现实世界中实时感知、推理和行动，从而释放仓库自动化的全部潜力，无论是在完全优化的全新绿地建设中，还是在依赖现有空间和基础设施的复杂棕地场景中。

扫描 “二维码” 可以查看更多详情