仓库托盘核验还在靠人眼？我用工业相机+轮廓比对把准确率干到98%

上个月跑现场，一家汽配仓库的入库员跟我吐槽：每天200多托货入库，光核对托盘上的物料和系统单据就要3个人盯着，看一天眼睛都花了，月底盘点还是对不上。

这问题太典型了——仓储自动化上了AGV、上了WMS，但最后一道"货对不对"的核验，还是纯人工。根因很简单：传统方案要么靠条码（贴不上、扫不到），要么靠RFID（成本高、改不起），对那些码放不规整的托盘货物，根本没辙。

视觉比对方案：不改造托盘，不训练模型

我们试了条路子：工业相机拍照→轮廓特征提取→与入库单比对，纯视觉方案，不改造现有托盘和货物。

具体思路：在入库口架一台工业相机（海康130万就行），托盘经过时自动触发拍照，然后用轮廓特征比对算法——不是训练一个通用检测模型，而是每批入库时把标准托盘的轮廓特征存下来，出库/盘点时跟模板比对。这样做的好处是：不需要大量标注数据，换品类也不需要重新训练。

踩过的两个坑

第一个坑：光照。仓库顶灯和自然光混在一起，同一个托盘上午和下午拍出来轮廓差异很大。我们的解法是加环形光源+固定曝光参数，把光照变量控制住，比对稳定性直接上了一个台阶。

第二个坑：托盘码放不齐。货物歪了、超出了托盘边缘，算法容易误判。后来加了个ROI区域裁剪，只比对托盘平面范围内的特征，误判率从15%降到2%以内。

效果对比

• Before：3人目视核验，200托/天，错误率5-8%
• After：1人值守+视觉核验，200托/天，准确率≥98%

视觉核验不是万能的，但对"整托出入库"这个高频场景，工业相机方案比人工靠谱、比RFID便宜。有在做仓储自动化的朋友，欢迎交流。