托盘视觉检测为什么要设ROI？裁掉一半画面反而更准

前两个月调一个仓库的TrayVision系统，一开始用全图检测（整张1280×1024的图像都参与计算），准确率只有92%，误判率8%。

后来加了ROI（Region of Interest，感兴趣区域）裁剪，只保留托盘平面范围内的图像，准确率直接跳到98.5%，误判率降到1.5%以内。

为什么裁掉一半画面反而更准？因为去掉了噪声，留下了信号。

全图检测的问题：噪声太多

工业相机拍出来的托盘照片，除了托盘本身，还有很多"背景噪声"：

• 仓库的货架、柱子、其他托盘
• 地面上的人和AGV
• 顶棚的灯光、风机
• 托盘旁边的杂物、包装材料

这些噪声会干扰轮廓特征比对算法，导致误判（False Positive）——明明托盘是对的，算法觉得不对。

举个具体例子：相邻货架上的相似托盘，如果进入检测画面，算法可能误判为"托盘放错了位置"。

ROI裁剪：只保留有用的那部分

ROI就是指定一个矩形区域，只对这个区域内的图像做处理，区域外的部分直接丢弃。

托盘检测的ROI怎么设？很简单：以托盘在图像中的位置为中心，向外扩展10-20厘米。这样裁剪出来的画面，基本只包含托盘本身，周围噪声被全部滤除。

假设原图是1280×1024像素，托盘占画面中间600×400像素的区域。设置ROI为（x=300, y=200, width=600, height=400），裁剪后只处理这24万像素，比全图130万像素少了80%以上。

ROI设置的具体方法

TrayVision系统提供了两种ROI设置方式：

• 固定ROI：相机位置固定、托盘位置固定时用。在系统里画一个矩形框，保存坐标即可。适合固定式安装（相机架在入库口上方）。
• 动态ROI：相机位置固定、托盘位置不固定时用。先用目标检测算法找到托盘的位置，再以此为中心设置ROI。适合AGV载着托盘经过相机下方。

设置时要注意：ROI要留有余量。托盘歪了、偏了，不能跑出ROI范围。我们一般留出20%的余量（比如托盘实际占300×200，ROI设360×240）。

设置前后的效果对比

ROI不仅提高了准确率，还让处理速度提升了3-4倍。原来要1秒才能出结果，现在0.25秒搞定，吞吐量大了，入库效率自然上去了。