某中型米厂包装线需对传送带上的米袋做连续计数，用于订单、包装、发货、库存四环节对账。产线 24 小时运行，单线日产 5-8 万袋，米袋在高速传送下会出现堆叠、紧贴、轻度遮挡与摆放倾斜。这对计数的鲁棒性提出明确要求：不是「能否检测到」，而是「能否在连续中不重不漏」。
一、传统方案为何失效
- 人工目测抽数：采样计数，非全量，高速下漏计。
- 对射或反射式光电开关：依赖目标对光路的遮挡或反射，单袋稳定，堆叠或并发通过时无法区分，误差率高。
- 人工按钮：依赖操作人员一致性，主观性强。
二、AI 视觉计数技术路线
方案采用「检测 + 跟踪 + 越线计数」三层结构：
- 目标检测：对单帧画面输出每个米袋的边界框与置信度；模型面向米袋外形客制化训练，以适配小包装、杂粮等不同外观。现场实测置信度约 80%-95%。
- 多目标跟踪：为每个检测目标分配唯一 ID，并在连续帧中维持身份，解决紧贴、短暂遮挡下的「错配」问题。
- 越线计数：在画面中定义「进入 / 出去」计数线，跟踪目标跨线时累加对应计数，并在 UI 上按「区间」展示（如区间 0 到区间 1）。识别画面显示每袋具有 ID 与置信度标签。
说明：算法内部所用检测与跟踪框架、具体版本、帧率等以产品规格说明书为准，此处仅描述可观察的行为与指标。
三、边缘部署与数据对接
- 边缘算力：AI 模型运行在相机内部，无需外接高算力服务器，降低部署与运维门槛。
- 数据链路：识别结果与计数可同步至现场 LED 大屏与管理后台；支持时段统计、画面监控、录像溯源。
- 系统集成：开放通讯协议与 API，便于对接工厂自有 ERP / MES。对接时需确认字段映射（班次、区间、累计数、时间戳）与推送频率。
四、落地注意事项
- 相机安装需满足俯拍视野与行距，避免目标出画或被结构件遮挡。
- 现场光照、反光、粉尘会直接影响置信度，建议先做环境评估。
- 计数线与目标实际行进方向需正确对齐；倒带、回流、人工搬动需在业务侧定义清楚「进入 / 出去」口径。
- 上线前用小批量对账验证，再逐步扩大，不要一次性全线替换
AI视觉计数方案解决了传统计数方式重漏、误差大的痛点，适配米厂高速、堆叠、遮挡等复杂产线场景，计数精度大幅提升。依托边缘部署优势，其运维简便、易对接工厂管理系统，规范安装与场景适配后，可有效实现全量精准计数，保障厂区多环节对账精准高效。
