案例研究
行业：物流
产品：Triton 24.5 MP (TRI245S-CC) 相机
应用：追踪与追溯/托盘化
SDK：Accella Dock Check™ 和 Accella MFG Bot™
AI 视觉系统在装卸货月台验证托盘货物发运
装卸货月台是产品入库、转运至其他设施或发运给客户之前的最后检查点之一。在高吞吐量作业中，每个托盘都需要快速、准确地完成验证。但当大量纸箱外观相似且发运流程时间紧迫时，人工条码扫描和目视检查很难始终保持一致。
传统上，托盘验证流程依赖手持条码扫描器和人工目视检查。操作员需要扫描托盘和箱体标签，将其与发运文件进行比对，并通过抽检识别缺失、错误或损坏的产品。随着发运量增加和产品组合扩大，这种人工流程变得越来越难以扩展。许多箱装产品外观几乎相同，不同 SKU 只能通过标签或条码区分。
挑战
一家领先的地面材料及其他表面解决方案制造商，在其托盘化发运作业中面临这一挑战。该公司为住宅、商业空间和户外环境提供产品，每天发运大量箱装地面材料。操作员必须在每个托盘继续进入下一流程之前，确认其中包含正确的产品和数量。
在繁忙的装卸货月台环境中，人工托盘验证很难稳定执行。操作员每个班次都需要扫描并检查大量标签，同时托盘还要按照紧凑的节拍持续通过月台。如果条码损坏、无法读取或缺失，工作人员通常需要重新扫描多个箱体，或手动检查托盘以找出问题。
手持扫描器可以确认条码是否已被读取，但无法提供托盘的完整视觉记录，也不容易识别具体是哪个箱体导致了问题。抽检还可能带来混装、缺箱或数量错误被漏检的风险。
该制造工厂需要一种更可靠的方法，将托盘内容与订单数据进行核对，检查所有可见箱体而不是只抽查一个样本，并将操作员直接引导到任何问题区域。该解决方案还需要与现有的 PLC、WMS 和 ERP 基础设施集成，并能够扩展到更多装卸货门，同时不改变既有工作流程。
解决方案
为了在不降低吞吐量、不增加人工的情况下提升验证能力，该制造商与 Accella AI 合作部署了 Accella Dock Check™。这是一套基于视觉的 AI 系统，专为在装卸货月台自动化执行入库和出库托盘验证而设计。该系统基于 Accella MFG Bot™ 平台构建，利用深度学习对箱体进行计数、定位标签、读取条码，并在托盘离开月台前标记差异。
该系统使用两台配备 Fujinon 12 mm 镜头和 LUCID IP67 防护镜头筒的 LUCID Triton 24.5 MP (TRI245S-CC) 相机。一台相机拍摄每个托盘的正面，另一台拍摄背面。当托盘通过检测工位时，这一配置可对可见箱体和标签提供高分辨率图像覆盖。
当托盘到达时，产线 PLC 会触发两台相机。图像随后发送至 Accella MFG Bot™ 平台，深度学习模型会检测托盘、定位可见标签、统计箱体数量、读取条码和印刷码信息，并将结果与预期订单数据进行比对。如果托盘与预期发运内容一致，它会继续进入月台流程。如果系统检测到标签无法读取、箱体缺失、箱体多出或 SKU 错误，PLC 会标记该差异，操作员显示界面会直接在托盘图像上显示受影响区域。
这种视觉反馈是相较于手持扫描的一项关键改进。系统不只是提示某个条码未能读取，而是向操作员显示问题发生的位置，使他们能够快速修复标签、移除错误箱体、定位缺失物品，或在托盘离开工厂前完成纠正。
该系统可与制造商现有的自动化基础设施集成，包括 PLC、WMS 和 ERP 系统。操作员反馈可通过 Inductive Automation 的 Ignition 等车间可视化工具进行显示。推理在本地运行，有助于将月台图像保留在厂内，同时支持实时验证。
同一配置既可用于根据客户订单或装载计划验证出库发运，也可用于根据采购订单验证入库交付。
结论
此次部署证明，基于 AI 的月台验证方案结合 LUCID 相机和 Accella Dock Check™，能够在不增加人工检查步骤的情况下提升发运准确性和可追溯性。通过将高分辨率工业成像与深度学习相结合，该系统可验证托盘内容、统计可见箱体、读取标签，并直接在托盘图像上突出显示差异。每个托盘大约可在 6 至 8 秒内完成验证，帮助系统适应高吞吐量月台工作流程。
对于需要大量发运托盘化货物的制造商而言，自动化月台验证是一种切实可行的方法，可减少错误、支持操作员，并在产品到达客户之前的最后检查点之一提升质量控制。
了解更多信息，请访问：
Accella AI
Triton® 相机产品页面
“`