当大家都在聊 GPT-4V 怎么看图写代码时，我却被一个零食货架上的白色纸巾包装搞破防了。

在真实业务场景里，特别是“空台面”检测这种细碎活儿，一味堆参数往往不如一个巧妙的标注逻辑加上底层的工程微调管用。

复盘：为什么第一周就“翻车”了？

我负责的这个 AI 巡店项目，初衷很简单：给某全国连锁零食品牌的 万家门店做“陈列饱和度监控”。业务需求很明确：货架要是连续空缺超过10分钟，赶紧发告警叫店员补货。

但上线第一周，我们就发现现实远比实验室残酷：

• “伪装者”白色包装：有一款白色的“脆脆角”，整排摆满的时候，由于反光和颜色，算法直接把它当成了背景，报告“大面积空缺”。
• 标注的主观偏差：散装称重区最头疼。有的标注员框个大圈，有的框几个碎圈，导致模型训练时特征极其混乱，根本无法收敛。
• 货架的“户型差异”：大户型开阔卖场的货架能有2米长，小户型多拐角的小便利店可能就80厘米。同一套 YOLO 模型，换个店准确率就断崖式下跌。

说白了，缺货检测不难，难的是“空台面”识别：因为它没有参照物。

破局：“最小检测框”标注法

为了解决“没参照物”和“标准不一”的问题，我推翻了之前的逻辑，设计了一套两步走的方案。

3.1 找准“标尺”：用统计学干掉主观判断

既然商品是排队站的，那我们就给空位设个“标准座”。我们从几万张图中拉出了 X% 的样本，强迫标注员按单个商品列去框空位。跑完数后，我们对这些框的短边像素做了分布统计，发现 30px 是出现频次最高的一个数值。

以此为基准，当出现大面积空台面时，我们不再允许画大框，而是像拼积木一样，用 30px 宽的最小框平铺过去。这直接让模型学习到的特征从“随机噪声”变成了“固定纹理”。

3.2 深度对齐：模型层面的针对性优化

有了标准的标注逻辑，模型层面的配套调整才是真正发挥威力的关键：

1）Anchor Size重构：原生 YOLO 的 anchor 比例通常是针对常规物体的。针对我们这种长条状的“最小框”，我重新聚类并预设了更窄长、比例更集中的重构 Anchor boxes，确保模型在第一层特征提取时就能精准捕捉到这种纵向空隙。

空台面标注框尺寸分布与 anchor 选型

标注框数据高度集中在 35×35 区域，先尝试 30×35 anchor 效果不佳，最终选用 35×35 作为最优检测框尺寸。

2）Loss function 权重倾斜：在计算损失函数时，我们针对“空台面（Empty）”类别进行了权重平衡优化，适当降低其权重以减少误报，优先保证模型预测为缺货时的准确性。这种调整使得模型在确认缺货场景下的准确率提升了 30%以上，有效降低了无效质检成本和客诉。

成本与效益：这套方案值多少钱？

这种“土洋结合”的方法，不仅是技术上的胜利，更是商业上的逻辑自洽。

举个例子：

假设一个拥有 1000 家门店的连锁品牌：

• 人力成本：以前每店每天人工巡视货架需花费约 1 小时。引入这套 AI 预警后，人工巡视频次降低了 50%，折算下来，全系统预计每年可节省人力成本约 数百万元（区域人工成本差异）。
• 业绩增量：更及时的补货减少了 50%↑ 的“断货流失”，对于高频刚需的零食赛道，这部分带回的销售额增量同样可观。

AI巡店系统边缘-云协同架构

边缘端负责实时检测，低置信度样本上传云端大模型复核，伪标签数据回流持续优化边缘模型，实现端云协同闭环。

坦诚局：这套方法的“失效边界”在哪？

作为一名AI产品，我们必须承认没有万能的方案。这套“最小框法”在以下场景会遇到挑战：

1. 极端大斜角监控：如果摄像头安装角度与货架平面夹角过小（近乎平行），纵深处的“最小框”会产生严重的透视缩减，导致检测失效。
2. 货架材质干扰：部分透明/不锈钢货架在强光下会产生和白色包装一模一样的镜面反射，即便有 Loss 权重补偿，误报率依然会显著上升。
3. 非标准化堆叠：对于那些像小山一样堆放的散装区，商品没有明显的“列”概念，这套逻辑的准确度会从 90%↑跌落至 70~80%。

结语

巡店项目的落地让我明白：AI 落地不是比谁的模型参数多，而是比谁更懂业务里的那点“琐碎事”。

通过对标注流程的微创新，配合anchor和权重函数的针对性调优，我们可以在算力受限的边缘端，跑出不亚于云端大模型的业务效果。