这个项目真正要解决什么？
钢材装卸和发运现场，传统做法常需要人员靠近货物逐支或逐捆扫码、登记，劳动强度高，发货效率受限，在吊装、车辆作业区域还会增加安全风险。
标签在装卸过程中持续运动，距离远、景深大、角度变化明显，同时现场存在强光、粉尘、水雾和遮挡；普通近距离二维码方案很难稳定覆盖。
系统必须在不停机、不要求货物静止的条件下完成目标跟踪、标签定位和读码，并与库位或发运业务形成关联。
需求背景 / 解决方案 / 价值效果
需求背景
- 钢材装卸和发运现场，传统做法常需要人员靠近货物逐支或逐捆扫码、登记，劳动强度高，发货效率受限，在吊装、车辆作业区域还会增加安全风险。
- 标签在装卸过程中持续运动，距离远、景深大、角度变化明显，同时现场存在强光、粉尘、水雾和遮挡；普通近距离二维码方案很难稳定覆盖。
- 系统必须在不停机、不要求货物静止的条件下完成目标跟踪、标签定位和读码，并与库位或发运业务形成关联。
解决方案
- 使用大尺寸感光元件、长焦成像和稳定安装结构获取高质量远距离图像；视觉模型先对运动中的标签区域做检测和跟踪，再对候选区域做透视矫正、增强和二维码解析。
- 跟踪层通过目标 ID 将连续帧中的同一标签关联起来，避免单帧失败就丢失；识别成功后对结果做去重、时序确认和业务校验，再写入出入库记录。
- 设备结构支持移动、升降和角度调节，可根据火车装运、货车装运、转运站、棒材成品出入库等不同现场调整观察位。
价值效果
- 现场方案目标为运动中 1 秒内完成识别，减少人员靠近吊装和车辆作业区域的频率。
- 项目资料给出的识别精度指标达到 99.9% 级，并强调远距离、大景深、微型二维码与恶劣环境适应能力。
- 从“人工扫码录入”升级为“视觉自动采集 + 跟踪 + 业务入库”，同时提升效率、追溯性与作业安全。
从业务问题到可执行系统
01远距成像
02标签检测
03多目标跟踪
04透视矫正
05二维码解析
06时序去重
07业务校验
08出入库
99.9%级识别精度
≤1s单次识别
运动中跟踪识别方式
粉尘/水雾/强光环境
为什么这样设计
白泽的项目方法不是先决定“用哪一个模型”，而是先把现场对象、输入数据、关键决策、风险边界和最终动作画清楚，再决定哪些环节使用确定性程序、哪些环节使用视觉算法、哪些环节由大模型或 Agent 负责。这样做的目的，是让系统能够验收、追溯、维护，并能在真实业务变化时继续迭代。
原项目已在钢厂场景落地，适用于棒材成品出入库、转运站及车辆/火车装运等需要“超视距 + 动态识别”的场景。
AI 落地不止是算法
在白泽的交付中，算法只是其中一层。我们同时关注数据接入、现场网络、边缘计算、权限、安全、第三方系统接口、用户操作习惯、日志与审计、设备稳定性以及后续运维。对企业来说，真正有价值的不是一次模型演示，而是一套能够长期运行并持续创造结果的系统。