挑戰：在大多數已經應用了AGV的倉庫中，依然存在人工堆放物品的情況，這會導致WMS系統無法實時判斷每個庫位的實際占用情況，進而造成WMS提供給AGV的信息不準確。如果已經被占據的庫位不能及時被識別，AGV可能會收到錯誤指令，不僅降低了運行效率，還容易碰撞其他貨物或設備，嚴重時甚至可能引發安全事故，危及人員和設備的安全。 

庫位狀態識別系統因此應運而生，系統通過自動定位、數據實時同步、精確庫存控制等功能，優化庫位資源配置，減少人為失誤，提升運營效率。
 

常見的兩種庫位狀態識別傳感器的痛點：

單點激光雷達傳送的庫位信息不夠準確，容易造成堆放事故

部分倉庫采用單點激光雷達進行庫位檢測，但這種測距雷達一次只能發射一束激光到物體表面形成一個點，可能會忽略紙箱或托盤之間的縫隙，導致誤識別庫位狀態，進而引發堆放事故。 

純RGB相機校驗方法單一，存在誤判和信息缺失風險

采用RGB相機進行庫位狀態判定時，存在以下弊端： 

- 深度學習檢測目標時，訓練集外的物體進入庫位可能會導致誤檢，給出錯誤信息。 

-缺少貨物高度信息，難以安排堆疊任務。 

-超廣角魚眼相機在庫位判定中存在邊緣畸變問題，影響模型訓練與預測的準確性，并增加服務器成本。 

解決方案概述

邁爾微視采用RGB-D相機，提供庫位的三維數據與顏色信息，自動識別貨物有無、擺放規范及異常占用，也可以通過3D視覺智能AI系統區分貨物類別，輸出到調度系統，實現智能出入庫檢測。相機內置算力，無需外部工控機。與此同時，邁爾微視提供庫位狀態識別軟硬件一體解決方案，及專業的模型訓練和部署指導等服務支持。

核心優勢

? 全面監測：通過三維數據和顏色信息采集，結合AI技術，精準識別庫位狀態。

? 簡易部署：庫位狀態識別算法置于相機端，降低部署與維護成本。

? 靈活通訊：支持TCP/IP、UDP、HTTP等多種通訊方式，以JSON格式實時上報數據至控制系統。

? 提升效率：實時傳遞庫位信息，協助調度系統快速、準確地分配任務。

相機選型建議

S2 Max相機

M4相機