SDI 是一家总部位于加利福尼亚州的物流原始设备生产商 (OEM) 和集成商，负责为客户（包括 Nordstrom、Lululemon 和 Levi Strauss 等领先时尚零售商）设计和安装机器视觉系统。随着对快速在线交付的需求日益增长，对订单准确性的要求也持续提高。例如，消费者订购某件物品后，如果零售商配送错误的产品，该错误可能导致零售商付出高昂代价。
对于 SDI 公司而言，减少和防止产品检测错误或误报数量是他们希望帮助客户改进的一个方面 为此，他们需要合适的机器视觉解决方案提高客户运营场所的分拣准确率。
“对于在门店订单执行方面，如果我们错误分拣物品，或者检测时未正确识别物品，将其分拣到错误位置，该物品将被配送至其他门店，虽然并非重大问题，但会带来麻烦，”SDI研究和产品开发副总裁Dave Bodenheimer表示。“在当今世界，我们正逐步转向订单执行业务，在这些情况下，错误分拣将给客户带来麻烦，并产生额外成本。因此，物品检测系统现在发挥的作用变得越来越重要。”
最初，SDI 为客户提供光眼解决方案，用于检测单元分拣机上的物品，但后来发现需要更可靠的解决方案。随着技术的不断进步，SDI 引入了 康耐视 最新的物流创新——In-Sight 2800 探测器。该检测器采用基于 AI 的边缘学习技术，可以提升分拣流程中的关键应用，包括物品检测、物品分类和流程问题检测。
“我们预计康耐视 的这些新型解决方案，如 In-Sight 2800 探测器，将为我们提供所需的工具，使检测精度达到客户满意的水平。”
例如，检测器可帮助 SDI 客户在具有挑战性的背景和低对比度场景中检测物品是否存在。该检测器还使零售商能够准确区分多种类型的包装，包括纸箱、塑料袋、气泡袋、纸袋等 而且，由于了解 SDI 的许多客户使用不同类型的分拣机，探测器可以轻松识别输送带卡住等过程问题或周转箱脏污等卫生问题。
SDI 帮助一家客户升级至康耐视检测器，以改进分拣机上的物品存在/缺失检测。该检测器易于设置，这对于该零售商至关重要；SDI 能够在短短 4 小时内设置 10 个摄像头。“边缘学习技术帮助我们加快设置速度，”Bodenheimer表示。“事实上，我们只需训练其中一台相机，然后将训练结果应用于其他相机，就能够确定其中一台分拣机的基准参数。
目前，SDI 正与众多客户合作，将他们的分拣解决方案转变为该检测器。“借助In-Sight 2800检测器，我们能够立即识别其他解决方案无法检测到的产品，”他说。“我们的客户对结果非常满意。In-Sight 2800 检测器给物品存在/缺失验证、检测和简单分类应用带来变革。”