2026年最火的技术方向之一是自动售货机的AI视觉识别。但在实际工程落地中我踩了不少坑。这篇文章不聊理论只聊实战中遇到的4个典型问题。坑一光线变化导致识别率断崖式下跌实验室环境下跑模型识别率98%信心满满地部署到现场——结果夜间识别率直接掉到90%以下。售货机部署的场景千差万别写字楼大堂有稳定的LED照明地铁站光线复杂户外设备要面对日光直射和夜间昏暗。同一个模型在不同光线下的表现可能天差地别。解决方案首先在训练数据中加入各种光照条件的样本白天、夜晚、逆光、补光。其次部署时在设备端做图像预处理——自动调整亮度、对比度、白平衡。最后考虑视觉重力的融合方案让重力数据在光线不佳时作为校验依据。坑二用户遮挡导致漏检用户取货时手掌自然会遮挡部分商品尤其是从货架深处拿东西的时候。纯视觉方案在遮挡场景下漏检率明显上升。更麻烦的是有些用户是无意遮挡有些则是故意遮挡——这涉及防损问题。解决方案多角度摄像头覆盖是基础——单颗摄像头总有死角。更根本的解决思路是引入重力感应作为冗余校验。视觉没看到不要紧重力变化记录了商品被取走的事实两者交叉验证即可完成交易。坑三相似商品难以区分不同口味的同品牌饮料、包装规格相似的不同商品——这些在视觉上高度相似的目标对模型来说是巨大的挑战。研究者提出了融合多尺度注意力机制和度量学习的方法来应对这一难题。简单说就是让模型不仅“看到”商品的外形还“理解”商品之间的细微差异比如标签颜色、包装纹理。但算法优化之外工程上还有一个简单有效的做法在商品陈列时尽量将相似商品分开摆放降低模型混淆的概率。坑四边缘端算力不够RK3588有6 TOPS的NPU算力跑YOLO看起来够用。但实际部署时发现如果同时运行多路摄像头的实时推理、再加上支付模块通信、后台数据上报CPU和NPU的负载都相当可观。解决方案首先选择合适的模型——不是越大越好YOLOv8nnano版本在售货机场景下的精度已经够用但算力需求只有大模型的几分之一。其次合理分配任务——推理在NPU上跑通信和控制逻辑在CPU上跑不要让一个核扛所有事情。最后考虑云端兜底——边缘端做初步识别拿不准的送到云端复核。写在最后AI视觉识别在自动售货机上的落地技术已经足够成熟但工程细节决定成败。光线、遮挡、算力、相似商品——每一个坑都可能导致用户体验下降或运营成本上升。踩过这些坑之后我的感受是不要迷信纯视觉多模态融合才是工程落地的正道。