本地识别，断网可用
取图与推理都在设备侧完成，网络波动或断网时识别流程不中断。对于收银台、称重秤这类不能停的环节，这是能不能上线的前提条件。
商品识别自学习库让新商品当场就能被认出来
传统做法是把样本送回后台、重新训练、等新版本模型下发，一个新品上架往往要等上几天。算芽把识别、学习与标定这三件事都放回设备本地：现场采样、现场确认、立刻可用；断网也不影响结算。经过授权关联到同一组织的设备之间，还能让学习库增量同步，一个门店的经验被整个连锁复用。
这套方案具体解决什么
商品识别的难点很少在"模型能不能认"，而在"上新快不快、错了能不能马上纠、多台设备要不要各录一遍"。下面四点是算芽在设计上优先处理的问题。
现场学习与标定
新品在设备上直接采样入库，不必等后台重训和版本发布。识别偏差也可以就地纠正并沉淀，不用把问题攒到下一次迭代。
学习库增量同步
设备按授权关联到同一组织后，本地积累的商品样本可以在组织内增量同步。连锁门店不必每台机器重复采集、重复标注同一批商品。
数据落地范围可约定
原始画面不必上传公网，中心侧主要承担配置下发与数据汇总。对合规要求较高的项目，可以在方案阶段明确数据保存位置与保留周期。
典型适用场景
共同特征是：结算或盘点频次高、商品会持续上新、现场没有耐心等一次模型迭代。
自助收银与无人零售
顾客把商品放上识别区即可完成计价，减少逐个扫码的操作量，也降低对条码朝向和贴码质量的依赖。
生鲜称重与散装商品
散装果蔬、烘焙、熟食这类没有条码的品类，靠视觉识别替代人工在秤上翻找品类按键，缩短单笔操作时间。
便利店与连锁门店
上新节奏快、SKU 变动频繁的门店，靠现场学习加组织内同步来控制维护成本，避免总部逐店推模型。
团餐与员工餐取餐台
面向瓶装饮料、包装食品与预包装餐品的取餐结算，与菜品识别方向配合覆盖更完整的餐台品类。
可识别范围与实际表现取决于品类差异度、摆放方式、光照与容器一致性等现场条件，需结合样本做可行性评估。算芽不在官网披露未经现场验证的准确率与时延指标。
从评估到上线
-
场景与判定标准确认
先弄清识别结果要驱动什么动作：直接计价、提示复核，还是仅作记录。判定标准不同，方案的取舍完全不同。
-
现场条件勘察
确认相机安装位置与角度、光照与反光情况、识别区尺寸、可用算力与网络条件，同时评估品类之间的可区分度。
-
样本采集与试点验证
按现场真实摆放方式采集样本，在小范围试点上跑通识别、学习、纠正的完整闭环，用实际数据判断可行性。
-
推广与持续运营
确定设备授权与组织结构，打通学习库同步，把上新流程和异常处理固化成门店可执行的日常操作。
COMMON QUESTIONS
常见问题
商品识别需要联网吗？
不需要。识别推理在设备本地完成，断网状态下仍可继续识别与结算。联网主要用于学习库同步、配置下发与数据回传，属于增强能力而不是运行前提。
新增一个商品要走什么流程？
在设备上直接完成：采集该商品的图像样本、确认标定信息、加入本地学习库即可开始识别，不需要把样本送回后台重新训练再等新版本模型下发。
多台设备的商品库能共用吗？
可以。设备经过授权关联到同一组织后，支持学习库增量同步，一台设备录入的商品样本可以被同组织的其他设备复用，避免每台机器重复采集和重复标注。
散装生鲜、无包装商品能识别吗？
散装与无条码商品正是视觉识别相比条码扫描的价值所在。实际可识别范围取决于品类差异度、摆放方式、光照条件与容器一致性，需要结合现场样本做可行性评估后确定。
带上你的现场，
我们一起判断可行性。
有门店照片、识别区视频或者一份 SKU 清单，第一次沟通就能聊到实质问题。我们会先说清楚哪些能做、哪些需要先验证，再谈方案。