退货质检装上眼睛：视觉 AI 判定商品成色，值不值？

一件退回来的鞋，老师傅瞟一眼、翻一下，10 秒钟判出成色。视觉 AI 想把这 10 秒钟自动化，但光在传送带上装个相机远远不够。老米从 20 年一线视角讲清楚：分级标准怎么写、相机灯光怎么选、准确率怎么验，这套系统到底值不值。

去年 11 月，我去了一家在 Ontario 做服饰退货的 3PL 仓。旺季一天 1.2 万件退货，22 个质检员坐在长桌前，一件件翻、一件件闻——对，闻，香水味太重的外套直接判 C 级。老板指着那一排人跟我说："老米，有没有 AI 能替他们看？"我当时没接话。回来路上我一直在算一笔账，这笔账今天写出来，省得大家再被厂商的宣传片忽悠。

先说结论：日退货 2000 件以下的仓，别碰。量不够，模型喂不饱，单工位 1.5～3 万美金的投入摊不薄。日退货 5000 件以上、退货里有明确"翻新再卖"路径的仓，可以认真试点——服饰、鞋、3C 配件、小家电，这几个品类最合适。剩下的，接着往下看。

先别聊 AI，先把分级标准写清楚

这是 90% 的仓第一步就踩的坑：人工分级标准都没统一，就想让 AI 学。AI 学的是"人怎么判"，人要是三个人三个说法，模型学出来的就是一锅粥。

分级表必须先写死，贴墙上。我见过跑得顺的仓，退货成色一般就四档，定义越具体越好：

A 级（可直接二次销售）：吊牌在、无穿着痕迹、无异味，包装可原样复用。拍完照直接回正品库位。
B 级（轻微瑕疵，需处理）：吊牌掉了、轻微褶皱或浮灰，简单清洁或重新包装后可按正价或小折扣卖。
C 级（明显使用痕迹）：污渍、磨损、异味，只能走清仓或折扣渠道，或拆配件。
D 级（报废）：破损、缺件、卫生问题，直接走销毁或回收流程。

注意，这张表不是写给 AI 看的，是写给人看的。先让人工按这张表跑 2～4 周，记录每件的判定用时和争议率。如果三个老质检员对同一批货的一致率到不了 90%，说明标准还不够细——先改标准，别上 AI。AI 的上限就是人工标注的一致率，这句话值钱，记下来。

另外，人工分级 SOP 要先跑顺：每件从扫码、开箱、检查到打处置代码，全程计时。我见过的大部分仓，人工判一件在 8～15 秒。AI 的目标不是替代这 10 秒，而是把"看"这一步压缩到 1 秒内，人工只做复核和例外处理。流程不顺的仓上了 AI，只会把混乱自动化。

相机和灯，比算法重要得多

厂商路演 80% 时间讲算法，20% 讲硬件。实际落地正好反过来：视觉质检 70% 的效果取决于光照和相机，算法只占 30%。光打不好，褶皱和污渍在照片里根本看不见，神仙算法也救不回来。

选型记住这几条，都是我从踩过的坑里抠出来的：

光照是第一位的。 退货质检最常用的是穹顶光或大面积漫反射光源，目的是消除阴影和反光。千万别用仓库顶上的普通日光灯直射——金属拉链、塑料包装一反光，照片全是白斑。光源色温要统一，5500K 左右的日光色最常用，整个工位只用一种光。

相机别贪高像素，够用就行。 判成色不需要看清纤维，1200 万～2000 万像素的工业相机对绝大多数品类够了。关键是快门速度和触发方式：传送带上跑的货，快门至少 1/500 秒以上，不然全是拖影。固定工位人工放件的，可以用脚踏或光电开关触发，成本低很多。

拍几个面，提前定好。 鞋至少拍 4 个面（左右侧、鞋头、鞋底），服饰至少正反两面加细节（领口、袖口），小家电拍外观加配件齐套。面数直接决定工位节拍和相机数量——4 个面就是 4 台相机或 1 台相机转 4 次，成本差 3 倍。试点阶段我建议固定工位、人工翻面，1～2 台相机先跑通。

试点品类清单（按好做程度排序）： 鞋类 > 服饰 > 箱包 > 3C 配件 > 小家电。共同点是"缺陷长在表面"——污渍、磨损、变形，相机看得见。软体异形件、带香味或功能缺陷的品类先别碰，视觉 AI 对"闻起来不对""按下去没弹性"这种缺陷是瞎子。

退货质检工位上的视觉检测相机

钱到底花在哪，账怎么算

一个单工位试点，老米见过的常见花费在 1.5～3 万美金：工业相机 1～2 台加镜头（3000～8000 美金）、光源和支架（2000～5000 美金）、工控机或边缘计算盒（1500～3000 美金）、软件授权或按件计费（大头，一年 5000～15000 美金不等，以厂商最新报价为准）、安装调试和首批 3000～5000 张照片的人工标注（别小看这一项，2～4 周时间）。

收益看三笔账：

第一笔，人工提速。AI 预判加人工复核，单件处理能从 10 秒压到 3～4 秒。一个日退 8000 件的仓，质检人力可以从 20 人减到 8～10 人，一年省下的人力成本就覆盖投入了。

第二笔，A 级品回流率。人工在高峰期会"宁错杀不错放"，大批 B 级货被判成 C 级清仓，一件少卖 30%～50%。AI 判得稳，A/B 级回流多 5～10 个点，这笔钱往往比省人力更大。

第三笔，争议和客诉。每件留照片，客户说"寄回来是好的"，照片一调出来，扯皮少一半。3PL 给品牌方交代也有证据。

准确率怎么验，别信厂商的 PPT。 试点验收我只认一个办法：准备 500～1000 件覆盖 A/B/C/D 的货，人工专家先盲标一遍封存，AI 跑一遍，对答案。重点看两个数：B 和 C 交界处的误判率（这是最难的，也是钱最多的地方），以及 D 级漏判率（报废品流回正品仓是灾难）。整体准确率 92% 以上、B/C 边界 85% 以上，才算能进生产。拿不准的，让厂商按这个办法在你自己的货上实测，别用他们的样例库。