计算机视觉在物料管理：来料标签识别与X光计数

物料管理中的两项视觉任务

提到计算机视觉，很多人想到的是产品外观检测，例如检查焊点、寻找划痕。在 SMT 物料管理里，视觉要解决的是另外两件事：一是物料进厂时读懂料盘上的标签，二是在不拆封的情况下数清料盘里还有多少颗元件。前者回答“这是什么料”，后者回答“还有多少料”，两者合起来就是库存数据的基础。

按照物料闭环的六个环节（注册、存储、出库、生产、点料、退库）来看，标签识别发生在注册环节，X 光计数发生在点料和退库环节。两项任务的成像方式、难点和核对方法都不同。本文从流程层面分别说明它们怎样工作、产出什么数据，以及上线前需要准备什么。

任务一：来料标签识别

为什么标签难读

同一个料号，不同供应商、不同批次的标签可能完全不同：有的用一维码，有的用二维码；有的一张标签上印着料号、数量、批次、日期码等多个条码，有的只有一个码，其余信息只印成文字。标签位置也不固定，可能在料盘正面、侧面，或者贴在防潮袋外。人工扫码时，操作员要自己判断哪个码对应哪个字段，扫错一个，后面的库存数据就跟着错。

从图像到结构化数据

视觉识别把这个过程拆成几步：相机拍下料盘标签；算法在图像中定位所有条码和文字区域并逐个解码；系统按预先配置的供应商规则，把解码结果拆分成料号、数量、批次、日期码等字段；再与物料主数据核对，例如料号是否存在、数量是否落在该料号的常见范围内。核对通过后，系统生成一盘一码的内部标签贴在料盘上，此后存储、出库、上线、退库各环节都只认这个内部 ID。

识别不了怎么办

任何识别系统都会遇到读不出来的情况：标签污损、反光、褶皱，或者出现从未配置过的供应商格式。合理的做法是把这类料盘单独分流，提示人工补录或确认，而不是让系统猜一个结果。新格式补录后加入规则库，下次同类标签就能自动识别。

识别结果怎样被后续环节使用

注册环节读出的料号、批次、日期码，会和内部 ID 绑定在一起。料盘入库时记录存放位置，出库时按工单和先进先出等规则挑选，上线时与站位核对，退库时更新数量。也就是说，注册时多花几秒把信息读准，后面每个环节都在复用这份数据；注册时读错一项，后面每个环节都会把错误继续传下去。

任务二：X 光图像计数

注册时，数量可以从供应商标签上读到。但料盘上线使用以后，剩余数量就只能靠记录推算，或者重新清点。推算会受到抛料、试贴、手工补料等因素影响，误差随着多次上下线逐渐累积；人工逐颗清点又太慢，而且要拆开料带。

X 光计数的思路是让射线穿透整个料盘成像。元件里的金属部分，例如焊端、引脚、芯片框架，对 X 光吸收较强，在图像上呈现为清晰的暗点或轮廓；塑料料带和卷盘吸收较少，显得较淡。算法在图像中找出每一颗元件并计数，结果写回这盘料的内部 ID。整个过程不拆封，对需要控制暴露时间的湿敏物料也比较友好。

在流程上，X 光计数通常出现在三个时点：退库时更新剩余数量；换线备料时确认这盘料够不够下一张工单使用；定期盘点时校正账面库存。计数结果只有回写到系统，才能真正改善后续的出库和备料判断。

两项任务对照

两项任务的共同点是结果都能被人工核对，因此适合先小批量验证，再逐步推广。不同点在于：标签识别的错误多半是“读错字段”，主要靠规则和主数据校验来拦截；X 光计数的错误多半是“多数或少数几颗”，主要靠抽样比对和按封装分组统计来发现。

上线前要准备什么

• 物料主数据：料号、封装、包装方式、每盘标准数量要完整，识别和计数结果才有东西可以核对。
• 标签样本：收集主要供应商的标签照片，提前配置字段规则，减少上线初期的人工补录。
• 异常流程：明确识别失败、计数存疑时由谁处理、在哪里处理、处理结果怎样回写。
• 系统接口：识别和计数结果要进入物料管理软件，再按需要同步到 MES 或 ERP，否则数据只停留在设备上。
• 验收口径：事先约定抽样数量和比对方法，例如每类封装抽取若干盘人工清点，用同一套口径评估。

这几项准备工作看似琐碎，却直接决定视觉系统上线后是“省人工”还是“多一道人工复核”。

在挚锦方案中的位置

标签识别对应注册环节：NEO SCAN PLUS 是全自动扫码贴标注册机，用相机识别来料标签并自动贴标，可与 AGV 送料配合；半自动场景可使用 NEO SCAN 扫码注册。X 光计数对应点料与退库环节：NEO COUNTER X-ray 点料机 以 X 光穿透成像结合 AI 算法计数，准确率 99.9%，不拆封清点，X400 半自动 5 秒/盘，X800 全自动 600 盘/小时。两类数据由 SMF 物料管理软件 统一管理，并通过标准 API 对接 MES/ERP。

工作时间 周一至周五 9:00-18:00，其他时间请在线留言，我们回电。