三种做法,门店感受到的差别
| 识别在本地 | 识别在云端 | 端云协同 | |
|---|---|---|---|
| 断网时 | 照常收银 | 直接停摆 | 降级运行 |
| 上行带宽 | 几乎不占 | 每路视频持续上传 | 占一部分(传特征) |
| 上新商品 | 等设备更新 | 云端改完即生效 | 视切分方式而定 |
| 硬件要求 | 每台设备要有算力 | 设备可以很便宜 | 中等 |
选型时把这张表按自己门店的实际情况填一遍,答案通常就出来了。
先算一笔带宽账
门店宽带的上行速度通常远小于下行。装宽带时业务员讲的是下行速率,而上传视频用的是上行——这两者之间经常差好几倍。
按这个方式估:分辨率 × 帧率 × 编码压缩倍数 = 单路视频的持续上行占用。再乘以需要联网的摄像头路数(收银台、自助区、称重区各算一路),就是总需求。
结果是,一家装普通宽带的门店,几路视频全部上传到云端做实时识别,上行很容易被吃满。一旦吃满,表现不是「识别变慢」这么温和——是画面卡顿、丢帧、识别断续,收银台上顾客排着队等结果。
如果非要云端识别,就得降分辨率或降帧率,而这又会直接削弱识别效果。这是门店场景里最常见的一对矛盾。
什么时候本地更合适
- 门店分布分散、数量多,靠网络质量参差不齐(社区店、临街便利店、菜市场、乡镇门店)
- 收银必须断网可用——网断了还得结账,这是硬要求
- 摄像头路数多,视频持续上传不现实
- 单店 SKU 相对稳定,上新不频繁
什么时候云端更合适
- 门店有稳定专线或企业宽带,网络质量有保障
- 需要频繁上新、快速调整识别范围,希望云端改完就生效
- 门店设备想尽量便宜,把算力集中到一处
- 业务本身依赖跨门店汇总(比如统一调价、统一促销规则)
端云协同解决的是什么
端云协同是把模型切成两段:前段在设备上跑,后段在服务器上跑,中间传的是压缩后的特征,不是原始画面。
它适合一类具体处境:设备算力不够跑完整模型,但门店网络还过得去。切分之后,端侧承担数据量大、算起来快的部分,服务器承担层数深、决定精度的部分。
要注意两点。一是它对网络的要求并不低——中间特征要压缩、要稳定传输,网络抖动时等待和重传会拖慢整条链路,所以仍然需要本地降级兜底。二是切口不是随便选的,得选在传输量最小的位置,这是部署方的技术活,不是配置项。
对多数单店来说,这条路线偏重;连锁品牌在网络条件好的旗舰店、或者需要高精度识别的场景里,它更划算。
选址时问清楚五个问题
- 网络断了,收银台的识别还能不能用?
- 上新的无条码商品,多久能在门店被认出来?
- 对上行带宽的最低要求是多少?我现在的宽带够不够?
- 门店本地存不存录像、存多久、谁有权看?
- 识别效果变差时,是远程处理还是要有人上门?
这五个问题问完,识别放在哪里基本就不用厂商替你决定了。