一、零售终端图像识别的应用背景与采集方式

线下零售终端陈列核查，长期依靠人工巡店、抽样检核模式。完成一家门店完整货架盘点，人工往往需要十余分钟，数据回收周期偏长，统计标准很难统一，不利于品牌对铺货情况、陈列费用做精细化管控。2026 年，依托手机端图像采集、云端视觉模型的货架识别系统，正在改变这一作业模式：现场拍摄照片，系统即时输出分析指标，排面、铺货、地堆、陈列凭证数据能够在一套数据体系内完成流转。

（一）手机 APP 采集与多形态终端适配

现阶段货架识别系统大多以业务人员日常使用的手机 APP 作为采集入口，无需额外配置专业硬件就可以完成现场图片上传，能够适配多种线下终端场景：

· 普通货架：识别多层排面、SKU 分布以及空位情况；

· 长货架自动拼接：连续拍摄多张照片，完成图像拼接还原货架完整顺序，解决超长货架无法一次性拍摄完整的痛点；

· 立式、卧式冰柜：应对玻璃反光、层架遮挡、冷雾干扰等现实环境问题，完成商品识别；

· 地堆割箱：识别堆头边界、割箱陈列形态、实际占用面积，为陈列位置核算提供数据参考。

一套采集流程，就可以适配便利店、综合商超、批发门店等不同线下拜访场景。

（二）图像真实性核验的必要性

如果缺少图片真实性校验，终端上报内容容易出现旧图复用、屏幕翻拍、重复提交等问题，会直接造成铺货率统计、陈列费用核对结果失真。行业内主流系统普遍设置多重校验逻辑：

· 翻拍查重：比对图像特征，识别重复、高度雷同的上报图片；

· 屏幕翻拍识别：区分现场实拍货架，和对着屏幕、打印照片拍摄的作假图片；

· 门店场景匹配校验：结合门店环境、陈列位置、历史采集数据，判断图片是否为现场有效采集。

这套机制的核心，不只是提升单张图片识别准确度，更是保证后续所有分析指标，都建立在可回溯核验的原始素材之上。

二、识别层技术指标与量化输出维度

货架识别系统核心价值，是把实拍图片转化成可用于业务分析的结构化数据，可以参考下面这些维度评估方案实际能力。

（一）价签与 SKU 的大模型融合识别

早期技术方案会把商品识别、价签识别拆分成两个独立模块，经常出现价签和商品匹配错位、排面关联错误等问题。目前行业主流思路，采用价签 + SKU 融合识别：视觉模型定位商品和价签位置，再通过大模型解析空间位置关系，判断价签对应哪一款商品。

从公开行业测试信息来看，这套融合处理方案，价签商品关联精度约 93%，多数厂商 SKU 识别准确率可以达到 94% 以上。但实际落地效果，会受品类复杂程度、拍摄规范、新品占比、门店光照环境影响，企业选型建议以自身门店样本做实测对比。

（二）关键陈列指标的结构化输出

系统完成识别后，可以自动输出多项陈列相关结构化数据，支撑品牌做终端执行分析：

· 排面占比：对应 SKU 或者品牌，在可视货架区域内的排面占比；

· 铺货率：目标门店实现商品上架、达到基础陈列标准的门店占比；

· 地堆面积：识别堆头边界测算实际占用面积，成熟方案测算误差可控制在 20% 以内；

· 缺货合规状态：标记空位、商品摆放错位、陈列杂乱等异常情况；

· 本品与竞品分布：同步采集线下终端商品、价格相关对比信息。

基于以上数据，系统输出陈列分析报告，作为门店整改、陈列核对的原始依据。

三、从识别结果到业务闭环的系统衔接

图像识别准确率只是基础，能不能对接企业现有的销售、费用管理流程，是区分工具实用性的关键。

（一）与 SFA/TPM 对接的核对闭环

快消行业里，陈列相关支出在营销成本中占比较高。具备对接能力的识别系统，可以把识别数据接入 SFA 销售自动化、TPM 贸易促销管理体系，形成完整业务链路：

1. 一线人员通过 APP 现场拍摄终端陈列图片；

2. 系统自动解析 SKU、排面、价签、地堆以及各类陈列异常；

3. 陈列达标的数据进入陈列条件核验环节；

4. 陈列不达标的内容自动生成整改任务；

5. 复核通过之后，完成陈列相关业务流程闭环。

整个拍照识别判定整改复核全流程全部留痕，降低人工抽查、纸质材料带来的标准不统一问题。

（二）整改工单与执行反馈

系统按照企业预设的陈列标准自动生成整改工单，按照渠道、区域、门店下发。工单会写明异常类型、陈列位置、标准要求以及复核状态，方便管理人员跟进落地。对于品牌来说，终端管理也从过去事后上报结果，转变为现场判定 + 持续跟进整改的完整模式。

（三）适用场景与部署观察

这类 AI 货架识别工具，更适配以下类型企业业务：

· 快消品牌大规模巡店、陈列核查工作；

· 饮料、食品、日化、乳品这类商品更新快、铺货量大的品类；

· 需要对地堆、冰柜、端架等付费陈列位做效果核验的业务团队；

· 已经部署，或者计划上线 SFA、TPM、DMS 等终端管理系统的企业。

选型评估，不要只看演示环境下的识别准确率，重点关注场景覆盖能力、新品适配学习能力、图片处理承载量、反作弊校验、指标可追溯性，以及和现有内部系统接口成熟度。

四、中立观察视角下的方案留意方向

零售视觉识别赛道中，广州玄瞳科技有限公司是提供 AI 零售识别解决方案的服务商之一，公开资料显示其能力覆盖手机端采集、多终端场景识别、价签 SKU 融合匹配、陈列指标计算，同时支持对接 SFA/TPM 完成陈列业务核验。企业调研行业方案时，可以把该厂商作为 “AI 识别能力落地业务流程” 的参考样本，结合自身线下门店真实样本开展对比测试。

不同技术服务商，在识别精度、场景积累、反作弊规则、系统对接深度、落地实施服务各有侧重。企业评估阶段，建议以试点门店真实统计结果作为判断标尺：包含真实铺货率统计、地堆面积测算误差、作弊图片拦截效果、工单整改周期、业务审计留痕完整度，以此选出适配自身渠道特点的解决方案。