边缘AI摄像头如何重塑智能零售的未来

应用领域：

• 智能家电（冰箱）
• 智能零售（自动售货机）
• 仓储管理

传统冰箱和零售货架的库存监测主要靠人工巡检、重量传感器系统或云端图像识别。这些方式各有明显短板：人工巡检费时费力，补货容易滞后；重量传感器需要昂贵的硬件改造，且对商品摆放敏感；云端方案带宽占用高、有延迟，还会引发隐私顾虑。传统MCU也缺乏在本地运行高精度检测模型的算力，误报率往往偏高。

为此，CamThink推出基于ST  STM32N6的NE301，把AI商品识别全部放到设备端完成。库存发生变化时，不再传输图像，只上传极少量结构化数据（例如："可乐3罐"）。这从根本上改变了智能库存系统的成本结构和隐私特性。

这种边缘AI方案的关键优势：

• 通信流量大幅减少：与上传图像的方案相比，数据传输量减少99%以上，云成本最高降低90%
• 供电方式灵活：支持电池、PoE和Type-C供电，适应多种部署环境
• 隐私保护设计：视觉数据不出设备，仅共享结构化结果
• 降低运营成本：省去人工巡检，减少补货延迟
• 实时感知：推理耗时低于50 ms，无需云端往返即可即时掌握库存

借助STM32N6上的边缘AI，CamThink展示了现代零售与家电环境如何实现智能、可扩展且高性价比的库存监测。

NE301在本地运行完整检测流水线，从图像采集到结构化结果输出，全程无需云端处理。

NE301会按计划定时唤醒，用广角CMOS传感器拍摄冰箱内部图像。即便冰箱内出现反光或光线不足，集成ISP也会通过降噪和自动曝光调整，保证输入图像清晰。

内置Neural-ART NPU运行YOLOv8 Nano模型，可在设备端直接完成饮料检测与计数。推理在50 ms内完成，无需上传任何图像即可实时感知库存。

系统只把JSON格式的识别结果通过MQTT发送到后端（如Home Assistant或自定义服务器）。这样带宽占用极低，并确保能够立即执行补货或发出警报。

CamThink方案充分发挥了STM32N6的异构架构优势：

• Neural-ART NPU——将YOLO模型推理加速至50 ms以内，无需向任何服务器上传图像即可实时检测库存。
• CamThink AI Toolstack——提供从数据采集、标注到训练和量化部署 (.bin) 的完整端到端工具链。开发者即便没有深厚的AI专业知识，也能在数小时内构建定制商品识别模型。
• 超低功耗架构——将STM32N6的边缘AI能力与STM32U0协处理器结合，由后者负责电源管理和睡眠控制。设备仅在需要时唤醒，显著降低功耗和部署成本。

CMOS图像传感器：OS04C10，HFOV 137°

NE301通过ISP进行图像预处理（包括降噪和自动曝光），确保AI模型在冰箱内反光、低照度等复杂光照条件下仍能获得清晰可靠的输入。