货架上摆满了商品，AI 一眼就能认出“可乐”。但当 500mL 和 1L 并排出现时，它却常常翻车。这不是个别现象，而是过去数年快消品行业最头疼的问题 ——AI 难以准确识别“高相似度商品”。
朗镜科技全新自研的 SKU Reasoning，专门针对“货架 SKU 识别 / 货架图像识别”领域的“高相似度产品识别率低”的老大难场景，提供了切实有效的解决方案，并已在多个品类真实落地应用，显著降低了人工申诉率，节省了大量人工复核成本。
500mL 和 1L，传统 AI 为什么经常分不清？
如果你在快消品行业做过货架巡检，一定对“申诉”两个字不陌生。
同一个品牌、口味的可乐，只因为 500mL 和 1L 的包装长得太像，AI 识别系统就频频报错：
· 一会儿把左边的大瓶认成小瓶
· 一会儿把右边的小瓶认成大瓶
· 同一个商品摆了三排，每排识别出来的规格都不一样
结果就是：大量的人工申诉、反复复核、数据反复打补丁。
在朗镜科技看来，问题的本质其实很简单：高相似度产品的细颗粒度识别率低。传统 AI 能分清“可乐”和“雪碧”，但分不清“大可乐”和“小可乐”。
小模型和通用大模型，各有各的局限
小模型：只能“看一个框认一个框”，不会利用周围商品、不会比较大小、不会参考价格，而且特别“吃数据”。
通用大模型：能认出“这是什么牌子”，但认不准“这是哪一款、多大规格、什么包装”，也不会用货架上的空间和价格信息来辅助判断。
换个思路：不靠“猜”，靠“比”
朗镜科技全新自研 SKU Reasoning：不再让 AI 一个一个框地猜，而是让 AI 把一排商品放在一起，两两比较，推理出规格。
同一系列、同一口味的商品，摆在一起时，谁大谁小是能比较出来的。
把所有商品两两比一遍，排出一个顺序，再映射到具体规格 —— 比如最小的是 500mL，中间的是 1L，最大的是 1.5L。
场景一：同一个商品摆了好几个位置
小模型：每个框独立识别，可能出现同一个商品被认成不同规格的尴尬
SKU Reasoning：先分组，组内所有框共享同一个规格，天然一致
场景二：500ml 和 1L 外观几乎一样
小模型：靠绝对视觉，很容易混淆
SKU Reasoning：通过相对大小比较 + 价格信息，准确区分
场景三：商品被遮挡或图片质量差
小模型：单框信息不足时容易错
SKU Reasoning：借助邻居框、组内原型和上下文信息补全
场景四：需要大量标注数据
小模型：依赖大量标注数据
SKU Reasoning：少量标注数据即可快速建模
而和通用大模型相比，SKU Reasoning 多出了系列识别、规格识别、包装变体细分、空间 / 价格 / 布局约束这些专用能力 —— 这些都是货架场景的核心需求。
落地结果：准确率提升，申诉率下降四分之一
朗镜科技的 SKU Reasoning 解决方案，已经真实落地，覆盖多个品类。
申诉率下降 25.7%，在高相似度商品、遮挡、多排陈列这些“老大难”场景下，改善是肉眼可见的，意味着大量的人工复核成本被省下来了。
专门为货架 SKU 识别设计的推理模型
比小模型更准、更省数据；比通用大模型更懂货架、更会推理。这就是朗镜科技 SKU Reasoning 解决方案的核心优势：
· 快速建模：3 天内完成初步建模
· 数据效率高：少量标注数据就能达到较高准确率
· 擅长长尾品类：通过难样本采样，不常见的商品也能学得好
· 真正的推理能力：尺寸对比、包装文字、价格、左右陈列……
过去几年，快消品行业的货架图像识别，一直在和“高相似度”较劲。
AI 能快速识别几百个 sku，却分不清 500mL 和 1L—— 这不是技术不够强，而是技术走错了方向。
