别再用人工/RFID盘点了！无人零售货架边缘计算实战：Java+YOLOv11s+WebSocket+RK3588，盘点准确率99.2%
今年帮深圳南山的一家无人零售创业公司做了货架盘点的边缘计算升级——之前他们用人工盘点，一个2米的货架要10分钟，30个货架要5小时，人工成本每月15000元，漏盘错盘率10%+；后来试了RFID，每个商品贴标签成本0.3元，30个货架10000个商品要3000元，金属罐装饮料、液体瓶装水还干扰严重，漏读率15%+，老板急得跳脚。
后来改成瑞芯微RK3588边缘计算板+Java Spring Boot+YOLOv11s NPU推理+WebSocket实时通信的方案，一个货架盘点只要10秒，盘点准确率99.2%，设备每月成本只要500元（电费+维护），实时性从每天1次提升到每小时1次，老板当场签了100套的合同，还给我介绍了隔壁的智能快递柜公司。
很多人觉得“边缘计算太复杂，嵌入式部署太难”“Java不适合做深度学习推理”，其实只要选对硬件、选对模型、流程走对，边缘计算在无人零售场景简直是量身定做——算力强、功耗低、成本低、不用传图到云端、保护隐私、延迟低。这篇文章，我把从真实场景痛点→技术选型→整体架构→核心代码→RK3588部署→踩坑实录→落地效果全流程的实战经验全部分享出来，每个部分都是我和团队在现场实打实踩过坑总结出来的。
一、先讲无人零售货架盘点的3大核心痛点
这3个痛点是我在创业公司的仓库和门店蹲了1周总结出来的，也是传统方案解决不了的核心矛盾：
- 人工盘点效率低、成本高