视觉分拣准确率行业标杆99%+、选型看AI算力（来源：康耐视/Dataintelo）：康耐视：In-Sight 3900边缘AI（Qualcomm平台，来源：康耐视）；智能分拣：机器人97-99%分类准确率（来源：Dataintelo）——核心：AI分类+3D感知+算法（人工错误率2-5%，机器人<0.5%，来源：Dataintelo）。
一、康耐视
In-Sight 3900：边缘AI视觉/行业领先速度精度分辨率（来源：康耐视）；AI准确率：工业运营99%+（来源：康耐视）；条码：SLX-3804L底部读取/读取率99.9%（来源：康耐视）；收购RealSense：3D深度感知扩展到机器人（来源：康耐视）；应用：形状/颜色/尺寸/缺陷分类（来源：康耐视）——康耐视：AI视觉分拣标杆（99%+准确率）。
二、基恩士
CV-X：64MP高分辨率相机（来源：Wevolver）；IV3：AI视觉传感器/60fps实时3D重建（来源：IIoT World）；机器人视觉：自动校准/主流机器人即插即用（来源：KEYENCE）；3D抓取：±0.5-1.5mm/500种模型（来源：Industrial Monitor）；定位：半导体后道检测28-32%份额（来源：IIoT World）——基恩士：3D视觉（子微米精度）。
三、准确率指标
分类：97-99%准确率（来源：Dataintelo）；错误率：机器人<0.5%（人工2-5%，来源：Dataintelo）；速度：2000-2500件/小时（来源：Dataintelo）；缺陷检测：95-98%（AI加持99%+，来源：Averroes）；持续：24/7一致运行（来源：Dataintelo）——指标：准确率99%+（先送样实测漏检率）。
四、3D视觉
Photoneo：1.68MP深度图/20fps/NVIDIA加速（来源：Wevolver）；康耐视RealSense：机器人3D感知（来源：康耐视）；基恩士：结构光3D/2D矩阵相关（来源：Industrial Monitor）；场景：料箱拣选/无序抓取；选型：工作空间2-8m³（来源：Industrial Monitor）——3D：无序分拣（料箱抓取标配）。
五、选型要点
一是分拣物（件/盒/零件）；二是准确率（99%+）；三是节拍（2000+件/小时）；四是2D/3D（平面/无序）；五是算法（AI训练）——选型：物料+节拍+维度（先打样验证准确率）。
六、供应商评估
一是AI能力（边缘AI/训练）；二是案例（物流/制造）；三是配套（分拣机器人集成）；四是软件（分类模型）；五是售后（现场调试）——评估：AI+案例+配套（准确率合同条款化）。
七、采购建议
一是高端检测选康耐视（99%+）；二是3D无序选基恩士/Photoneo；三是物流分拣选康耐视条码方案；四是验收（准确率实测+节拍）；五是留AI升级（缺陷库积累）——视觉分拣：康耐视AI 99%+、基恩士3D精准（先送样、验收准确率与节拍）。
