AI 影像辨識應用案例：監視器在餐飲、零售、工廠、停車怎麼用，做法與 5 個限制一次看

AI 影像辨識的應用，現在最成熟的做法是「不換攝影機」：把店裡或廠裡現有監視器的畫面接出來，交給 YOLO 這類物件偵測模型找出人、車、餐盤、安全帽，再用「畫區域、算時間、數次數」的規則換成營運數字，最後寫進 POS、ERP 或 MES。國內外已經有餐廳量得來速等候時間、超市抓缺貨、工廠抓沒戴安全帽、路邊停車格自動開單的實際案例，成效差異很大，關鍵在現場條件和後面接不接得進系統。

這週 Threads 上有位開發者分享，他用 YOLO26x 監測餐廳的上桌時間，畫面清楚時還能做人數、性別、年齡分析，再串 POS 看客單價和品項。底下不少老闆在問同一件事：別人到底拿監視器做了什麼？我們自己也做過一個從監視器錄影推估貨架熱點的專案，踩過攝影機角度和精度的坑，所以這篇把國內外公開案例、做法和做不到的地方整理在一起，數字都附上原始出處。

這篇談的是「拿既有監視器做什麼、怎麼接進系統」。如果你想看的是怎麼自己標註資料、訓練模型、轉成邊緣裝置格式，可以看企業圖像訓練與 .tflite 部署指南；想先抓預算，可以看AI 專案外包報價框架裡影像辨識那一類。

AI 影像辨識應用全覽：5 類場景、量什麼、誰做過

先講結論：監視器加 AI 最常見的 5 類用途是餐飲計時、零售客流與缺貨、工廠工安、產線計數與品檢、停車與交通。下面這張表是全文的濃縮版，後面每一類再拆開講。

市場也在長。Grand View Research 在 2025 年 1 月的報告估計全球影像分析市場 2030 年達 378.4 億美元、年成長 19.5%；MarketsandMarkets 則估 2031 年達 413.9 億美元、年成長 23.1%。兩家的定義和算法不同，數字只能看方向：越來越多公司想從「錄起來備查」走到「錄起來就有數字」。

我們自己做過的是零售這一類。shelf-attention 專案是恆遠內部的實驗專案，輸入一支店內監視器錄影，輸出貨架每一櫃、每一層被注意的程度。全部在瀏覽器端運算、影像不上傳，只看身體姿勢、不做臉部辨識。下圖是它的 3D 走道畫面，橘色圓錐是頭部朝向的誤差範圍，可以在公開 demo 直接操作。

做這個專案最大的收穫是學會「精度多少就說多少」。監視器拍得到頭朝哪裡，拍不到眼睛，所以我們只推估到「第幾櫃、第幾層」，並把誤差直接畫在畫面上，這個原則後面講限制時會一再出現。

餐廳用監視器量上桌時間與等候：國外先做得來速，台灣先做廚餘

一句話：餐飲業最先用起來的是「計時」，因為時間最好定義，也最容易直接對到營收。國外從得來速開始，台灣目前公開的案例集中在自助餐和來客分析。

得來速：攝影機取代地感線圈

美國速食連鎖 Portillo's 在得來速導入電腦視覺，店長看儀表板，車輛停留 4 分鐘沒人服務時螢幕會閃紅提醒調人。Restaurant Dive 2025 年 1 月的報導提到，公司平均得來速時間已經縮短 15 秒，目標再縮 45 秒。要注意同一段期間它也導入了點餐機等措施，報導沒有把這 15 秒全算給 AI。

另一個例子是 Zaxbys。2025 年 3 月的報導指出，它在約 970 家店導入 Berry AI 的攝影機計時，取代原本只能感應車有沒有到、看不到現場畫面的地感線圈，量出餐速度、點餐前排隊時間和中途離開的車輛數。這是導入公告，沒有公布成效數字。

店內：上桌時間、續杯時機、來客輪廓

日本 USEN 在 2026 年 5 月推出的 AI 感測攝影機，會判斷客席飲料剩多少、提醒店員什麼時候該問續杯，還能和自家 POS 即時連動。這跟 Threads 那則分享的方向一樣：影像負責「發生了什麼、花多久」，POS 負責「賣了什麼、賣多少」，兩邊用桌號和時間對起來，才看得出哪道菜拖慢翻桌、哪個時段人手不夠。

台灣最完整的公開案例是漢來海港高雄店。中央社 2026 年 6 月報導，這是經濟部智慧餐飲示範案，在入口與餐檯區用攝影設備，以去識別化的邊緣運算分析來客年齡、性別與停留熱區，另外用「上方鏡頭、下方磅秤」的機台辨識廚餘。導入 3 個月廚餘少約 1.6 公噸，人均廚餘從 140 公克降到 42 公克。

同一篇報導也很誠實地寫出限制：食材外觀變化大、光線和角度不同，初期辨識率只有約 7 成，還把橘色鮭魚認成葡萄柚，後來改成 AI 認不出來就由廚師手動選品項，同時累積訓練資料。這段比成效數字更值得老闆讀。

只有攝影機，你拿到的是一堆時間戳；接上 POS 之後，才算得出「上桌超過 15 分鐘的那幾桌，客單價有沒有比較低」這種老闆真的會拿來調人力的數字。餐廳系統怎麼整合，可以參考連鎖餐飲 AI 數位化指南和POS 系統推薦怎麼挑。

反面案例也要知道。2019 年美國一家 Outback Steakhouse 加盟店試用接管既有監視器的系統，分析服務生多久巡一次桌，結果在社群上引發隱私與員工壓力反彈，試點很快喊停。這是 7 年前的事，但它點出的問題到今天都沒變：量顧客等多久，大家能接受；拿來盯員工，很容易出事。

零售業的影像辨識：客流、排隊、缺貨與貨架熱點

先講結論：零售業用監視器最常做三件事：數人、抓缺貨、看動線。大型通路已經做到整店，中小店家比較實際的起點是「用既有防盜攝影機做客流與排隊提醒」。

統一超商 2025 年 11 月開的 X-STORE 9，用工研院的複合式 AI 影像追蹤，透過 140 多支攝影機加光學雷達追蹤入店者軌跡與商品取放，做到拿了就走，貨架上不必另裝重量感測器。這是整店重新設計的規格，跟一般門市「沿用現有監視器」是兩種預算等級。

缺貨偵測則是另一條路。英國超市 Morrisons 2024 年和 Focal Systems 合作，在貨架裝電池供電的攝影機定時拍貨架，偵測缺貨、陳列不符和低庫存，試點後決定擴大到全英門市；Walmart Canada 更早在 2022 年就做過 70 店試點後擴大。兩家都沒有公開改善百分比，只說貨架供貨率明顯變好。

最接近中小店家的是日本 LAWSON 的兩個實證。一個和 Deeping Source 合作，直接用店裡的防盜監視器影像分析顧客行為，再結合銷售與天氣資料；另一個和 NEC 合作，用影像辨識把店員動作分類成作業項目，再交給大型語言模型寫成工時報告。兩個實證的結果目前都沒公開。

成本面也有參考。日本超市 Trial 在 2020 年前後大量導入零售 AI 攝影機，MONOist 當時的報導提到這類服務每台攝影機月費約 1 萬日圓多，而且「導入能增加多少營收」的實績還不夠多，難以事前估算。這是 6 年前的價格，只能當結構參考：零售影像分析常是「按攝影機數月租」，店越多、鏡頭越多，帳單長得越快。

我們做 shelf-attention 時學到的事

回到我們自己的專案。shelf-attention 的管線是：瀏覽器裡用 MediaPipe 找出每位顧客的身體關鍵點，用地上四個標記點把畫面位置換成地面的公尺座標，再把人放進 3D 貨架模型，推估頭部朝向，累積成每一櫃、每一層的注意力。也就是「顧客停留與朝向分析」，加上「櫃位與層板的注意力推估」。

• 精度只宣稱到第幾櫃、第幾層：監視器只看得到頭的方向，所以不推估到單一商品，誤差直接畫成圓錐給人看。
• 抖動要處理：逐幀位置會跳，加上濾波之後，站位誤差的 p95 從 25.2 公分降到 7.4 公分。
• 報告會自己說不行：樣本數不夠、攝影機角度不合格時，報告直接標示「不可用於決策」，不硬給數字。
• 結果要能重現：同一支影片跑兩次，結果逐位元組相同；整條管線有 172 項自動化測試守著。

這幾條原則，其實就是後面「要小心的地方」的解法。影像辨識最危險的情況是給出一個看起來很精準、其實是猜的數字，老闆拿去調陳列或砍人力，錯了也不知道。

工廠與工地：安全帽偵測、禁區警示與產線計數怎麼接 MES

一句話：工廠的影像辨識分兩條，工安是「抓違規、發警報」，生產是「數東西、寫進系統」，兩條的技術相近，接的系統完全不同。

工安：人看不完的畫面交給 AI 先篩

台灣的背景數字很直接。勞動部 2026 年 1 月公布，2025 年全產業重大職災死亡 251 人，營造業 105 人占 42%，其中墜落占營造業死亡的 67%；製造業 63 人。勞動部的減災計畫也把「導入科技防災效能」列為重點之一。

台積電嘉義先進封裝廠的工地是很好的例子。聯合報 2026 年 1 月報導，工地已經用感測器和大量 CCTV 把畫面集中到中控室，但人力看不完，所以另外開發 AI 影像辨識，偵測到違規或危險行為就標出位置，讓監控人員通知現場修正。報導沒有公布成效數字。

研華的工安監控案例則示範了「不換攝影機」的做法：既有 IP 攝影機用標準串流協定把畫面送進邊緣 AI 主機，偵測安全帽、反光背心和禁區闖入，原本的錄影系統照用。

國外廠商有公布數字，但都是自家客戶案例，沒有第三方驗證。Protex AI 公布美國 Nu-Iron 鋼鐵廠導入後，全廠事故年減 44%、上線兩週內偵測到的安全事件減 69%；Voxel 公布汽車零件廠 Piston Automotive 3 個月內車輛相關安全事件減 86%。這些數字可以當方向參考，不適合拿來估你自己工廠的成效。

生產：計數與品檢要寫回 MES 才有用

和碩在 NVIDIA 2023 年的技術部落格中，分享用 Metropolis for Factories 做電路板自動光學檢測，從小資料集開始做到 99.8% 準確率，串流推論吞吐量提升 10 倍；Ultralytics 的官方案例頁也列出 Glacier Robotics 用 YOLO11 在美國回收廠分揀，讓 PET 漏撿少 70%。這兩個都是大廠或專業團隊，有自己的瑕疵資料和工程人力。

中小工廠比較實際的起點是計數：輸送帶上過了幾個工件、棧板上疊了幾箱、某台機台前面有沒有人。這些數字一旦能自動寫進MES 系統的報工紀錄，就能跟工單、稼動率對起來。少了這一步，影像辨識只是另一個要人盯的螢幕。MES、ERP 和品質系統的分工，可以看 ERP、MES、QMS 差在哪。

產線資料進系統這一段我們做過：生產力管理系統處理的就是生產可見性、異常管理和產能效益分析，影像計數只是多一個資料來源。PLC 或機台直讀這類設備端的串接，通常由設備商處理，我們負責系統端的資料怎麼收、怎麼算、怎麼呈現。

停車與交通：車牌辨識最成熟，難的是後面的繳費流程

先講結論：車牌辨識是影像辨識裡最成熟的一塊，台灣路邊停車已經大量使用，真正卡關的通常是死角、外觀和繳費流程，模型準確度反而是其次。

桃園是進度最快的城市之一。公視 2024 年 9 月報導時，影像辨識智慧車柱只有 274 格；到了 2026 年 9 月，全市 2 萬 2184 格路邊停車格全部建置完畢，其中影像辨識設備 4109 格，還多了嵌在人行道側、約 20 公分高的低位攝影。商家抱怨車柱像「墓碑」、與行人爭道，低位攝影則因為由下往上拍，有隱私疑慮，改成車輛停妥和離開時才拍。

南投的經驗則提醒另一件事。聯合報 2026 年 1 月報導，南投導入智慧停車柱後，首年就出現 26 萬筆未繳停車費，催繳費用逾 200 萬元由縣府吸收，催繳單延遲數月才寄到。辨識本身做得到，收不收得到錢是另一個系統問題。

國外也有把攝影機裝在車上巡邏的做法。德國海德堡的 CityScanner 稽查車用車頂攝影機加光學雷達辨識車牌，再即時比對停車 App 的繳費資料，廠商宣稱每小時能檢查 1,500 輛車。商場或大樓停車場則可以參考台灣起家的 Gorilla Technology，它的案例頁寫到只用既有監視器就做到人流與停車區車流計數，沒有公布具體數字。

既有監視器怎麼接 AI 影像辨識？從鏡頭到報表的 4 段架構

一句話：取流、辨識、規則、串系統，這 4 段缺一段，案子就會卡住。很多人以為重點在模型，實際上模型通常是最容易換的那一段。

取流：先確認攝影機拿得到 RTSP

RTSP 是 IP 攝影機最常用的即時串流協定，ONVIF 則是 Axis、Bosch、Sony 在 2008 年發起的安防設備互通標準。現場評估第一件事，是確認攝影機或錄影主機能不能吐出 RTSP 串流。如果店裡用的是中國品牌設備，還要一併看採購規範，可以參考禁採中國品牌 ICT 盤點。

辨識：YOLO26 是現在的新選項

Ultralytics 在 2026 年 1 月 14 日發布 YOLO26（套件版本 8.4.0），主打邊緣裝置與 CPU 推論。官方文件寫到，它移除了 DFL（Distribution Focal Loss）讓輸出更單純，原生支援免 NMS 的端到端推論；官方數據是 YOLO26n 在 CPU 上的 ONNX 推論比 YOLO11n 最多快 43%。模型分 n、s、m、l、x 五種尺寸，x 最準也最重，Threads 那則分享用的 YOLO26x 就是最大的那一版。

邊緣主機方面，NVIDIA 的 Jetson Orin Nano Super 開發套件標示 67 TOPS（稀疏運算值，密集運算約 33 TOPS），美國售價 249 美元，常被拿來跑幾路攝影機的即時辨識。要更多路，就用 DeepStream 這類串流分析框架；想先在家裡或小店試，開源的 Frigate 可以接 RTSP 攝影機做本機物件偵測。

規則：把框框變成老闆看得懂的數字

模型只會告訴你「這一幀第 3 號桌有 2 個人、1 個餐盤」。要變成上桌時間，得寫規則：桌位畫成一個區域，點單時間從 POS 來，餐盤第一次穩定出現在區域內的時間點當作上桌。下面是概念示意：

# 概念示意：桌位區域內餐盤「連續出現 N 幀」才算上桌，避免一閃而過的誤判
def plate_served(frames, table_zone, min_frames=15):
    streak = 0
    for f in frames:
        hit = any(d.label == 'plate' and table_zone.contains(d.center) for d in f.detections)
        streak = streak + 1 if hit else 0
        if streak >= min_frames:
            return f.timestamp  # 上桌時間，之後跟 POS 點單時間相減
    return None

「連續幾幀才算數」這種細節，決定了數字能不能信。區域畫多大、經過算不算停留、員工要不要排除，都要和現場主管一起定，定完寫成文件，以後數字有爭議才有依據。

串系統：數字要回到每天在用的地方

最後一段最常被省略，也最可惜。餐廳要串 POS（自建收銀可參考客製化 POS 開發指南），工廠要寫進 MES 或 ERP，警報要推到 LINE 或現場看板。這一段就是一般的系統整合工作：API、資料表、權限、報表。製造業內部系統怎麼分工，可以看製造業內部系統開發指南。

AI 影像辨識做不到或要小心的 5 件事

先講結論：性別年齡不準、個資要告知、Ultralytics 商用要授權、燈光角度決定成敗、員工反感會反噬。這 5 件事每一件都讓案子翻車過。

性別與年齡：YOLO 本身不會，另接的模型也有限

YOLO 這類物件偵測模型只負責找出「這裡有一個人」，性別和年齡要另外接人臉屬性模型，畫面要拍得到清楚的臉。美國國家標準與技術研究院 NIST 在 2024 年的年齡估計評測裡，用約 1,100 萬張照片測了 6 個演算法，18 到 24 歲族群的平均誤差大約落在 2.3 到 5.1 歲，而且準度受性別、畫質、出生地區影響，用網路攝影機拍的照片最難。那還是正面照的條件，店內監視器多半是俯角、側臉、低解析度，只會更差。

所以性別年齡數據最多拿來看「這個時段客群偏年輕」這種趨勢，不能拿來判斷某一位顧客，更不該當成決策主依據。漢來的案例做法是去識別化、在邊緣端算完只留統計，這是比較穩的方向。

個資法：影像就是個資，告示與用途要對得上

個人資料保護法第 2 條把「特徵」和「得以直接或間接方式識別」的資料都算個資；法務部的函釋也說，監視器影像只要技術上能比對出是誰，就屬於間接識別的個資。實務上要注意三點：第 8 條的告知義務（店門口告示要寫清楚蒐集目的）、第 20 條的目的內利用（裝來防盜的影像拿去做行銷分析，就是目的外利用），以及能在邊緣端去識別的就不要把原始影像傳出去。個資告知怎麼寫，可以參考個資同意書範本。

個資法 2025 年 11 月公布了修正條文，強化事故通報和行政檢查，但施行日期要等個資會組織法通過才由行政院另定，目前還沒生效。對員工的部分，勞動部勞安所 2022 年的建議是：導入監視等科技管理前，先確認特定目的、跟勞工溝通、不做目的外利用。有歐洲業務的公司還要留意，歐盟 AI 法第 5 條自 2025 年 2 月 2 日起禁止在職場用 AI 推論員工情緒。

模型授權：Ultralytics 的 AGPL 要先處理

YOLO26 和 YOLO11 都是 AGPL-3.0 與企業授權雙軌。Ultralytics 官方授權頁的說法相當嚴格：只要用了它的程式、模型或訓練流程，不開源整個專案就要買企業授權，連內部工具、自己從頭訓練都算，價格要填表詢問。這是廠商自己對 AGPL 的解讀，有疑慮請問律師，但最保險的做法是開案前就決定。

不想處理授權的話，有 Apache-2.0 的選擇：RT-DETR（要用原作者的版本，Ultralytics 套件裡包的那份仍是 AGPL）、D-FINE，以及 RF-DETR 的 N、S、M、L 四個尺寸。換模型通常只動辨識那一段，這也是為什麼架構要分層。

燈光與角度：準度問題多半出在現場

Hanwha Vision 的技術支援文件裡有個典型案例：百貨入口把 AI 攝影機裝在 2 公尺高的立桿上做人流計數，結果數不準，原因是裝得太低、離監測區太近，要改裝更高、視角更廣。消費級攝影機也一樣，Wyze 論壇上有使用者抱怨狗老是被判成人，真的有人在門口反而沒通知。

這也是我們做 shelf-attention 時要求報告在「攝影機不合格」時直接標示不可用的原因。評估一個點位，先拿那支鏡頭一週的實際錄影來測，比看廠商 demo 影片準得多。

觀感：量流程，別量人

前面 Outback 的例子之外，2026 年初 Burger King 要用 AI 檢查員工有沒有說請和謝謝的消息，在 Hacker News 上引來大量反彈。影像辨識拿來量「出餐流程卡在哪一段」，員工通常能接受；拿來替每個人打分數，就算合法，也很容易換來離職和負評。

要不要做 AI 影像辨識？先問自己 3 個問題，再看費用怎麼組成

一句話：先找一個你已經在意、但現在量不到的數字，再決定要不要做。我們的看法是，人數、性別、年齡這類「看起來很厲害」的分析，價值通常最低；真正會改變排班、陳列、工安的，是時間和事件。

如果你符合下面三件事中的兩件，這個專案就值得評估：第一，你有一個說得出來的痛點數字（等候太久、缺貨被客訴、工地違規抓不完）；第二，現場已經有攝影機，而且拍得到那個區域；第三，量出來的數字有地方放，有人會每週看、會拿來改流程。三件都沒有，先別急著買 AI 盒子。

市面上還有一種是「按攝影機數月租」的 SaaS，好處是上手快，缺點是數字常常卡在它自己的後台，跟你的 POS 或 MES 對不起來。現成方案和客製方案怎麼判斷，可以參考客製化 AI 系統和套殼服務的判斷框架；製造業想一併規劃其他 AI 用途，可以看製造業 AI 導入指南。想自己先玩玩看，ESP32 視覺辨識夾取是很好的入門練習。

如果你已經有一個想量的數字和一排拍得到現場的攝影機，我們很樂意聽你聊聊現在的情況：先看你的鏡頭角度與資料夠不夠，值不值得做、從哪一個點位開始最划算，我們會直接告訴你。後面真的要動手，再一起談範圍和費用。