农产品 AI 自动等级判定与分选系统

挑战：

日本一家大型农业生产者组合，每天有萝卜、胡萝卜、黄瓜等十余个品类的农产品经分选线出货。等级判定——形状、外观、损伤程度——长期依赖熟练工人肉眼完成，尺寸分级也靠手工。人手随季节紧张，判定标准因人而异，熟练工的经验难以传承，分选环节成了整条出货线上人力占用与波动都大的一环。

解决方案：

承担范围： AI 视觉判定模型、传送带相机系统与分选装箱联动的开发与现场落地。

• 判定粒度： 覆盖萝卜、胡萝卜、黄瓜等 12 个品类，每个品类同时输出 A/B/C 等级与 XL/L/M/S 尺寸两个维度的判定结果，直接对应客户既有的出货规格；
• 训练数据： 按品类、按等级与尺寸逐类采集现场图像，数据全部来自客户的真实分选环境，而非公开数据集；
• 视觉判定模型： 以深度学习视觉检测模型为核心，针对 12 个品类各自的形状、外观与损伤特征逐类训练，一次识别同时给出等级与尺寸；
• 产线联动： 相机架设在分选传送带上方，在线实时识别，判定结果直接驱动下游按等级装箱，不需要人工二次干预；
• 交付周期： 开发与现场测试合计约一年，跨过完整的作物季节以验证不同时期的判定稳定性。

成果：

• 80% 分选人力削减： 分选所需人力降至此前的五分之一，熟练工人转向品控与更高价值的工作；
• 持续稳定运行： 系统上线后持续在生产环境运行至今，没有退回人工分选；
• 可复制的软硬件一体方案： 「相机 + 检测模型 + 产线联动」这套架构，同样适用于制造业的外观质检、来料分级与自动分拣场景。

客户评价：

“AI 等级判定系统大幅减少了分选所需的时间与人力，让我们的熟练员工能够专注于更高价值的工作。”