果蔬分选视觉系统：人工智能引领农业质量革命

在江苏斯味特果业的分选车间里，一条全自动化苹果分选线正以每秒30个苹果的速度运行，不仅能准确识别表面瑕疵，还能看透人眼无法发现的内部“软伤”，让每个苹果按品质精准分级。

在传统的农业生产中，果蔬采后分选长期依赖人工操作。工人们站在流水线旁，凭借肉眼观察和手感触摸，对水果蔬菜进行分类筛选。这种方式不仅效率低下，每小时仅能处理300-500公斤水果，而且瑕疵漏检率高达15%-20%。

更令人担忧的是，人工分选受疲劳度、情绪状态和经验水平影响，质量波动极大，无法实现标准化分级。

随着计算机视觉和人工智能技术的突破，果蔬分选视觉系统正在彻底改变这一局面。这种系统通过相机获取果蔬图像，运用图像处理和模式识别技术分析外观特征（如大小、形状、颜色、表面瑕疵等），实现自动化质量评估和等级划分。机器视觉技术让分选设备拥有了“智慧眼”和“聪明脑”，能够客观、高效、精准地对果蔬进行分选，大幅提升农产品附加值和市场竞争力。

---

01 技术原理与系统构成

果蔬分选视觉系统基于机器视觉技术，其核心是通过图像传感器捕捉果蔬的特征信息，然后传输到处理单元进行分析判断。一个完整的系统通常由硬件和软件两大部分组成。

硬件系统包括图像采集单元、照明单元、处理单元和执行机构。图像采集单元多采用高分辨率工业相机，如JAI的FS-3200D-10GE多光谱棱镜相机，能够同时提供可见光彩色通道（400-670纳米）和近红外通道（750-1000纳米）的图像。

照明单元则采用特殊设计的光源，如环形LED灯，确保在不同环境下都能获得稳定一致的图像质量。处理单元早期使用工业计算机，现在越来越多采用DSP+ARM等嵌入式方案，以降低成本和体积。执行机构包括机械臂、气动装置等，负责将不同等级的果蔬分送到相应区域。

软件系统主要包括图像处理算法和分类决策模型。图像处理包括预处理、分割、特征提取等步骤，常用算法有高斯混合模型、多层感知器等。近年来，深度学习技术被广泛应用，如YOLOv8目标检测算法，通过CSPDarknet53骨干网络和C2f模块优化特征提取，大幅提升了识别精度。

02 主要技术进展

果蔬分选视觉系统近年来取得显著进展，主要体现在以下几个方面：

成熟度与瑕疵识别方面，基于YOLOv8的番茄智能分选系统实现了对番茄成熟度（绿/红/损伤）的精准分类，准确率高达99.6%。该系统在429张验证图像上，对红番茄的召回率达99.3%，损伤番茄识别精度达97.42%。

内部品质无损检测技术成为研究热点。绿萌公司开发的内部品质检测系统采用人工智能技术结合在线式近红外无损检测原理，能够检测苹果的糖度、霉心、褐变等内部信息。多光谱成像技术可以穿透水果表面，检测皮下1.5mm的缺陷，这是人眼和传统相机无法做到的。

一体化系统集成方面，研究人员开发了低成本苹果自动采摘与田间分选一体化系统，集成双机械臂采摘与可变螺距输送带分选系统。该系统通过多帧融合算法和真空吸附姿态调节模块，实现52.5%采摘成功率和91%分选准确率，首次实现了采摘-分选全流程自动化。

03 应用案例与成效

果蔬分选视觉系统已在多种水果上取得显著应用成效。在番茄分选中，智能系统实现了97.1%的尺寸测量精度，原型机以5-8秒/果的处理速度实现自动化分拣，成本控制在500美元以内，显著低于4万美元的商业光学分选设备。

在小规模农产品分选方面，采用DSP+ARM架构的小型分选机对圣女果、金桔和桂圆干进行分选，正确率分别达到93.91%、97.19%和86.11%。三种物料的最大处理速率分别为：圣女果337kg/h、金桔311kg/h、桂圆干228kg/h，较好地满足了小型农户的需求。

在苹果分选领域，绿萌公司为江苏斯味特果业打造的全自动化分选线，能够检测苹果色泽、重量、大小、糖度、霉心、褐变等多项指标。该生产线采用AI算法结合光谱技术，能精准识别颜色过深苹果暗藏的“软伤”，解决了苹果产业软伤检测壁垒。

04 挑战与局限

尽管果蔬分选视觉系统取得了显著进展，但仍面临一些技术挑战。复杂环境下的识别精度问题尚未完全解决，特别是在低光环境下，损伤番茄出现了19.05 mm的最大X轴测量误差。

不规则表面的测量仍然是一个难题，尤其是对于损伤或形状特异的果蔬。系统在阴影条件下的分类稳定性也有待提高，虽然绿番茄在阴影条件下的分类稳定性最佳，但其F1-score也仅为89.47%。

成本与普及度之间的矛看也是现实挑战。虽然已有低成本方案（如500美元的番茄分选原型机），但高性能商业系统的投入仍然较高。 对于小型农户来说，投资一套完整的视觉分选系统仍然是一笔不小的开支，这也是研发人员致力于开发DSP+ARM等低成本方案的原因。

技术壁垒和人才短缺也制约了该技术的推广应用。系统开发需要同时掌握图像处理算法、硬件集成和农业生产特性的复合型人才，而这种跨学科人才目前相对稀缺。

05 未来发展趋势

果蔬分选视觉系统正朝着更加智能化、高效化和精细化的方向发展。几个明显趋势值得关注：

智能化与自适应学习能力将成为标准配置。如绿萌公司的系统已经具备通过大数据进行持续学习的能力，能够在检测过程中不断优化模型。未来，随着深度学习技术的进一步应用，系统的自我优化能力将更加强大。

柔性化与模块化设计是另一个重要方向。东田工控的机器视觉控制器提供灵活的配置选项和强大的兼容性，使企业能够用同一平台解决多种视觉检测需求，显著降低综合投入成本。

多技术融合将推动系统性能进一步提升。例如，将YOLOv8目标检测算法与计算机视觉技术结合，或采用多光谱成像技术同时获取表面和次表面信息。未来还可能引入动态光照补偿和Transformer模块，解决低光环境下损伤识别的瓶颈问题。

远程监控与维护功能日益普及。通过物联网技术的支撑，制造商能够借助云端平台实时监控设备运行状态，进行故障预警和维护指导，大幅提升用户体验和维护效率。

---

江苏斯味特果业的生产车间里，机器人正有条不紊地进行苹果的自动装箱和码垛。

这些机器人根据不同果径及包装盒设计托板，利用食品级软胶吸盘抽取真空以吸取苹果，单台机器人可同时兼容两个等级的果品。

不仅在企业层面，农业科技公司也在不断推进相关技术的创新和应用。例如，襄阳金美科林农业开发有限公司凭借其系列农业机器人项目的创新突破，荣获了“民营科技发展贡献奖科技创新三等奖”。

随着技术的不断进步和成本的逐步降低，果蔬分选视觉系统将从大型企业向中小型农户普及，从高端水果向大众化农产品扩展，最终实现对传统分选方式的全面替代。