水果分级系统采计算机视觉提升六倍检测效率

水果进入市场前，通常要对水果的外部质量等进行检测分级。 而传统上，果农通常依靠体力劳动进行分级和分类，对人类来说是一项劳力密集和乏味的任务，进而导致错误增加和效率降低。面对这个问题，一家业务快速增长的果园业主与智能检测和视觉系统集成商海波视 Hitspectra合作，通过采用计算机视觉的创新检测系统，成功帮助柠檬果农快速提高检测和分拣效率。海波视运用他们内部开发的软件，将 The Imaging Source 的 5 MP USB 3 相机 集成至果园现有的分拣系统中，创建一个耐用的检测和分级系统，将整体良率提升 6 倍。

深度学习方法扩大检测范围

早期的自动水果分拣采用简易的规则检测来分级，例如水果的颜色和大小。深度学习方法的发展为检测标准不容易量化或定义的应用提供视觉解决方案，能进行更广泛的重点检测和分类标准 - 瑕疵、腐化、霉菌和其他缺陷。海波视将新的检测站集成至果园分拣设施的现有重量筛选机中，工业彩色相机在柠檬沿着输送带移动时，从多个角度捕捉图像。然后对图像数据进行分割、融合，并与训练数据进行形状、大小、颜色和表面缺陷的分析。然后，根据训练数据，系统将柠檬分类为"OK"或"NOK"。

视觉系统以较少的工作量最大限度地提高产能

在集成视觉解决方案之前，三名员工每小时处理约400公斤柠檬。使用新系统后，一名员工每小时能处理 800 公斤，效率提高了 惊人的6 倍。人工智能系统准确率提高达九成，预计未来在额外的更新和训练数据后会看到更多的改进。海波视经理表示：「藉由[农业应用]自动视觉检测的成功引入，能减轻人员作业负担及量化、标准化物料筛选标准。」

藉由精巧的USB 3工业相机提高图像品质

The Imaging Source 的工业彩色相机提供 HDR 成像功能，可确保细节丰富、高质量的图像数据，在分级和分拣应用中，非常适合用来精确捕捉表面缺陷和其他关键特征。相机的图像数据能让系统使用不同的分类标准，如表面缺陷、果实形状、大小和颜色，同时还提供数字图像存档。 其精巧的外型设计及USB3 Vision标准有助于相机无缝集成到新系统和现有系统中，能确保轻松设置。500万像素的分辨率提供了理想的图像数据量，能毫不费力地从各个角度捉取多个详细图像，也不会对系统的运算资源造成压力，从而使系统在所需的周期时间内能有效地运行。