水果分級系統採計算機視覺提升六倍檢測效率

水果進入市場前，通常要對水果的外部質量等進行檢測分級。而傳統上，果農通常依靠體力勞動進行分級和分類，對人類來說是一項勞力密集和乏味的任務，進而導致錯誤增加和效率降低。面對這個問題，高雄一家業務快速增長的果園業主與智慧檢測和視覺系統整合商海波視（Hitspectra合作，通過採用計算機視覺的創新檢測系統，成功幫助檸檬果農快速提高檢測和分揀效率。海波視運用內部開發的軟體，將 The Imaging Source 的 5 MP USB 3 相機整合至果園現有的分揀系統中，創建一個耐用的檢測和分級系統，將整體良率提升 6 倍。

深度學習方法擴大檢測範圍

早期的自動水果分揀採用簡易的規則檢測來分級，例如水果的顏色和大小。 深度學習方法的發展為檢測標準不容易量化或定義的應用提供視覺解決方案，能進行更廣泛的重點檢測和分類標準 - 瑕疵、腐化、黴菌和其他缺陷。海波視將新的檢測站整合至果園分揀設施的現有重量篩選機中，工業彩色相機在檸檬沿著輸送帶移動時，從多個角度捕捉圖像。然後對圖像數據進行分割、融合，並與訓練數據進行形狀、大小、顏色和表面缺陷的分析。然後，根據訓練數據，系統將檸檬分類為"OK"或"NOK"。

視覺系統以較少的工作量最大限度地提高產能

在整合視覺解決方案之前，三名員工每小時處理約400公斤檸檬。使用新系統後，一名員工每小時能處理 800 公斤，效率提高了 驚人的6 倍。人工智慧系統準確率提高達九成，預計未來在額外的更新和訓練數據後會看到更多的改進。 海波視經理表示：「藉由[農業應用]自動視覺檢測的成功引入，能減輕人員作業負擔及量化、標準化物料篩選標準。 」

藉由精巧的USB 3工業相機提高圖像品質

The Imaging Source 的工業彩色相機提供 HDR 成像功能，可確保細節豐富、高品質的圖像數據，在分級和分揀應用中，非常適合用來精確捕捉表面缺陷和其他關鍵特徵。相機的圖像數據能讓系統使用不同的分類標準，如表面缺陷、果實形狀、大小和顏色，同時還提供數位圖像存檔。 其精巧的外型設計及USB3 Vision標準有助於相機無縫整合到新系統和現有系統中，也能確保輕鬆設置。 500萬像素的解析度提供了理想的圖像數據量，能毫不費力地從各個角度捉取多個詳細圖像，也不會對系統的運算資源造成壓力，從而使系統在所需的週期時間內能有效地運行。