水果进入市场前，通常要对水果的外部质量进行检测分级。传统上，果农通常依靠人工体力劳动进行分级和分类，这对人工来说是一项劳力密集和乏味的任务，进而容易出现人为检测错误和效率降低。

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合作，采用基于计算机视觉的创新检测系统，成功帮助柠檬果农快速提高柠檬的检测和分拣效率。海波视运用自身内部开发的软件，将The Imaging Source的 5MP USB 3 相机集成至果园现有的分拣系统中，创建了一套耐用的检测和分级系统，将柠檬的整体检测效率提升了6倍。 

图1 柠檬分级和分拣：海波视集成计算机视觉创建的检测和分拣系统，迅速提高了果园经营者检测柠檬的效率和准确性

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，例如依据水果的颜色和大小。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了解决方案，能进行更广泛的重点检测和分类标准，能够检测瑕疵、腐烂、霉菌和其他缺陷。

海波视将新的检测系统集成到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，并依据训练数据进行分析，以检测形状、大小、颜色和表面缺陷。最终，系统将柠檬分类为“OK”或“NOK”。 

图2 人工智能方法提供了更多的检测可能性：对图像数据进行分割、融合，并依据训练数据进行分析，以检测形状、大小、颜色和表面缺陷

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，三名员工每小时大约能处理400公斤柠檬。使用新系统后，一名员工每小时能处理 800 公斤柠檬，工作效率提高了6 倍。人工智能系统的使用，使得检测准确率提高了九成之多，预计未来在额外的更新和训练数据后，还会有更多的改进。海波视发言人表示：“自动视觉检测系统的成功引入，能大量减轻工作人员的作业负担及量化、标准化物料的筛选标准。”

图3 The Imaging Source 的 5MP USB 3 工业相机，可轻松集成到新系统和现有系统中

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，同时还能提供数字图像存档。 

该相机小巧的外型设计及USB3 Vision标准，有助于其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，并且不会对系统的运算资源造成压力，从而使系统能在所需的周期时间内有效运行。 

（文/The Imaging Source ）