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，主要导致错误增加和面对这个问题，高雄某业务增长快速的果园业主与智慧检测和视觉系统整合商海波视（Hitspectra）合作，通过采用计算机视觉的创新检测系统成功，帮助柠檬果农提高检测和分拣海波视运用内部开发的软件，将成像源的5 MP USB 3相机整合至果园现有的分拣系统中创建，一个完善的检测和分级系统，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单的规则检测来分级，例如水果的颜色和大小。深度学习方法的发展为检测标准易于量化或定义的应用提供了视觉解决方案，能够进行更广泛的重点检测和分类标准 - 缺陷、腐化、霉菌和其他缺陷。海波视将新的检测站整合至果园分拣设施的现有重量筛选机中，工业彩色滤光片在柠檬沿管道带移动时，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”。

浮动系统以最快的工作量最大限度地提高产能

在整合视觉解决方案之前，三名员工可处理约400公斤柠檬。使用新系统后，一名员工可处理800公斤，效率提高了惊人的6倍。人工智慧系统准确率提高了九成海波视经理表示：“污染物由[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标准化筛选筛选”标准。」