傳統色選機把顏色相近的虫體、塑料碎屑當作合格原料放行，又把帶斑點的正常果蔬當異物剔除——檢出與誤剔此消彼長。該廠用 DaoAI 深度學習模型重建了判定邏輯。
>97%異物檢出
<1%誤剔率
6.5t/h處理量
該生鲜加工廠為商超與餐飲渠道供應淨菜與冷冻果蔬原料，日處理量超過百吨。傳統光電色選機依賴固定顏色閾值，面對與原料顏色接近的異物（深色虫體、半透明塑料、同色石粒）幾乎無能為力；為了不漏檢，只能把閾值收緊，結果大量帶自然斑點、輕微色差的合格原料被一並剔除，良品損耗居高不下。
DaoAI 部署 AI-AOI 視覺檢測系統替代規則式色選。深度學習模型不再只看顏色，而是綜合紋理、形態、邊緣與上下文，學會區分「真異物」與「原料的自然差異」——同樣是一塊深色，模型能判斷它是霉變異物還是品種本身的深色斑。針對偶發的稀有異物類型，用 APDT 少樣本能力，幾十張樣本即可讓產線快速適配新批次原料，無需重新標注海量數據。
方案構成
- AI-AOI 高速線掃成像 + 深度學習缺陷/異物模型，與原有氣吹剔除機構對接
- 品質分級模型同步輸出大小、色澤、損傷等級，異物剔除與分級一次完成
- APDT 少樣本快速接入新原料批次，標注量下降約 80%
- 判定結果留檔，支持按批次回溯異物類型與剔除明細
檢出與誤剔不再此消彼長——模型學會了區分真異物與原料的自然差異。
上線後，異物檢出率從原色選機的約 88% 提升至 97% 以上，誤剔率由 4–6% 降至 1% 以下，相當于每小時少損耗數百公斤合格原料；產線在 6.5 吨/時通量下穩定運行，品質分級與異物剔除合並為單一工位，人工複檢岗位減少，綜合良品率顯著回升。