DaoAI 3D 機器人視覺助力農產品成熟度分揀

在食品/農業行業，農產品成熟度的精準分揀至關重要。微鏈道愛的 DaoAI 3D 機器人視覺為這一工序帶來了革新性的解決方案。

在食品/農業行業，農產品的品質和成熟度直接影響其市場價值和後續加工。某農產品加工商的產線主要處理多種水果和蔬菜，在分揀工序中，需要根據農產品的成熟度將其分為不同等級。傳統的分揀方式依賴人工，不僅效率低下，而且容易出現誤判。該產線每天要處理大量的農產品，人工分揀難以滿足日益增長的產量需求，且人工長時間工作會導致疲劳，影響分揀的準確性。

痛點：這道坎為什麼難過

從多個維度來看，該產線面臨着诸多困境。漏檢率方面，人工分揀的漏檢率高達 15%，這意味着有相當一部分不符合特定成熟度要求的農產品會流入到下一個工序，影響最終產品的質量。誤報率也不容小觑，達到了 20%，這會造成資源的浪費和後續處理成本的增加。人工複判工時占總工時的 30%，極大降低了整體的工作效率。由於農產品種類繁多，換型停機時間較長，平均每次換型需要 30 分鐘，嚴重影響生產節拍。在合規風險上，若分揀不準確，可能導致產品不符合市場標準，面臨召回等風險。單件成本也因人工成本高和效率低而居高不下。

這些問題的根源在於工藝、成像和材料等多個層面。從工藝上看，農產品的成熟度判斷沒有明確的量化標準，不同的人有不同的判斷方法，缺乏統一的規範。成像方面，農產品的外觀複雜，顏色、形狀各異，且表面可能存在污渍、劃痕等幹擾因素，傳統成像技術難以準確捕捉成熟度特征。材料上，農產品是活體，其成熟度會在短時間內發生變化，增加了檢測的難度。結合今日熱點，傳統人工分揀方式無法像機器人通過學習大量‘人類幹活實錄’那樣，快速掌握多種成熟度判斷標準和應對複雜情況。

技術原理

DaoAI 3D 機器人視覺采用自研 3D 相機，能夠獲取農產品的三維形貌信息。其 6D 位姿估計算法可以精確確定農產品在空間中的位置和姿態，為後續的抓取和分揀提供準確的定位。在無序料箱抓取（bin picking）功能中，算法可以識別出農產品的位置和朝向，引導機械臂準確抓取。對於塗膠/裝配/上下料引導，通過精確的視覺反饋，確保機械臂在操作過程中的準確性。腦·眼·體閉環系統使得視覺系統、控製系統和機械臂之間實現高效協同，提高整體的工作效率。亞毫米手眼協調能力保證了機械臂在抓取和放置農產品時的高精度。這種技術之所以有效，是因為它綜合考慮了農產品的三維特征和空間信息，避免了傳統二維成像技術因表面特征不明顯而導致的誤判。

與傳統的規則 AOI 和人工目檢相比，DaoAI 3D 機器人視覺具有顯著的優勢。規則 AOI 通常是基於預設的規則進行檢測，對於農產品這種外觀和成熟度變化複雜的對象，很難製定全面準確的規則，容易出現漏檢和誤報。人工目檢則受限於人的生理極限和主觀因素，效率低且準確性不穩定。而 DaoAI 3D 機器人視覺可以通過學習大量的樣本數據，不斷優化檢測算法，適應不同農產品的特點，提高檢測的準確性和效率。

典型應用場景

• 顏色分揀：通過 3D 相機獲取農產品的顏色信息，結合成熟度模型，判斷其成熟度等級。難點在於農產品顏色會受到光照、表面污渍等因素影響，需要算法進行校正和分析。
• 形狀檢測：檢測農產品的形狀是否符合標準，對於形狀不規則或有損傷的產品進行篩選。難點在於不同品種的農產品形狀差異大，需要建立多種形狀模型。
• 大小分類：根據 3D 相機測量的農產品尺寸，將其分為不同的大小等級。難點在於準確測量農產品的邊界和尺寸，避免因測量誤差導致分類不準確。
• 表面缺陷檢測：檢測農產品表面是否存在腐烂、虫洞等缺陷。難點在於缺陷的特征不明顯，容易被表面的自然紋理或污渍掩蓋。

落地案例

某中型農產品加工企業引入了 DaoAI 3D 機器人視覺系統用於農產品成熟度分揀。該企業每天處理約 5 吨的各類農產品，在未使用該系統前，人工分揀效率低下，漏檢和誤判情況嚴重。在上線過程中，微鏈道愛的技術團隊首先對產線進行了詳細的調研和分析，根據企業的需求和農產品的特點進行了系統的定製化開發。經過一周的調試和優化，系統正式投入使用。上線前，漏檢率為 15%，誤報率為 20%；上線後，漏檢率降低到了<1%，誤報率降低到了 3%。換型時間從原來的平均 30 分鐘縮短到了 5 分鐘，大大提高了生產效率。

DaoAI 3D 機器人視覺系統的應用，讓農產品分揀實現了從人工粗放式到智能精準式的跨越。

微鏈道愛解決方案與產品

微鏈道愛的 DaoAI 3D 機器人視覺以其核心的自研 3D 相機和先進的算法為農產品分揀提供了強大的支持。在建模方面，通過采集大量不同品種、不同成熟度的農產品樣本數據，訓練出精準的成熟度判斷模型。換型時，系統可以快速調整參數，適應新的農產品品種，僅需 5 分鐘即可完成換型。部署方式靈活，支持 SDK / API / Docker，可根據企業的實際情況選擇合適的部署方案。在集成方面，能夠與企業現有的產線設備無縫對接，實現數據的共享和協同工作。同時，配套的 DaoAI AI AOI 軟件系統可以進一步提高檢測的準確性，通過視覺基礎模型的特征認知和少樣本學習，快速識別農產品的特征。

量化成效

DaoAI 3D 機器人視覺系統為企業帶來了顯著的量化成效。在檢測準確性上，漏檢率從 15%降低到了<1%，誤報率從 20%降低到了 3%，大大提高了產品的質量。換型時間從平均 30 分鐘縮短到 5 分鐘，提高了生產的靈活性和效率。在人力成本方面，由於減少了人工分揀和複判的工作量，人力成本降低了 -60%，為企業節省了大量的開支，提升了企業的市場競爭力。