隨著經濟的發展和消費水平的提升，消費者對水果的外觀品質要求逐漸提高。

但自然界中生長的蘋果、西紅柿等水果蔬菜，并沒有統一的標準，每個果實在形態、成熟度、光學質量、重量和損傷程度方面都各不相同。

因此，生產后期的處理成了水果競價的關鍵因素。從食品市場到折價零售商，再到加工業，對質量的要求不同，價格也高低不一。不難發現，在超市選購水果時，即使是相同品種的水果也會綜合重量、外觀、顏色等劃分為不同等級，標記相對應的價格。

01水果生產線上的分揀難題

如何精確分類，確保水果蔬菜不低價銷售也成了生產商最感興趣的經濟手段。

在水果的商品化加工過程中，包含很多環節，最重要的一步便是——分揀，為實現更高利潤銷售，水果加工廠需要將這一批次的水果通過瑕疵、缺陷程度、大小、顏色等分為不同的等級。

分等級銷售能使該產品的同類指標基本達到一致且最大程度的提高經濟效益，也讓消費者可以根據自己的需求進行購買，同時便于運輸和貯藏，降低損失。這也再次說明了“分揀”這一過程對于水果生產運輸及銷售的重要性。

南京XX立有限公司是一家視覺硬件集成商，有多年視覺驗證和傳統視覺的檢測能力，但因缺乏合適的算法，對客戶對生產線上蘋果外觀檢測效率很不理想。

蘋果瑕疵檢測

缺陷檢測：碰傷、劃痕、破皮

02矩視低代碼平臺助力水果自動化分類

目前，我國的水果大多采用人工分揀的加工方式，極少部分大型水果廠也只是采用了機械選果機這種單一的檢測設備。

手工分揀方式雖然可以最大限度地減少檢測過程對水果的損傷，且適用范圍廣，但是需要大量勞動力，還存在著工作量大、效率低和速度慢等弊端,況且水果分揀是一個長期重復性的工作,如果單純依靠增加人工提高其分揀速度,反而會增加生產成本,影響水果在市場上的競爭力。

相對于傳統的分級技術，機器視覺技術因具有高效、精確、非接觸測量的優勢，使水果蔬菜自動化分類成為可能。

與其他提供定制化服務的視覺解決方案商不同，矩視智能提供標準化的機器視覺低代碼協同開發平臺。僅通過標注、訓練、測試等功能，用戶就可以在平臺內完成一站式AI視覺質檢從訓練至部署上線。

標注：采用“目標定位”功能，建立產品缺陷標簽，一鍵標注即可。

訓練：利用一個帶標簽的圖像集作為訓練集，對卷積神經網絡開展訓練，模型會自動學習樣本中不同等級蘋果的特征，利用訓練好的卷積神經網絡，可以很容易對不同特征的蘋果進行分類。

測試：利用已有訓練模型，對未標注圖像進行測試，未標注圖像自動標注成功，準確率達99.9%。

隨著我國人口紅利的消失，人工成本的不斷上漲，傳統的人工分揀方式越來越不適用，且人工分揀受操作人員主觀因素的影響較大，檢測精度和檢測質量都無法保證穩定，難以實現一個標準化的管控。

未來隨著科技的發展，勞動力將成為最昂貴的成本。因此，推動水果自動化分類是大勢所趨，也是實現智能農業的必經階段。