Appearance
靠眼睛挑果的人,和能看见糖的它
农业机器人系列 · 05 · 分拣分级机器人

一、小杨的分拣账本
傍晚六点,小李摘下来的一车苹果运进了分拣车间。接货的是小杨——小李的妻子,农场里“采了果子之后”的所有事,都归她。小杨管的这一环,行话叫“采后”:果子从树上摘下来只是农产品,分完级才叫商品——这是从“论堆卖”到“论个卖”的分水岭。
小杨对这件事的最早记忆,是小时候看长辈在院子里挑果:一盏灯、一张桌、一双手,好果坏果全凭眼力,一晚上挑不了几筐,眼睛熬得发酸还看不准——尤其是霉心病,苹果外表好好的,切开才发现心是黑的,混进礼盒就会被客户投诉。更扎心的是钱:同样的果子,混着卖是地摊价;分了级、贴了牌,价格能差出几倍。这不是一家果农面临的问题,是行业痛点——我国果蔬和薯类产后损失率高达 15%-25%,每年损失近 2 亿吨;细分到果品,采后损失率 17%-20%,年损失产值超千亿元。农业农村部相关负责人那句“要学会给农产品‘梳妆打扮’”,说的就是这条产后链。
这就是今天要拆的场景:分拣分级机器人——给每一颗果子“相面、把脉、分家”。
先摆场景卡片:
| 场景卡片 | 内容 |
|---|---|
| 任务 | 外观分级(大小/果形/色泽/瑕疵)+ 内部品质分级(糖度/酸度/霉心/褐变)+ 清洗保鲜包装 |
| 环境 | 采后车间/产地仓:高频次、大货量、怕磕碰、季节性爆仓 |
| 频次 | 收获季连轴转;错季销售是利润大头 |
| 效率差距 | 人工挑果眼力不稳定、一站一晚几筐 vs 分选线每秒 10+ 个果 |
| 晚干的代价 | 好果卖不出好价;坏果混进好果砸口碑 |
先把一件事说清楚:分拣分级 ≠ 挑坏的扔。机械分选线不是把烂果剔出去那么简单——它是在几百上千个判定维度上,把同一批果子分成几十个等级,让每一颗果子去到它该去的市场:最好的进礼盒,中间的进商超,次一级的进果汁厂。分级不是把果子分开,是把价格分开。
二、机器人是怎么“分果子”的?
把一台现代果品分选线拆开,是三步:看相 → 把脉 → 分家。

第一步,“看相”——给每颗果子做全身拍照。
果子随水流上料、清洗烘干后进入检测段:多光谱相机从多个角度给每一颗果子拍全身照,AI 视觉算法识别大小、果形、色泽,以及软伤、果锈、刺伤、裂口这类瑕疵——好的设备连肉眼都看不清的轻微碰压伤也能识别。同时,高精度动态称重传感器在果子经过时完成称量。更妙的是它的成长性:AI 系统在分选中自动采集学习瑕疵数据,分级精度会持续提升——用行业里的话说,“越用越聪明”。
第二步,“把脉”——不切开果子,看见它的心。
这是分选线最值钱的一步:近红外无损检测。光穿过果子时,糖分、水分、酸这些成分会“吃掉”特定波段的光,探测器读出透射光谱,再用统计模型反推出糖度、酸度,甚至判断霉心、褐变、水心这类内部病变——全程不切一刀。2025 年一项猕猴桃研究显示,近红外模型对可溶性固形物的预测偏差(RPD)超过 2.3,已达到可用精度;此前对红提的研究里,糖度预测相关系数最高做到 0.969。
第三步,“分家”——一颗果子一条流水线归宿。
判定完成,控制器按预设标准发出指令:这颗进特级通道、那颗进一级通道、坏的直接剔除。分好的果子进入自动包装段:拆盘、装托、装箱一气呵成,数据同步进入溯源系统——哪一批果、哪个果园、什么等级,全有记录。
软的部分:AI 视觉算法、近红外化学计量学模型、分级规则引擎、数据追溯平台;
硬的部分:柔性上料与清洗、多光谱相机、近红外光源与探测器、动态称重、分道执行机构、自动包装机。
哪一环弱了都不行——下面看市面上谁把它们做成了生意。(按公开报道与企业官网口径整理,未经本号实测,下同)
三、市面上都有谁?(全球范围盘点)
海外派(先把高精尖的看明白):代表玩家是几家欧洲公司。挪威 TOMRA Food 的 Spectrim 分选平台集成了 LUCAi 深度学习 AI,官方介绍称每秒可评估数千张图像;有第三方市场报告估计其全球份额约 25%。另有主打温和输送的 TOMRA 5B 带式分选机。荷兰 GREEFA 的 GeoSort 面向苹果等娇嫩水果,单通道每秒最多 8 个果,模块化的 iFA 内部品质模块可后装;同国的 Aweta 有 55 年以上历史,Rollerstar 分选线配声学硬度传感器。意大利 Unitec/Unisorting 覆盖 45 种以上果蔬的整线方案。海外的强项是检测精度和整线成熟度;短板是价格高、服务响应远。
TOMRA 的“看图识果”:TOMRA Food 总部在挪威,其 Spectrim 平台最大的卖点是 LUCAi 深度学习系统——用预训练模型评估每秒数千张图像,识别果皮开裂、刺伤这类复杂瑕疵,操作员还可以自定义分级参数;从苹果、樱桃到蓝莓逐品类扩展。它代表了海外派的技术取向:把“看相”这一步的精度和速度推到极限。
国内派(把性价比和普及做起来):代表玩家是江西绿萌——中国果蔬电子智能分选设备的头部(下文细讲)。浙江开浦(2015 年成立)以 AI 视觉+近红外内质检测为标签,官网称服务 1300+ 商业用户;山东龙口凯祥扎根苹果主产区,以活盘式选果机、樱桃分选线见长,海升集团是其客户。
国内的进展:从“称重分选”到“验糖分选”
- 价格带:普通机械/称重线几万元起步,视觉分选线上探到几十万,叠加近红外内质检测的高端线到百万级(具体随通道数与配置浮动);
- 技术追赶:国产近红外内质检测的精度与稳定性已接近进口设备水平,价格约为进口设备的 60%-70%;德庆贡柑用上国产双通道光电分选线,一小时处理 5 吨,内部品质单通道一小时 2 吨;
- 普及困境:全球仍有约 65% 的水果加工依赖人工——分选线是“产线投资”而非“单机购买”,小农户买不起也养不起,合作社、龙头企业、产地仓先行;
- 产地仓模式:电商企业把预冷、清洗、分级、包装打包进产地仓——西安产地仓建 10 座冷库存储 3 万吨果蔬、每天处理 15 万个订单,分选环节嵌进了更大的商品化链条。
如需真实数据或商业合作,本号可协助对接匹配厂商与场景方——场景双向匹配小工具(www.aicdo.com/tool,复制链接到浏览器打开,或见文末入口)。
重点拆解一家把“中国制造”从“能用”做到“能卖上价”的公司——
拆解对象:绿萌(中国)
- 资历:江西绿萌科技控股,2003 年研制出中国第一台果蔬电子重量分选机,2014 年发布中国第一台水果无损伤内在品质含糖量检测分选设备,产品已更新到第四代,拥有 400 多项专利;
- 市场位置:国内中高端果蔬分选市场份额约 70%,产品远销 30 多个国家、服务全球 3000 余家商业用户,在 60 多种果蔬上实现智能分拣;
- 怎么干活:机器视觉+电子称重+激光+近红外光谱+自动控制多技术集成——外观上 FRUSCAN S10 多相机多光谱系统识别大小、果形、色泽与软伤、果锈、裂口,内部品质上 INFRUSCAN EVO7 近红外系统检测糖度与霉心、褐变;
- 怎么收钱:整线销售+定制化分级标准——分选标准可以按客户的渠道需求自定义,这是“分级=分价格”的生意逻辑;
- 一个值得记住的细节:绿萌每条分选线配大数据中控台,自动采集分选数据与入库情况,支撑产地溯源与产能管理——分选线的账本,天生也是数据账本。
褚橙的一条线:云南褚橙的分选厂是国产高端分选线的样板——市面上普通的柑橘分选线价格在几万元左右,多是机械滚杆式,只能按重量分大小;褚橙的分选线价值几百万,设备由绿萌提供,在重量分选之上叠加三维视觉成像(颜色、果型、瑕疵、体积)与近红外内质检测(糖度、酸度、霉心病),六通道分选线运转速度达到每秒 11 个橙,屏幕上直接显示糖酸比,还集成了分选前的杀菌保鲜和分选后的自动定量分装。一个耐人寻味的细节:褚橙前后换过三次分选线,前两次都从国外引进,第三次换成了国产线;绿萌 2025 年的表述更进一步——“三度携手褚橙,建成亚洲最大甜橙分选线”。同样的果子,进什么线,决定卖什么价。
一张表看懂:怎么选
| 形态 | 代表玩家 | 强项 | 短板 | 适合谁 |
|---|---|---|---|---|
| 机械/称重线 | 凯祥等国产厂商 | 便宜、皮实、按大小分 | 只看重量不看品质 | 小农户、合作社保底 |
| AI 视觉外观线 | 绿萌、开浦、GREEFA | 外观瑕疵识别准、越用越聪明 | 看不见果肉内部 | 商超渠道、中型果企 |
| 视觉+近红外内质线 | 绿萌、TOMRA、开浦 | 表里都测、霉心糖度能分级 | 价格高、需品种标定 | 品牌果企、出口企业 |
一句话总结:称重线分大小,视觉线分美丑,近红外线分甜不甜——三级分选,对应三级价格。
四、这个场景缺什么数据?

分选线是农业机器人里离“钱”最近的数据入口——每一个等级、每一批货源、每一条渠道的价差都在它手里。但目前的真实情况是:
- 外观瑕疵的数据集还是“百张级”:公开的苹果缺陷数据集,如 NDDA/NDDAW(550 张与 560 张,好果/坏果两大类,GitHub 公开)和 Defected Apples Dataset(244 张,PASCAL VOC 标注),量级都在几百张,且不少图像靠网络收集+数据增强扩充——而产线需要的是本地瑕疵谱:胶东、陕北、昭通的苹果,瑕疵长得都不一样;
- “把脉”的模型一果一样:近红外模型对品种、产地、温度敏感,换一个品种往往要重新标定——苹果糖酸在果内分布本就不均匀(阳面高、果核低),温度、大小都要补偿;酸度含量低(苹果总酸仅 0.2%-1.6%),比糖度更难测。2025 年猕猴桃研究证明多品种混合建模可行,但前提是数据够厚;
- “分得好”缺市场反馈闭环:哪个等级的果在哪条渠道卖得好、复购如何——分选数据与销售数据的联动分析还是空白。谁的等级-价格数据库厚,谁的分级标准就值钱。买机器人只是开始,攒数据才是长跑——巡检、采摘、除草、飞防、分拣,又一次成立。
五、理论与实践,落地和揭榜
理论线:分拣分级的核心矛盾是“看得见”与“看不见”——外观检测已经成熟,传统方法分级准确率能到 90% 以上(SVM 苹果分级 92.5%),深度学习进一步提速;真正难的是内部品质:糖酸在果内分布不均匀,近红外透射“看得全”但信号弱、漫反射“测得稳”但只看表层,温度、大小、品种每个变量都要修正——无损检测这一步,本质是在跟光和果肉的物理特性做权衡。
实践线:这个场景在中国走过了清晰的三级跳——2003 年绿萌做出第一台电子重量分选机(分大小)→ 2014 年做出第一台无损伤糖度分选机(分甜度)→ 今天视觉+近红外整线进入褚橙这样的品牌果企(表里都分)。产地端,贡柑、百香果这些区域果品开始用国产线打开“优果优价”。
判断:分拣分级是农业机器人里“离钱最近”的场景——它不直接种果子,却决定果子卖多少钱。设备技术已不是瓶颈,普及率才是:全球约 65% 的水果加工仍靠人工,产地端的空间刚刚打开。对小杨这样的经营者,路径很清晰:先用称重+外观线保底“分大小分美丑”,把品牌做起来再上内质线“分甜度”——前者是成本账,后者是品牌账,两本账分开算。
本期揭榜卡(欢迎工程师、学生、技术爱好者揭榜,通过文末入口提交方案,优质解答下期署名刊登):
- 换品种不换线:近红外模型一果一样,怎么用迁移学习和少样本标定,让一条产线快速适配新品种?(提示:模型迁移、少样本标定、云端模型库、品种指纹)
- 霉心病的产线早筛:霉心果外表无异常,怎么用近红外透射+AI 把它在分选线上挑出来?(提示:透射光谱特征、病果样本库、代价敏感分类、复核机制)
- 合作社级的小型分选模块:百万元级整线用不起,怎么设计日处理几吨的低成本模块化分选单元?(提示:称重+简易视觉、共享分选站、按季租赁、与产地仓共建)
互动入口(复制下方链接到浏览器打开,或点文末“阅读原文”或扫码直达):
- 你有“干不了、干不起、干不好”的真实场景?提交到场景众筹(www.aicdo.com/tool),选中场景免费出适配方案
- 你是机器人企业或者技术大拿?也提交产品与技术信息,进入供需匹配库(www.aicdo.com/tool)
▲ 扫码直达「场景众筹 / 技术招贤」小工具