為新(xin)鮮農產(chan)品(pin)(pin)制定合適的(de)分級標準，往(wang)往(wang)需(xu)要投入(ru)大(da)量時間、溝通和努力。而隨著每一(yi)季(ji)節(jie)的(de)變化，挑(tiao)戰(zhan)也隨之而來(lai)。陶朗食品(pin)(pin)正是借助 AI 驅動的(de)解決方案，幫助您輕松應對這種變化。
從先進(jin)的深(shen)度學習模型到用(yong)(yong)戶友好的機器學習應(ying)用(yong)(yong)，我(wo)們(men)的 AI 技術不僅支持您做出(chu)更明(ming)智的戰(zhan)略決策，還(huan)能減輕操(cao)作人(ren)員的負擔。最終目標，是確保每一季(ji)的產品都能被正確分(fen)選和包裝(zhuang)，從而提升品質、一致性與(yu)收益。
什么是人工智能？
人工智能(neng)（AI）是(shi)一個統(tong)稱，包含多種(zhong)先進的模(mo)型和算(suan)法(fa)，賦予機器“感知—思考(kao)—行動—自我優化”的能(neng)力，以(yi)模(mo)擬人類(lei)的決策(ce)過程(cheng)。當 AI 技術應(ying)用于分選系統(tong)時(shi)，可在速度、一致(zhi)性與(yu)準(zhun)確性方面遠(yuan)超人工操作。
在陶(tao)朗食品，我們將(jiang) AI 技(ji)術深(shen)度集成(cheng)于(yu)光學檢(jian)測與分選設(she)備中，確(que)保不同(tong)品種、狀(zhuang)態(tai)與產(chan)量(liang)的產(chan)品都能精準(zhun)、高效(xiao)地完成(cheng)分選。
任(ren)何人(ren)工智能產(chan)(chan)品(pin)的(de)(de)(de)(de)(de)一項關鍵(jian)要素是訓(xun)練數(shu)據(ju)的(de)(de)(de)(de)(de)質量(liang)(liang)。對分選系統而(er)言，這些數(shu)據(ju)以訓(xun)練圖像的(de)(de)(de)(de)(de)形式(shi)存(cun)在。而(er)圖像數(shu)量(liang)(liang)與(yu)標注(zhu)準確性，直接決定(ding)模型(xing)表現的(de)(de)(de)(de)(de)好壞(huai)。如果您是農產(chan)(chan)品(pin)的(de)(de)(de)(de)(de)種(zhong)(zhong)植(zhi)者、包裝商或加工商，您需要一款(kuan)不僅(jin)能基于(yu)(yu)海量(liang)(liang)數(shu)據(ju)（所有(you)品(pin)種(zhong)(zhong)、缺(que)陷、季(ji)節(jie)性等）進行訓(xun)練的(de)(de)(de)(de)(de) AI 產(chan)(chan)品(pin)，還能基于(yu)(yu)質量(liang)(liang)數(shu)據(ju)進行訓(xun)練。高(gao)質量(liang)(liang)的(de)(de)(de)(de)(de)圖像（結合分選機上的(de)(de)(de)(de)(de)高(gao)性能傳感器）能幫助您快(kuai)速提升績效。
這正(zheng)是陶朗的優勢所在。陶朗擁(yong)有領先的數據資源和硬(ying)件設(she)備，能采(cai)集高質量圖(tu)像并(bing)訓練出表現卓越(yue)的模型。這源于我們遍(bian)布全(quan)球的多(duo)樣(yang)化農產品數據庫、精準的光學傳感技術(shu)以及遍(bian)布世界(jie)各地的成(cheng)功應用經驗。
更(geng)好(hao)(hao)的訓練數據(ju)和更(geng)好(hao)(hao)的機器性能帶來更(geng)智能的結果(guo)，讓您(nin)實(shi)現更(geng)高(gao)產值(zhi)和更(geng)強市場競爭力。
SmartSort：精準機器學習驅動
多年來，陶朗食品在產品中廣泛應用 AI 中的一個分支——機器學習，其核心引擎名為 SmartSort。
SmartSort 能(neng)識別大量圖(tu)像中的(de)規律，用于(yu)檢(jian)測(ce)：
- 異物
- 結構性缺陷（與產品尺寸無關）
- 色彩異常（如葉片上的黑點）
當我們(men)談論(lun)陶朗食品的(de)(de)(de)(de)(de)機(ji)(ji)器(qi)(qi)(qi)學(xue)習(xi)(xi)時(shi)，我們(men)指的(de)(de)(de)(de)(de)是各種各樣(yang)的(de)(de)(de)(de)(de)模型(xing)和應用(yong)，從簡單(dan)的(de)(de)(de)(de)(de)預測到多變量決(jue)策。總而言之，它(ta)擁(yong)有(you)令人(ren)難以置(zhi)信的(de)(de)(de)(de)(de)精準(zhun)度，能夠賦(fu)能操作員(yuan)(yuan)。操作員(yuan)(yuan)可通過(guo)直觀界面(mian)，在(zai) TOMRA 5B 或(huo) 5C 設備(bei)中(zhong)自(zi)(zi)定義(yi)分(fen)選標(biao)(biao)準(zhun)（如形狀、尺寸、生(sheng)物特征等），設定后系(xi)統即可自(zi)(zi)動運行(xing)，并在(zai)運行(xing)中(zhong)持續(xu)優化學(xue)習(xi)(xi)，提升穩定性和準(zhun)確(que)性。隨著時(shi)間的(de)(de)(de)(de)(de)推移(yi)，它(ta)會提升操作員(yuan)(yuan)的(de)(de)(de)(de)(de)績(ji)效，甚(shen)至可能開辟新的(de)(de)(de)(de)(de)收入來(lai)源(yuan)。使(shi)(shi)用(yong) 5B 和 5C 內置(zhi)的(de)(de)(de)(de)(de)機(ji)(ji)器(qi)(qi)(qi)學(xue)習(xi)(xi)功(gong)能的(de)(de)(de)(de)(de)客(ke)戶發現，他(ta)們(men)能夠輕松滿足最(zui)嚴格(ge)的(de)(de)(de)(de)(de)產品安全標(biao)(biao)準(zhun)，并快速適應不斷(duan)變化的(de)(de)(de)(de)(de)客(ke)戶要求和期望。3A 和 5A 也內置(zhi)了機(ji)(ji)器(qi)(qi)(qi)學(xue)習(xi)(xi)功(gong)能。例(li)如，美國 Sackett Ranch 使(shi)(shi)用(yong) TOMRA 3A 去除田間異物如石頭、玉米芯(xin)、土(tu)(tu)(tu)塊和綠色(se)土(tu)(tu)(tu)豆(dou)等，再(zai)通過(guo) TOMRA 5A 進行(xing)最(zui)終分(fen)級。TOMRA 5A 是一款(kuan)多變量分(fen)選設備(bei)（基于機(ji)(ji)器(qi)(qi)(qi)學(xue)習(xi)(xi)），可根據(ju)土(tu)(tu)(tu)豆(dou)的(de)(de)(de)(de)(de)大(da)小、質量和顏色(se)對其進行(xing)分(fen)類，并剔除綠色(se)和不合格(ge)的(de)(de)(de)(de)(de)土(tu)(tu)(tu)豆(dou)，確(que)保殘次品率低(di)于 2%。
什么是深度學習？
是目前應用于農產品分選中先進的 AI 技術。陶朗食品的深度學習系統以為核心，打造了旗艦產品 LUCAi?。
CNN 能(neng)自動識(shi)別圖像中的(de)邊緣(yuan)、紋(wen)理、顏色等特(te)征，就像人類大腦(nao)在(zai)視覺(jue)上所(suo)做的(de)處理。當(dang)您在(zai)田地里看到(dao)土壤干燥、天氣晴朗(lang)、植(zhi)(zhi)物枯(ku)萎，您會通過整(zheng)體觀察判(pan)斷“這(zhe)里太干旱(han)了(le)，需要灌溉”。構成 CNN 的(de)深層網絡(luo)和訓練(lian)數(shu)據將更好(hao)地理解(jie)植(zhi)(zhi)物枯(ku)萎的(de)原因，不僅對預測更有信心，還能(neng)了(le)解(jie)葉片枯(ku)萎的(de)嚴重程度(du)。LUCAi? 就具備類似的(de)綜合判(pan)斷能(neng)力。
陶朗食品應用深度(du)(du)學習來(lai)預測缺陷或(huo)瑕疵(ci)的(de)嚴重程度(du)(du)，這為種植者和包裝商帶(dai)來(lai)了更高的(de)精度(du)(du)和定制化。
為什么選擇卷積(ji)神(shen)經網絡而不是其他(ta)方(fang)法(fa)？因為它們恰好非常適(shi)合食品分(fen)(fen)類(lei)和分(fen)(fen)級(ji)，因為這些復雜模型的本質提供了：
- 精準度：完美識別瑕疵、擦傷和細微缺陷
- 分層學習：理解簡單和復雜的視覺模式
- 適應性：適應不同的品種、光照條件和生長環境
- 可靠性：即使跨班次和操作員也能提供一致的結果
LUCAi? 如何實現 99% 以上的缺陷準確率
傳統(tong)的基于(yu)簡單機器學習(xi)的分(fen)級模型，通過分(fen)析(xi)水果的各個部分(fen)（每(mei)次僅分(fen)析(xi)幾個像素）來工作。而得益于(yu)我們(men)之(zhi)(zhi)前描述(shu)的 CNN， LUCAi? 可模擬人腦的視覺(jue)皮層，在做出智能的、基于(yu)情境(jing)感知(zhi)的預測之(zhi)(zhi)前，先理(li)解整幅(fu)圖像。從這個意(yi)義上講，它(ta)不(bu)只(zhi)是(shi)(shi)標記腐爛或缺(que)陷——它(ta)了(le)解它(ta)們(men)是(shi)(shi)什么(me)、它(ta)們(men)的嚴重程度以及這對水果在分(fen)級公差范圍內意(yi)味(wei)著什么(me)。
LUCAi? 能以(yi)超過 99% 的準確率檢測出缺陷，并結(jie)合(he)以(yi)下(xia)信(xin)息為每個果品賦值：
- 缺陷類型：產品有什么問題
- 置信度：分類的確定性
- 嚴重程度評級：0-100 的等級，衡量缺陷的嚴重程度
這賦予操作人(ren)員更(geng)高的(de)控制力，同時消除了人(ren)為干(gan)預帶(dai)來的(de)不一致性，使得產品分級標準更(geng)加統一、可靠。
傳統機器學習與深度學習：哪種更適合您？
| 比較維度 | 機器學習（SmartSort） | 深度學習（LUCAi?） |
|---|---|---|
| 模型類型 | 多變量傳統算法 | 卷積神經網絡（CNN） |
| 數據復雜性 | 簡單至多變量，像素級分析 | 自動特征提取 |
| 操作員設置 | 需要專家配置 | 由主操作員進行標準化設置 |
| 學習能力 | 需人工訓練新缺陷 | 陶朗模型持續更新，全球共享 |
| 一致性 | 配置得當的時候效果好 | 各季節、各班次始終如一 |
| 性能表現 | 操作員熟練時表現出色 | 一經設定，持續高精度 |
| 數據產權 | 本地系統，數據歸屬客戶 | 共享全球模型，持續優化 |
這兩種 AI 技術都(dou)非常強(qiang)大(da)，但(dan)它們(men)滿足的(de)需(xu)(xu)求不同。機器學習功能強(qiang)大(da)、靈(ling)活且(qie)易于操作，而深度學習可以提高精度，同時(shi)帶(dai)來一致性，并減少技術和整體的(de)培訓需(xu)(xu)求。
如果您正在使用陶朗設備，您很可能已在用 AI
陶朗食(shi)品不斷升級其(qi) AI 技術，持(chi)續(xu)擴展模型的功能與適(shi)用范圍。我(wo)們(men)的目標(biao)始終是：提(ti)升精度(du)、降低復雜度(du)、讓每位客戶都能輕松應對變化。
如需(xu)了(le)解(jie) LUCAi? 或 SmartSort 如何適配您的業務(wu)，請聯系您的客(ke)戶經(jing)理，或通(tong)過我們的官網獲取(qu)更多信(xin)息。
可搭載 AI 的陶朗分選與分級設備
適用于不同產品與場景的解決方案：
- TOMRA 3A：高效剔除田間異物，適用于馬鈴薯、洋蔥、甜菜等。
- TOMRA 5A：結合尺寸測量與缺陷識別，適用于鮮食馬鈴薯、蘿卜、腌黃瓜、辣椒等。
- TOMRA 5B：追求極致質量與高產出，適用于冷凍蔬菜、水果干等。
- TOMRA 5C：可靠剔除異物并便于維護，適用于藍莓、干果、葉菜等。
- KATO260 + LUCAi?：專為藍莓打造的 AI 智能分級平臺。
- InVision2 + LUCAi?：柔軟果實（如櫻桃）智能分級，兼顧產能與一致性。
- Spectrim + LUCAi?：水果分級首選，適用于蘋果、牛油果、柑橘、獼猴桃等。
- TOMRA Neon：高效剔除藍莓串果、不成熟果與異物，為包裝線提速。
若您(nin)希(xi)望深入了解(jie)陶朗(lang)的 AI 解(jie)決方(fang)案如何(he)提升您(nin)的工廠效(xiao)能，歡迎(ying)聯系我們安排演(yan)示或技術支持。