水果進入市場前，通常要對水果的外部質量等進行檢測分級。而傳統上，果農通常依靠體力勞動進行分級和分類，對人類來說是一項勞力密集和乏味的任務，進而導致錯誤增加和效率降低。面對這個問題，高雄一家業務快速增長的果園業主與智慧檢測和視覺系統整合商海波視 （Hitspectra）合作，通過採用計算機視覺的創新檢測系統，成功幫助檸檬果農快速提高檢測和分揀效率。海波視運用內部開發的軟體，將 The Imaging Source 的 5 MP USB 3 相機整合至果園現有的分揀系統中，創建一個耐用的檢測和分級系統，將整體良率提升 6 倍。

深度學習方法擴大檢測範圍
早期的自動水果分揀採用簡易的規則檢測來分級，例如水果的顏色和大小。 深度學習方法的發展為檢測標準不容易量化或定義的應用提供視覺解決方案，能進行更廣泛的重點檢測和分類標準 - 瑕疵、腐化、黴菌和其他缺陷。海波視將新的檢測站整合至果園分揀設施的現有重量篩選機中，工業彩色相機在檸檬沿著輸送帶移動時，從多個角度捕捉影像 。然後對影像數據進行分割、融合，並與訓練數據進行形狀、大小、顏色和表面缺陷的分析。然後，根據訓練數據，系統將檸檬分類為“OK”或“NOK”。

視覺系統以較少的工作量最大限度地提高產能
在整合視覺解決方案之前，三名員工每小時處理約400公斤檸檬。使用新系統後，一名員工每小時能處理 800 公斤，效率提高了 驚人的6 倍。人工智慧系統準確率提高達九成，預計未來在額外的更新和訓練數據後會看到更多的改進。 海波視經理表示：「藉由[農業應用]自動視覺檢測的成功引入，能減輕人員作業負擔及量化、標準化物料篩選標準。 」