农产品内外品质AI分选：高光谱视觉实验进展

本实验室近期围绕高光谱成像与深度学习的结合，探索农产品内外品质一体化分选的技术路径。传统RGB视觉仅能获取表面色泽与形状信息，对早期碰伤、内部褐变及糖酸度差异等指标的辨识能力有限。实验平台采用400–1000nm高光谱相机与RGB相机同步采集，已构建苹果、马铃薯两类样本共计约3200组光谱—图像配对数据。

阶段性进展：采用光谱降维与3D卷积相结合的双分支网络，内部褐变识别准确率由单光谱基线的82%提升至91.4%，单果推理时间约0.8秒。

下一步计划：与本地分选设备厂商开展产线中试，重点验证传送带振动与光照波动条件下的模型鲁棒性，并通过有效波段筛选尝试降低传感器成本。

需要说明的是，高光谱设备成本与数据采集效率仍是规模化应用的门槛，现阶段结论仅基于实验环境，产线验证数据将另行披露。