AI 推动马铃薯自动化分拣与分级技术进步

本文最初刊登于《Spudman》杂志。 点击此处在杂志官网阅读原文。

作者：Melinda Waldrop，《Spudman》杂志执行编辑

总部位于爱达荷州的 Wada Farms 种植了超过 30,000 英亩的马铃薯及其他农产品，运营着一座 140,000 平方英尺的包装车间，2025 年营收达 3750 万美元。作为全美最大的鲜食马铃薯和洋葱种植与运输商之一，该公司亲眼见证了人工智能驱动的创新所带来的巨大进步。

这家自 1943 年起便由家族经营的企业，也见证了机缘巧合所带来的力量。

Wada Farms 新鲜业务副总裁 Kip Yeates 表示，作为 KPM Analytics 公司尖端 SiftAI 马铃薯自动检测与分选系统的早期采用者，Wada Farms 自与这家总部位于马萨诸塞州的技术公司合作以来，不仅提高了准确性和效率，还将劳动力成本降低了高达 80%。但如果没有近十年前的那次偶然相遇，这一切成就或许都不会发生。

“在人工智能方面，我们当时完全是一张白纸，”Yeates 在接受《Spudman》采访时说道。“当时有人开着卡车从我们厂房运送马铃薯，他觉得他的妹夫或许有兴趣帮我们解决问题。”

那位妹夫正是人工智能计算机视觉系统专家 Smart Vision Works 的相关人员，该公司于 2023 年被 KPM 收购。

KPM 产品副总裁 Curtis Koelling 表示，Smart Vision Works 由一群精通编程但农业背景相对薄弱的博士创立，当时他们“正在寻找食品行业中适合应用我们所擅长技术的领域”。

这家科技公司与马铃薯种植商的合作不仅促成了成功的伙伴关系，也为视觉系统行业开辟了充满希望的新方向。

马铃薯带来的难题

长期以来，视觉系统一直未能进入马铃薯的分级与分拣领域，原因很简单：像褐皮马铃薯（Wada种植的四大主要品种之一）这类棕色马铃薯，让这些系统广泛采用的颜色识别技术难以发挥作用。

“褐皮马铃薯是棕色的，”KPM马铃薯视觉检测全国销售代表Jeremy West表示，“它们的瑕疵大部分也是棕色的。因此，仅靠颜色差异来区分确实非常困难。”

Koelling补充道：“很多人都曾因视觉技术过度承诺却效果不佳而吃过亏，这让他们留下了很不好的印象。”

Yeates起初并不看好这个想法。

“我当时需要很多说服工作，”他说，“我非常确定，这将是他们当时在视觉系统领域所面临的最具挑战性的任务。对于褐皮马铃薯来说，要区分表皮纹理或颜色的不一致与真正的瑕疵，难度极大。”

一段展示Smart Vision Works技术识别并剔除培根中木屑碎片的视频改变了Yeates的看法。

“我肉眼几乎看不见那块木屑。他们必须将其从画面中分割出来，我才能看清它在哪里，”Yeates说，“这就是他们说服我的方式……那已经是好几年前的事了，这项技术研发了八九年。我们现在已经进步到可以实现远超以往任何系统的分级精度。”

Wada起步时规模很小，采用了一套改装的摄像系统来测量马铃薯尺寸，“当时没有任何分级功能，只是通过视觉系统观察并获取准确的尺寸——长度、宽度和高度——然后结合密度系数来计算马铃薯的体积，”Yeates说，“后来我们开始尝试分级，剔除瑕疵，并建立了一个模型，使我们能够按照美国农业部（USDA）的标准对马铃薯进行分级，剔除破损、发青和擦伤的马铃薯。”

在USDA标准内，“瑕疵覆盖的表面积是有一定限度的，”West说，“据我所知，没有其他系统能像我们这样测量瑕疵大小并给出表面积百分比。这直接对应了USDA标准以及客户设定的标准。”

技术应用

SiftAI的分拣、尺寸测量和分级系统利用先进的视觉和人工智能算法，能够精确测量马铃薯、识别瑕疵并确保尺寸均匀。

该系统包括：

• 用于分级和异物检测的智能工作台
• 多通道马铃薯分拣、尺寸测量和分级系统
• 食品生产异物检测系统（主要用于薯片和加工生产线）
• 机器人分拣机

Koelling表示，最初Smart Vision Works的系统并不包含硬件设备。

“我们只是集成到现有机器中，提供‘大脑’和‘眼睛’，”他说，“自从被KPM Analytics收购后，我们继续在马铃薯市场扩张，并利用SiftAI平台提供更多解决方案……我们已经超越了颜色识别。它不再仅仅是设定一个颜色阈值，超过这个阈值就是次品。”

“残酷的事实是，即使在同一批次中，马铃薯的表皮颜色也可能不同。可能会有表皮磨损，但这在客户看来可能是可以接受的。我们的AI模型目前已经接受了数百万个马铃薯样本的训练——涵盖了不同季节、不同田地、不同产地的各种品种。它现在非常专业，识别瑕疵的能力远不止于‘颜色稍微有点不对’。”

West表示，根据业务规模和所用设备的不同，马铃薯加工商和包装商通常可以在10个月到3年内收回投资。

Yeates 表示，Wada Farms 在提高分拣准确性的同时，将劳动力需求减少了 75% 到 80%。

“我们的工作属于重体力劳动，现在很难招到愿意从事这类工作的人，”他说。“AI 不会分心，它始终保持专注并锁定目标，只会执行既定指令。本质上，一台机器人可以达到两个人同等的生产周期……它的表现远超人类。”

自动化之路

据其官网显示，KPM 在全球 100 多个国家拥有超过 100 家客户，除果蔬行业外，其业务还涵盖饮料、休闲食品、谷物和粮食等领域。

West 表示，马铃薯业务是其增长的驱动力，竞争对手的技术升级也起到了推动作用。

“目前爱达荷州超过 70% 的马铃薯通道分拣采用了我们的 SiftAI 视觉系统，”他说。“竞争推动创新，而这种创新对种植者和仓库来说确实大有裨益。”

West 强调，KPM 致力于与种植者建立合作伙伴关系，利用反馈改进产品，并让客户能够获取和应用公司数据来优化运营。例如，公司数据可能显示压伤现象普遍，这可能预示着存储堆叠过深或设备存在问题。

“如果你让种植者进入包装车间，他们首先会去查看废料传送带上的东西，”West 说。“他们不希望在废料带上看到任何好马铃薯。但如果能将每个马铃薯的相关信息反馈给他们……这种双向信息交流的价值巨大。”

展望未来，West 看到了 AI 为马铃薯包装商和加工商带来的更多可能性——包括在产品进入车间之前。

“我们还有很大的进步空间。无论是用户界面还是内部缺陷检测，这都是一个非常开放的市场，”他说。“仍有许多领域亟待开发，包括将技术扩展到农场层面。在马铃薯清洗之前，还有很多工作可以做。”

曾经持怀疑态度的 Yeates 现在非常期待 AI 的未来。他设想的进步是“完善现有技术，并提升其性能。我们需要提高计算能力，以便更快地完成更多任务。”

如果过去十年的发展可以作为参考，这一愿景终将成为现实。

“过去 10 年的技术进步是跨越式的，”West 说。“很高兴看到人们真正关注马铃薯市场，因为它确实是最具价值的市场之一。”

“种植者辛勤耕耘，我们理应利用最先进的技术帮助他们获得最佳回报，让他们在困难年份能够坚持下去，在丰收年份实现繁荣。”