基于计算机视觉的马铃薯自动检测分级方案详解

简介：《基于计算机视觉的马铃薯自动检测分级》是一篇发表于《农业机械学报》的学术论文PDF，面向农业工程、图像处理与农产品智能检测领域的科研人员及学生，系统阐述如何利用机器视觉技术完成马铃薯的大小、形状、颜色和边界特性检测，并实现在线自动分级。资源包内共1个PDF文件，压缩包大小267KB，内容完整涵盖系统总体架构、图像采集方案、分级算法与试验结果。目前已有151人学习，适合作为相关课题的参考文献、专业指导资料或项目开发的算法参考。论文详细介绍了改进果径法、离心率法、灰度值差值法和相邻采样边界点归一化半径差四种方法，并给出了分级精度达到88.0%的试验数据；同时涉及PC-PLC主从控制、输送翻转及分级执行等系统设计，对理解马铃薯自动分级的实现路径和关键技术具有直接参考价值。

1. 基于计算机视觉的马铃薯自动检测分级：从产线需求到落地模型

马铃薯产后处理现场最常见的画面，是几十个工人站在分选线两边，靠眼睛和卡尺把土豆按大小、伤斑分成三到五级。人眼分级有两个硬伤：一是标准漂移——同一个土豆上午算一级、下午算二级，不同工人之间判断更不一致；二是速度天花板，熟练工一秒钟也就看两三个，还得翻面才能看到背面伤疤。这套方案要解决的问题，就是把这套人工工序交给计算机视觉：相机拍传送带上的马铃薯，算法同时做检测（找到每个土豆的位置和轮廓）和分级（按尺寸、形状、表面缺陷给出等级标签），最后驱动气吹或者拨杆把不同等级的土豆分到对应出口。适合两类人：一类是正在做农业产线自动化改造的工程师，需要评估视觉方案能到多高的准确率和吞吐量；另一类是选计算机视觉大作业方向的在校生，拿这个题目练目标检测、分类和后处理全链路，上限和下限都够清晰。

2. 采集成像端：相机、光源与传送带怎么搭才不拖模型后腿

很多做视觉分级的团队上来就训模型，结果精度上不去、产线上反复翻车，最后发现根本不是算法问题，而是成像端把照片拍坏了。马铃薯表面是土黄色带泥点，表皮有网纹、浅凹陷和芽眼，对照明角度特别敏感，同一个土豆换个光源方向，缺陷面积能差出两倍。成像端的核心任务是稳定还原“表观特征”，让后续模型学到的不是光影伪影，而是真实的果皮状态。

2.1 相机选型：全局快门、帧率与分辨率的平衡

先定检测方式。马铃薯在传送带上运动，如果相机用卷帘快门（Rolling Shutter），运动中的物体会出现斜切变形，长宽比和轮廓测量直接失真，所以必须选全局快门（Global Shutter）的工业面阵相机。分辨率方面，常见产线皮带宽度是 400～600mm，单个马铃薯直径 50～90mm，如果每个马铃薯至少要占据 150×150 像素，方便后面对病斑细节做判断，那么 500mm 视野对应的传感器横向分辨率至少要有 2000～2500 像素。130 万像素（1280×1024）在 400mm 视野下单个土豆只有约 100 像素长，勉强能检测但缺陷边缘会糊，不推荐。500 万像素（2448×2048）是更稳妥的起点。

帧率由皮带速度和触发方式共同决定：皮带速度 0.5m/s，相机视野长度取 600mm 时，一个土豆完整穿过视野需要 1.2 秒；如果极限吞吐是每秒过 10 个土豆，且每个土豆至少需要 2 帧用于去重和多角度补判，那么相机帧率需要 20FPS 以上。常见的千兆网工业相机在这个帧率下完全跑得满，不需要上 CoaXPress 这类高速接口。镜头焦距按公式计算：焦距 = 工作距离 × 传感器短边 / 视野短边，工作距离定在 500mm、视野短边 400mm、传感器短边约 15mm（2/3 英寸靶面）时，焦距约 19mm，选 16mm 或 25mm 定焦镜头即可，F 值收到 F8～F11 保证景深覆盖皮带上轻微的高低起伏。

2.2 光源方案：前光找病斑，背光找轮廓

马铃薯分级需要两类特征，对应的光照方案完全不同。第一类是表面缺陷（绿皮、腐烂、机械损伤、病斑），需要前光照明把凹陷和颜色差异照出来；第二类是几何轮廓（尺寸、长径比、圆形度），需要轮廓分明、背景干净，最好用背光把土豆拍成剪影。

前光推荐用低角度环形无影灯，安装高度离皮带上表面约 150～200mm，与相机同轴或者略偏移。低角度光会让凹陷处形成阴影，网纹和芽眼在图像中变成可见纹理，同时避免土黄色表皮在强光下过曝成一片死白。光源色温选 5000～6500K 白光，因为绿皮病斑在这个色温下与正常表皮的色差最明显。如果绿皮检出率始终提不上去，可以加一个 850nm 红外光源做辅助通道——绿皮区域在红外波段下反射率和正常表皮有明显差异，这也是多数商用分选机实际在用的双波段方案。

背光则简单得多：在皮带缝隙下方安装 LED 面光源，让相机从上方拍到暗背景下的亮土豆轮廓。但产线皮带有实底无法透光，常见做法是在检测段用透明亚克力板替换一段皮带，背光板放在板下方，或者干脆用深色皮带加高亮背景板形成正反差。个人经验是优先做“深背景 + 亮前景”的背光，因为深色背景对轮廓提取的干扰远小于浅色背景——浅色背景上泥点和皮带脏污会被误检成土豆边缘。前光和背光需要两路拍摄时，用分时触发：同一相机交替开两组光源，一个节拍拍前光图，下一个节拍拍背光图，帧率需求翻倍但不增加硬件。

2.3 触发同步与标定：像素尺寸换算毫米

相机不能自由运行乱拍，必须跟皮带位置同步。常见做法是安装一个旋转编码器装在皮带驱动轮上，每前进固定距离输出一个脉冲触发相机曝光；同时在检测区域入口装光电传感器，检测到有物体进入才启动连续拍摄，减少无效帧和遮挡判断。编码器分辨率按像素精度需求定：如果标定后每个像素对应 0.3mm，那么触发脉冲间距至少要小于 0.3mm 对应的皮带位移，否则两个脉冲之间的土豆位移超过一个像素，拼接或去重会出现缝隙。

标定是尺寸测量准确的前提。把一块已知尺寸的标定板（棋盘格或圆点阵）放在皮带上，拍一帧，计算像素当量。下面是单视角标定像素当量的最小实现：

import cv2 import numpy as np # 棋盘格参数：12x9 内角点，格边长 20mm pattern_size = (11, 8) square_mm = 20.0 cap = cv2.VideoCapture(0) # 换成相机 SDK 的帧回调 valid_frames = 0 mm_per_pixel_list = [] while valid_frames < 10: ret, frame = cap.read() gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) ret, corners = cv2.findChessboardCorners(gray, pattern_size, None) if ret: # 亚像素细化 corners_sub = cv2.cornerSubPix( gray, corners, (5, 5), (-1, -1), (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_COUNT, 30, 0.001) ) # 取最左侧一列间隔 20mm 的角点对，算平均像素当量 pts = corners_sub.reshape(-1, 2) col_left = pts[::pattern_size[0]] # 每行第一个点 dists = np.linalg.norm(np.diff(col_left, axis=0), axis=1) mm_per_pixel = square_mm / np.mean(dists) mm_per_pixel_list.append(mm_per_pixel) valid_frames += 1 print("标定结果 mm/px:", np.mean(mm_per_pixel_list))

这段代码假设标定板平放在皮带表面、相机光轴垂直于皮带。cornerSubPix做亚像素细化能显著降低角点定位误差；取列方向连续角点间距是为了贴合实际测量方向。标定结果的稳定性比绝对值更重要：同一套光源和相机不动，标定只做一次即可；如果更换镜头或调整相机俯仰角，必须重新标定。实际产线上皮带本身有张紧变形，所以镜头光轴不可能是绝对垂直，测量精度会随土豆位置在视野中漂移，这是硬件的物理限制，后处理里要留误差预算。

3. 数据集构建：马铃薯的病害样本怎么标、标多少才有用

计算机视觉项目的上限在数据，马铃薯分级尤其如此。因为马铃薯表面是生物组织，每一颗的底色、网纹、芽眼深浅都不重复，公开数据集几乎找不到可用的成品，必须围绕自己的产线环境现采现标。这一章说的不是“越多越好”的正确废话，而是标注什么、多少够用、怎么采不偏。

3.1 采集场景归一：让训练数据贴近产线视角

数据集第一条铁律：训练图像的拍摄条件必须和解态产线同构。很多团队拿手机在实验室拍了一堆土豆照片，模型在测试集上准确率 95%，一上线就崩——因为产线图是俯拍、有运动模糊、光源带方向性、背景含皮带纹理，和实验室静物图完全是两个分布。最稳的采集方式是把待分级的土豆直接从原料堆里随机抽 500～1000 颗，按真实皮带速度传送，用产线同一套相机和光源录制成视频，再从视频里抽帧。采样时保证马铃薯大小分布和真实批次一致，不要手动挑漂亮的——模型会学到“只分得动标准椭圆的土豆”。

采集数量上，一颗颗走到镜头前、没有遮挡的独立样本至少需要 2000 张。如果按 3 秒一颗计算，连续采集 2 小时能拿到这个量级，工作量主要集中在后续清洗。如果目标是识别 5 种缺陷（绿皮、腐烂、机械伤、病斑、裂纹），每种缺陷至少要 300 个独立样本。缺陷样本不够时可以人工制造：机械伤可以摔打，裂纹可以摔砸，绿皮要把土豆放在散射光下催绿，腐烂则需要控制湿度培育——这些操作要在不影响食用安全的前提下做，否则标出来的标签本身就有误导性。

3.2 标注体系：检测与分级对应的两套标签

检测和分级需要的数据粒度不同，标注方式也不同。检测阶段只回答“画面里有没有土豆、土豆在哪”，用 YOLO 格式的矩形框即可，单个类别 class 0 记作 potato。这里很容易犯一个错：为了省事把分级类别也塞进检测框，比如直接用“正常土豆”“绿皮土豆”“腐烂土豆”三个类标框。检测任务和分类任务的本质区别在于，检测框要稳定框住整个物体，不受表面缺陷位置影响；一个绿皮土豆的框如果只框住了绿皮区域，尺寸测量跟着错，分级全乱。所以最稳的标注体系是：

• 检测标注：所有出现的马铃薯，不管好坏，统一标成 potato，矩形框尽量贴合果实外轮廓，含少量背景没关系，但框不完整是会影响尺寸回归的。
• 分级标注：把检测框裁剪出来的区域另存为小图，按等级贴标签，类别是normal、green、rot、mechanical_damage、crack、misshapen。

两阶段标注比端到端麻烦，但换来的是两个模型可以独立迭代：检测模型崩了不用重新标分类，分类数据集缺哪类补哪类。如果走端到端单模型，就需要每个框同时提供“框位置 + 类别”，标注成本翻倍且样本耦合严重，新手做选题不推荐。

3.3 数据增强与类别平衡：别把绿皮增强没了

马铃薯的缺陷样本天然不平衡：正常土豆占比七八成，腐烂和裂纹可能不到 5%。数据增强除了常规的随机旋转、平移、尺度抖动，还要针对成像环境做两类特殊增强：一是亮度对比度扰动，模拟产线光源电压波动和土豆高低起伏造成的明暗变化；二是轻微高斯模糊和运动模糊，模拟皮带运动残留。这两类增强对提升鲁棒性很有价值，但有个大坑：对绿皮缺陷做颜色抖动必须极其克制。绿皮区域和正常表皮的色差本来就只有十几到几十的 RGB 差值，随机色调扰动很容易把绿皮增强成正常表皮，模型学到的边界就废了。所以对分类分支，色调扰动幅度最好控制在 HSV 的 H 通道偏移 5 以内，S 通道缩放 0.9～1.1，V 通道做明暗增强时不要压得太暗。

类别平衡的常见做法是对少数类做过采样复制，配合在损失函数里给少数类加权重。一个实用的平衡技巧是“两轮训练”：第一轮正常训练，看混淆矩阵，找出最容易互相混淆的类别对（比如机械损伤和正常表皮、裂纹和阴影），第二轮单独加采这些难分样本，并调高对应类的损失权重。另一条路径是用经典的torchvision分类模型做迁移学习，把 ImageNet 预训练权重拿来初始化骨干网络。马铃薯表面纹理虽和自然图像不同，但底层边缘和颜色特征可以复用，迁移学习通常能让每个类只需 500 张左右就达到可用水平，而不是从零训练的上万张。

4. 模型选型与训练：两阶段还是端到端

模型结构本身不是越新越好，而是要和分级逻辑匹配。马铃薯分级要同时输出几何尺寸和表面品质，几何尺寸从检测框或分割轮廓里算，表面品质从 ROI 的图像特征里判，两块需求分离。常见做法是两阶段方案：先检测，把每个土豆抠出来，再对抠出的图做品质分类。端到端方案则用带多个类别的检测模型一步到位，省一个模型但付出让框和类耦合的代价。

4.1 检测阶段：YOLO出框、出轮廓，参数怎么设

检测模型建议用 YOLO 系列，选 n 或 s 规格的轻量版，因为产线推理对实时性要求高，精度损失可以靠后续分类阶段补。训练前把数据组织成 YOLO 要求的目录结构：

datasets/potato/ ├── images/ │ ├── train/ # 1600 张 │ └── val/ # 400 张 ├── labels/ │ ├── train/ # 对应的 txt 标注 │ └── val/ └── potato.yaml

potato.yaml内容：

path: datasets/potato train: images/train val: images/val names: 0: potato

训练命令以 YOLOv8 为例：

yolo detect train \ model=yolov8n.pt \ data=datasets/potato/potato.yaml \ imgsz=640 \ epochs=150 \ batch=16 \ lr0=0.01 \ patience=20 \ project=runs/potato \ name=exp1

参数说明：imgsz=640是输入分辨率，马铃薯在图像里占比大，不需要 1280 这种大输入，640 能保证推理速度；patience=20是 20 个 epoch 验证集指标不提升就提前停止，防止后期过拟合；lr0=0.01是预训练权重微调时的常见经验值，如果从零训练改成 0.001 更稳。训练完成后，检测模型输出的是框和置信度，框的位置就是后续尺寸测量的基础。

做尺寸测量时，直接用矩形框的长宽会高估真实尺寸——矩形框是外接框，斜放的马铃薯对角方向明显大于实际果径。这一步的常见做法是先用检测框从原图裁剪出单个马铃薯区域，再做轮廓提取，用最小外接椭圆或最小外接矩形来算长短轴。轮廓提取代码：

import cv2 import numpy as np def measure_potato(crop_img, mm_per_pixel): # 灰度 + 自适应阈值，目标是把果实和背景分开 gray = cv2.cvtColor(crop_img, cv2.COLOR_BGR2GRAY) # 马铃薯在深色背景下是亮前景，用大津阈值即可 _, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) # 开运算去掉表面纹理和芽眼造成的孔洞 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) binary = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel) binary = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel) contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if not contours: return None # 取最大轮廓，排除残留背景块 contour = max(contours, key=cv2.contourArea) if cv2.contourArea(contour) < 100: # 过小区域判定为噪点 return None # 最小外接椭圆，返回 (中心, 长短轴, 角度) ellipse = cv2.fitEllipse(contour) (cx, cy), (d1, d2), angle = ellipse major = max(d1, d2) * mm_per_pixel minor = min(d1, d2) * mm_per_pixel # 圆形度: 4*pi*area / perimeter^2，越接近1越圆 area_mm2 = cv2.contourArea(contour) * (mm_per_pixel ** 2) perimeter_mm = cv2.arcLength(contour, True) * mm_per_pixel circularity = 4 * np.pi * area_mm2 / (perimeter_mm ** 2) return {"major_mm": major, "minor_mm": minor, "circularity": circularity}

这段代码的要点在阈值处理：大津阈值假设前景和背景双峰分布，深色背景 + 亮色马铃薯正好满足。开闭运算先用开运算去除芽眼和网纹带来的内部孔洞，再用闭运算把果皮上的小裂缝填平——如果闭运算核太大，细小裂纹会失真，影响分类阶段的判断。fitEllipse输出的长短轴比矩形框尺寸更接近人工卡尺的读数，圆形度则用来筛掉畸形马铃薯。形态学核大小要跟图像分辨率联动，640×640 输入下 5×5 的椭圆核是经验起点，图像更大要线性放大核尺寸。

4.2 分级阶段：按尺寸和外观分级的后处理逻辑

检测模型给出位置和粗轮廓，分级模型负责品质定级。尺寸分级不需要模型，只需要把上一节算出的major_mm、minor_mm、circularity跟产线标准比对。一套常见的马铃薯分级标准：

这里要注意：尺寸标准看最大直径（通常取长短轴均值），但同一批土豆的含水率和品种不同，尺寸分布差异很大，硬套固定阈值会把大果全分到三级。更贴合实际的做法是先对当前批次做一次统计（中位数和四分位数），用批次内相对位置校准阈值。常见做法是在产线上跑 10 分钟数据算基准，然后让阈值跟随批次漂移，但单果尺寸绝对精度跟踪底线，不能跟着采样误差来回跳。

外观品质分类网络用轻量分类模型（ResNet18 级别）即可，输入用检测框扩边 10% 后裁剪的图像，resize 到 224×224。训练命令可以直接复用 torchvision 的官方微调脚本，损失函数用带权重的 CrossEntropyLoss。分类输出不是单体标签，因为一个土豆可能同时有机械伤和裂纹，最优做法是做成多标签二分类（5 个输出节点，各自 sigmoid），但多标签标注成本高，中小规模项目先做单标签处理，把“一个土豆多种缺陷”合并成最高级别缺陷。

4.3 训练细节：尺寸换算、类别权重与推理速度

训练时最容易忽视的一个参数是类别权重。假设训练集里正常土豆 1800 张、绿皮 300 张、腐烂 150 张，直接训出来的模型会有强烈的先验偏向正常类，导致绿皮召回率很低。解决是在损失函数中设置：

class_weights = torch.tensor([1.0, 3.0, 6.0, 2.0, 5.0]) # 类别顺序: normal, green, rot, mechanical_damage, crack

权重按多数类样本数 / 该类样本数开根号来做，防止极端权重把训练推向过拟合。另一个实用技巧是把分类模型的类别数从 5 减到 4：把机械损伤和裂纹合并成“表皮破损”一类。因为这两类在视觉上经常同时出现，标注人员都容易混淆，类别分离会加剧标注噪声，合并后分类准确率反而更高。等模型上线积累足够数据后，再把这两类重新拆开。

推理速度的预算要提前算：检测模型 YOLOv8n 在 640×640 输入下 GPU 推理约 5～10ms，分类模型 ResNet18 在 224×224 下约 2～5ms，加上前处理、后处理和 IO，单颗土豆 20ms 以内可完成。如果产线要求每秒 8 颗，算法耗时完全够用；瓶颈通常在相机帧率和执行器动作时间。如果 CPU 部署，建议检测模型用 TensorRT 或 ONNX Runtime 量化，分类模型直接蒸馏成 MobileNetV3-Small，精度损失约 1～2 个点，吞吐能提升 3 倍以上。

5. 马铃薯分级落地避坑：从成像到推理的 5 个典型翻车点

写这章前我特意把做这个项目踩过的坑按频率排了序。以下每一条都来自真实复现过程中的血泪经验，排在最前面的坑大概率也最先砸到你头上。

5.1 深色皮带把土豆边缘“吃掉”了

现象：检测模型跑出来的召回率很高，但尺寸普遍偏小，有时候缺一块边，测量出的短径比实际小 5～8mm。 原因：马铃薯表皮颜色从浅黄到深棕都有，深色棕皮的土豆和黑色皮带的灰度差异太小，阈值分割时边缘被当成背景，形态学开运算把这部分边缘进一步腐蚀。这是“背景与前景对比度不足”的典型光学问题，和模型无关。 解决：把皮带换成墨绿色或深蓝色，或者加背光形成剪影。如果是实底皮带无法更换，就在检测段上方额外加两个条形光源，从皮带平面掠射角度打光，让土豆边缘形成高光轮廓线，再用边缘梯度做分割，而不是依赖灰度阈值。

5.2 绿皮缺陷标注了半天，模型还是识别不出来

现象：分类模型对绿皮的召回率只有 50% 出头，且误报不少，把沾了泥土的表皮也判成绿皮。 原因：绿皮和正常表皮的色差在 RGB 空间只有 10～30 的数值差，网络很难在这种微弱信号上建立强特征。更关键的是，自然光下绿皮区域边缘过渡非常平滑，没有明确的边界，模型难以找到判别性纹理。 解决：改用 HSV 或 Lab 颜色空间作为分类输入——绿皮在 Lab 空间的 a 通道（绿红轴）和 b 通道（黄蓝轴）上有更明显的分布偏移。常见做法是把训练图像的 RGB 转成 Lab，只保留 a、b 通道加一个灰度通道组成三通道输入，分类网络能更快收敛。如果条件允许，采集红外辅助图像并作为第四个输入通道，绿皮在 850nm 波段的反射特征比可见光显著更稳定。

5.3 畸形土豆的长宽比指标完全失真

现象：一批次里出现大量“飞镖形”或“葫芦形”土豆，模型测量出的长宽比达到 1.8，人工一量只有 1.3，分级结果被这些奇形怪状的样本搅乱。 原因：fitEllipse假设物体接近椭圆，遇到明显凹形的轮廓，拟合出的长短轴会把凹陷部分“撑圆”，长轴被高估、短轴被低估。这是算法模型和物理形状不匹配的边界问题，不是参数没调好。 解决：在拟合椭圆之前先算轮廓的凸包，判断凸包面积和原轮廓面积的比值。比值大于 1.15 就直接判定为畸形，不再用椭圆长短轴做尺寸测量，改用轮廓的等效圆直径sqrt(4*area/pi)作为该样本的尺寸特征。畸形土豆的尺寸分级本来就不需要多精确，它们要么进三级要么直接淘汰，保住正常形态土豆的测量精度比硬算畸形土豆更重要。

5.4 泥土和病斑傻傻分不清

现象：模型把不少带泥点的土豆判成“机械损伤”，误报率一度超过 20%。 原因：马铃薯采收后直接上产线，表面附着板结泥土。泥土块和机械损伤在灰度图像上都是暗色斑块，纹理上都是一个局部灰度突变。模型没有见过“泥点”这个负样本类别，就把所有暗斑都往损伤类上推。 解决：在标注阶段加一个dirt类别，跟真实缺陷一视同仁地标注。田间的泥点和机械伤在光谱上其实有明显区别——泥土是矿物质，反射曲线平坦；新鲜机械伤是淀粉氧化，在 500nm 到 700nm 波段有吸收峰。如果不想加红外相机，最简单的缓解办法是在采集时先用风刀把大部分浮土吹掉，减少泥点混入。模型侧做一个后处理规则：检测结果中缺陷区域面积占整个轮廓面积的比例小于 1% 时，降级为“疑似污点”，需要更高阈值才判缺陷。

5.5 推理速度达标了，但分类结果总在跳动

现象：同一个土豆连续经过两次检测，一次正常、一次被判成腐烂；或者相邻两个批次的及格率差 10 个百分点，产线不敢信这个系统。 原因：这只是表象，根因在数据分布漂移。不同批次的土豆品种不同——比如“荷兰十五”表皮是黄白色，“大西洋”是灰白色，同一套模型在不同品种上的表现波动本来就大；另一个原因是光源老化，LED 亮度衰减后图像整体变暗，分类边界漂移。 解决：上线前做“批次校准”流程：每换一批原料，先放 100 颗已知分级结果的标准样本过一遍系统，统计模型判定的混淆矩阵，如果某类准确率低于阈值，触发标定更新——重新标定白平衡和曝光参数，而不是重新训练模型。批次校准比定期重训模型省事得多，也是产线视觉方案能长期稳定使用的核心手段。

6. 产线联动与离线验证：分级系统怎么才算真正能上线

模型在实验环境跑通只是第一步，真正上线要考虑执行器动作、时序响应和验证方法。这一步做的不好，前面所有精度工作都白费——分类器准确率 98% 但气吹执行慢 100ms，大量土豆根本来不及分流。

6.1 执行器联动与延迟预算

常见执行器有两种：气吹式（适合小尺寸轻果，通过压缩空气把土豆吹进侧向出口）和拨杆式（适合大果和中果，用旋转拨杆拨到对应通道）。执行器安装位置在相机下游 500～800mm 处，给算法留出处理时间。延迟预算这样算：皮带速度 0.5m/s，相机到执行器距离 600mm，则从拍照到执行器动作之间有 1.2 秒。扣除相机曝光和传输约 50ms、检测和分类约 40ms、PLC 响应和气缸动作约 200ms，余量超过 900ms，完全充裕。如果皮带提速到 1m/s、距离不变，余量压到 450ms 以下，就要考虑把检测放到 GPU 上跑、分类模型换成量化版，同时用预取队列做流水线：第 N 帧的检测结果还没出，第 N+1 帧已经在 GPU 上排队。

执行器联动最核心的是“追踪同一颗土豆”。相机图像里每颗土豆的位置要换算成执行器触发延时。换算公式是：延时 = (执行器距离相机光轴的水平距离 - 土豆从视野中心到边缘的偏移) / 皮带速度。因为土豆在视野中可能偏左或偏右，不能在拍到的瞬间就把延迟定死，必须随检测框中心 X 坐标动态修正。编码器反馈的实时速度要参与计算，皮带启停或速度波动会让固定延时失效，这是产线调试第一天必现的问题。

6.2 离线验证：批量回放与人工复核对比

上线前先离线验证，不要直接通产线。离线验证方法是采集一段 30～60 分钟的产线视频，带上人工分级标签（等级 + 缺陷类型），然后用离线推理脚本跑一遍，输出混淆矩阵和分级准确率。更严格的做法是计算加权 Kappa 系数——分级等级是有序类别（一级到淘汰），普通准确率只看“对没对”，Kappa 能看到“错了几级”。差一级的错分和好果被判淘汰，在生产损失上是天壤之别的。

下面这个脚本片段计算逐等级混淆矩阵和 Kappa：

import numpy as np from sklearn.metrics import cohen_kappa_score, confusion_matrix # y_true: 人工复核的等级 [1, 2, 3, 0] # y_pred: 模型输出等级 [1, 2, 3, 0] y_true = np.array([1, 1, 2, 3, 0, 2, 1, 3, 2, 0]) y_pred = np.array([1, 2, 2, 3, 0, 2, 1, 2, 2, 0]) cm = confusion_matrix(y_true, y_pred) kappa = cohen_kappa_score(y_true, y_pred, weights="quadratic") print("混淆矩阵:") print(cm) print("加权Kappa:", kappa) # 逐类别召回率与精确率 for i, label in enumerate(["淘汰", "三级", "二级", "一级"]): tp = cm[i, i] fn = cm[i, :].sum() - tp fp = cm[:, i].sum() - tp recall = tp / (tp + fn) if (tp + fn) > 0 else 0 precision = tp / (tp + fp) if (tp + fp) > 0 else 0 print(f"{label}: 召回率={recall:.2f}, 精确率={precision:.2f}")

weights="quadratic"是因为等级错分的代价不是线性的——一级被分成二级还可以接受，一级被分成淘汰就是不可接受的损失，二次加权能把这种序数代价体现进 Kappa 值。验证时至少要拆三组数据：晴天上午、阴天下午、人工补光灯下的夜班，间隔至少一周。同一套模型的鲁棒性边界，在这种跨时间采样里很容易暴露。

最后说实话，马铃薯分级的最大难点不是模型没训好，而是产线的环境和样本分布一直在变。我自己做这个方案时，调试光源的时间远多于调模型，大部分精度提升都来自把成像条件钉死，而不是换更强的网络。养成一个习惯：每次更新模型前，先检查同一批土豆在新旧模型上的输出差异，如果差异主要来自图像亮度变化，优先修光源和相机参数，而不是盲目加训练数据。希望帮到你。

本文还有配套的精品资源，点击获取