一颗土豆能有多“表里不一”?
有的其貌不扬,内芯完好;有的表皮光洁,里头烂成一包水。切开验货,品相就毁了;不切开,挑货人只能凭经验“赌”。

这个困扰行业多年的难题,被海宁长安镇、高新区的一家企业解开了。
昨天上午,记者走进立德科创园的蒲丰(海宁)智能装备有限公司。车间里,一条银灰色输送线正在空转预热。
“开始吧。”蒲丰智能创始人陈丰农把一筐土豆倒进上料斗。
滚杠一转,土豆被理成单列,一颗接一颗往前跑。头顶几台工业相机连拍,一道光紧接着扫过薯身,像在医院做检查。屏幕右下角,数据一行行跳出来:等级、重量、淀粉、糖度。几秒后,一颗表皮光洁的土豆忽然从输送线边上掉了出去,落进次品槽。
“它心里坏了。”陈丰农捞起那颗土豆,一刀切下,薯心是一圈褐色的空洞,外表一点看不出来。
线尾站着几位从北京赶来的原料采购商,此行只为看这条线——他们的车间里,还靠几十双手挑土豆。

陈丰农的身份有些特别。车间里,他是这家企业的创始人、首席科学家;讲台上,他是杭州电子科技大学自动化(人工智能)学院副教授,带研究生,讲模式识别。两条线最后拧成一股,让机器学会“看”农产品。
可机器要“看懂”一颗土豆,比人眼难得多。难在土豆不配合:带泥、带弧,还看不见芯。
第一关是“看清楚”。土豆翻个面就漏检,团队把输送改成滚杠式,让它在行进中自己“翻身”,多路镜头接力成像,再用算法剥开泥斑。
第二关是“看进去”。黑心病、空心病长在肉里,可见光和近红外光穿过薯身,不同物质吸收程度各异,光谱仪接住透射与漫反射光,反推内部成分。每建一个模型,先得把土豆切开、化验出“标准答案”,再教机器从光谱里找回来。
这背后是一支博士团队的多年攻坚:2名博士生、20多名研究生。他们走“专用小模型”结合“通用大模型”的集成式Agent智能体路线,打通“多视角成像—AI识别—光谱内检—视觉量测—目标跟踪—智能分选”六个环节;奔赴全国主产区采集真实样本,把一车车带着泥土的土豆搬进实验室;设备在产线运行中持续回传数据反哺算法,识别精度越用越高。
如今,这条线每小时处理10吨,过去一个人一天才拣一吨;尺寸分级误差小于2毫米,支持品质标准自定义配置、远程诊断与算法升级。按企业测算,分选成本从每吨100元降到40元。这套装备已落地浙江、内蒙古、广东、湖北、河北等九大省级主产区,服务鲜食与食品加工供应链,并在真实工厂完成了工业级长时间连续运行验证。

“我们的目标不只是卖一台机器,而是成为农业品质检测的持续服务商。”陈丰农说。下一步,团队将重点发力农业专用大模型与AI智能体,持续迭代算法、优化产品,让AI质检技术更“懂”农业,适配更多果蔬品类。
挑土豆这件事,从此不必再赌。
编辑:徐宇洁
责编:姜鹏飞
审核:陈曦
立即打开 读嘉客户端