边缘 AI 检测提升农产品分拣品质：高效的农产品分拣解决方案

视觉检测的挑战

传统的农产品检测方法（例如谷物、豆类或水果）高度依赖人工。工作人员通过肉眼检查颜色均匀度、裂纹、大小、形状和异物等因素。这一过程相当耗时，且容易因人员疲劳而产生误差，进而导致标准不一致，以及检测质量与效率的不稳定。

针对农产品分拣的边缘 AI 检测解决方案

随着农业科技的进步，嵌入式边缘 AI 系统如今提供了一种高效的农产品分拣解决方案，以解决人工视觉检测耗时且容易出错的问题。这些系统具有高稳定性、低功耗以及适应各种环境的能力，能够有效提升检测效率并确保质量。

在实际应用中，当谷物倒入料斗后，振动给料机会输送谷物，此时工业相机在受控照明条件下采集谷物图像。这些图像随后被传输至嵌入式系统，由 AI 技术分析特征并判断质量。根据 AI 的推理结果，PLC（可编程逻辑控制器）会控制气动设备，按照质量对谷物进行分类。

专为边缘 AI 应用设计的嵌入式系统

WEBS-21J0-ASL 配备了 Hailo-8 AI 模块，可提供高达 26 TOPS 的计算性能，非常适合需要精准结果的实时图像推理任务。该系统搭载 Intel Atom^® x7000RE 系列 SoC（系统级芯片），在提供充足计算能力的同时，能够以低功耗运行，非常适合电力受限的农业环境。

其设计支持在 -20°C 至 60°C 的宽温范围内运行，无风扇设计使其具备防尘能力，并能在 5-95% 的相对湿度下正常运行。系统配备丰富的 I/O 接口，包括用于连接 PLC 的 RS-485 以及用于连接图像采集卡的 PCIe，确保与外围设备的顺畅连接。

上海崴方（Portwell, Inc.）增值服务：DMS、PET、RPET

为了支持各种应用场景并满足客户需求，上海崴方（Portwell, Inc.）的 DMS（Design, Manufacturing and Services，设计、制造与服务）提供全面的一站式服务，以提升客户价值。上海崴方的 PET 提供了一套具备跨平台 API 与应用程序的物联网（IoT）解决方案，可用于系统监控和设备控制，进而简化 IoT 应用的集成。

基于 PET 架构的 RPET 实现了广泛的远程管理功能，包括实时固件监控、电源管理、CPU 负载、内存使用率、磁盘状态和网络负载监测。同时支持固件更新，确保系统能够稳定且高效地运行。