验收马铃薯光学分选机时，应使用经过独立标注的代表性马铃薯进行测试，并核对所有出料流向。误剔率以进入测试的合格马铃薯为分母，漏检率以进入测试的缺陷马铃薯为分母。分别评估缺陷类别、物料呈现状态和进料条件，再将结果与约定限值比较，不能仅凭一个总体准确率判定验收合格。
实用要点
- 误剔率以投入的合格马铃薯为分母，漏检率以投入的缺陷马铃薯为分母。
- 将代表性生产样本与刻意提高缺陷占比的挑战样本集分开。
- 核对所有出料，并在观察条件允许时区分检测问题与分流失败。
- 测试前约定限值，仅对已验证的原料条件和运行范围进行验收。
为什么合格出料看起来干净还不够
光学分选机可能在产出外观令人满意的合格物料时，剔除了过多可销售的马铃薯。反过来，剔除物料很少，也可能掩盖合格出料中仍然存在的缺陷。因此，买方关注的不只是设备有没有剔除物料，而是在预定运行条件下，能否实现约定的质量分级，同时将损失控制在可接受范围内。我们建议在安排演示前，先明确这两类错误。
有效的验收测试应追踪已标注的投入马铃薯通过分选流程的过程，并独立核查其最终去向。同时记录产生该结果时的原料状况、进料速率和分选设置。缺少这些背景信息，用干净且间距均匀的马铃薯进行演示，对另一批来料的参考价值有限。应分别回答以下问题：进入检测区域的物料呈现状态如何、应作出什么质量判定，以及马铃薯实际流向了哪里。
误剔率与漏检率应使用不同分母
误剔率 = 被剔除的合格马铃薯数量 ÷ 进入测试的合格马铃薯数量 × 100%。 漏检率 = 进入合格出料的缺陷马铃薯数量 ÷ 进入测试的缺陷马铃薯数量 × 100%。 这两个分母必须分开。剔除物料中实际合格的马铃薯占比，回答的是另一个问题：剔除物料的组成。同样，合格出料中的缺陷占比描述的是出料质量，而不是来料缺陷中被漏检的比例。
在一项包含800个合格马铃薯和200个缺陷马铃薯的假设试验中，剔除40个合格马铃薯，对应的误剔率为5%。将20个缺陷马铃薯送入合格出料，对应的漏检率为10%。这些数字仅用于说明计算方法，并非性能目标。分类错误应按马铃薯个数统计，原料损失和物料核对应另行记录质量。应明确多重缺陷马铃薯的计数规则，避免在总体缺陷分母中重复计数。
建立能够支持采购决策的参考样本
标注样本前，先制定参考分级规则。明确可接受的差异、各类剔除标准以及临界样本的处理方式。评估人员应独立于分选机结果进行评级，必要时保留图片或文字描述。在评分前解决分歧，或将尚未达成一致的样本单独分组报告。标签和追踪方法不得遮挡表面，也不得引入影响分选的视觉提示；应在准备阶段验证所选识别方法。
样本应包含普通合格马铃薯、外观较难判断但仍合格的马铃薯、明显缺陷样本和临界样本，并覆盖项目要求的尺寸范围及清洗或未清洗状态。刻意提高缺陷占比的挑战样本集有助于排查薄弱类别，但除非其组成与来料一致，否则其合格出料中的缺陷占比不能代表日常生产。运行验收应使用代表性批次，诊断则使用单独报告的挑战样本集。样本数量应足以支持各类别的结论，不能仅依赖由大量易分选样本构成的总样本量。
选择要测试的检测与剔除机构
人工智能分选机CASL-2X-1800结合人工智能视觉、近红外检测和高压气吹，标称处理能力为40 t/h。其注明的检测范围包括清洗或未清洗根茎类产品中的泥土、石块、青头、腐烂、畸形、机械损伤，以及长度、直径和尺寸特征。验收应针对选定的质量类别进行测试，并核查实际出料去向，不能仅凭检测就认定物料已成功剔除。
辊式光学分选机CASV-2X-1200采用人工智能视觉与短波近红外双源检测。不锈钢辊带动物料旋转，实现360°检测，并由塑料拨指装置剔除不合格产品；其标称处理能力为20 t/h。旋转改变表面的呈现方式，剔除机构则改变物料分离的方式。两者都不能证明对所有缺陷均有相同的分选效果。近红外这一术语也不能证明设备具备内部化学成分测量能力。应结合实际样本和运行要求比较这些机构。
| 比较项 | CASL-2X-1800 | CASV-2X-1200 | 对验收规划的意义 |
|---|---|---|---|
| 标称处理能力 | 40 t/h | 20 t/h | 以标称处理能力作为制定运行速率要求的参考，并在试验中评定质量分选效果。 |
| 检测方式 | 人工智能视觉与近红外检测 | 人工智能视觉与短波近红外双源检测 | 测试所要求的缺陷类别，不能将检测术语视为质量保证。 |
| 剔除机构 | 高压气吹 | 塑料拨指装置 | 观察实际分流情况及相邻合格物料的去向。 |
| 注明的物料呈现方式 | 检测清洗或未清洗的根茎类产品 | 不锈钢辊带动物料旋转，实现360°检测 | 在测试记录中明确表面状况和检测时的物料呈现状态。 |
| 注明的适用物料范围 | 马铃薯、胡萝卜、生姜、红薯、木薯及其他根茎类产品 | 种薯、商品薯和洋葱 | 在注明的适用范围内选择试验物料，并评估具体原料的要求。 |
先控制物料呈现状态，再判断分选结果
试验开始时应确保光学表面清洁，并按照设备操作说明记录其状态。记录检测区域内物料的表面泥土、湿润程度、尺寸分布和间距。这些变量可能改变可见特征，并影响相邻马铃薯是否干扰观察或分离。如果项目同时要求处理清洗和未清洗物料，应将其作为不同测试条件，不能将结果合并为一个平均值。
每次运行期间，应独立观察进料稳定性和马铃薯呈现状态。对于辊式检测，应检查试验物料是否按预期旋转；设备注明采用360°检测结构，并不意味着可以忽视特定批次的呈现问题。对于气吹剔除，应观察选中的物料能否分离，同时不带走相邻的合格马铃薯。对于拨指剔除，应观察选中物料的分流过程和最终去向。这些属于调试检查，并不表示设备额外配备了相应监测功能。可结合我们的马铃薯加工方案规划，将这些检查与前后工序的物料流转联系起来。
核对所有出料，并区分检测与分流问题
分别收集合格出料和剔除出料，包括试验布置中存在的任何其他排料路径。将投入数量与全部回收的马铃薯核对，并单独记录滞留、洒落、损伤或无法追踪的物料。不得为了改善任一错误率而隐去缺失物料。如果去向未明导致无法可靠评分，应在改进收集或追踪方式后重做受影响的试验。同时，应将被剔除的异物与马铃薯分类错误分开报告。
在可行情况下，通过独立观察选定的测试物料，区分表面上看似检测失败的情况与分流失败。已正确识别为应剔除物料却进入合格出口的情况，与未被识别的缺陷，需要采用不同的排查方向。如果现有观察无法区分这两类情况，应报告整个分选流程的漏检结果，不指定原因。视频或直接观察可辅助诊断，但除非项目配置明确包含这些功能，否则不应将其描述为设备的标准功能。
将调参运行与正式评分的验收试验分开
先用初始样本完成设置，再使用另一组已标注样本进行评分，且在该次运行中不再调整。记录所选设置、进料条件、实测测试处理量、运行时间和出料收集方法。先通过受控进料建立可追踪性，再测试拟定的运行条件。标称处理能力不能证明所有原料组合都能满足约定的错误率限值；应在预定速率和物料呈现状态下，验证所要求的分选效果。
条件允许时，使用新的代表性物料重复评分试验，每次仅改变一个诊断变量。记录各缺陷类别和各误剔子组的分子、分母，而不只是百分比。某一类别若仅包含少量马铃薯，即使全部分选正确，所提供的证据仍然有限。可使用下方采样矩阵规划观察，并通过我们的人工智能视觉马铃薯分选采购核查清单，将验收方法与采购技术要求衔接起来。
| 样本类别 | 参考样本准备 | 测量或观察项目 | 诊断用途 |
|---|---|---|---|
| 普通合格马铃薯 | 覆盖预定的尺寸和表面状况范围。 | 被剔除的合格马铃薯数量 / 投入的合格马铃薯数量。 | 在代表性进料条件下确定误剔基准。 |
| 外观较难判断但仍合格的马铃薯 | 记录每个马铃薯按约定等级仍属合格的原因。 | 该子组内的误剔情况。 | 识别被误判为剔除类别的可接受差异。 |
| 已有约定参考标准的缺陷 | 按类别标注，并记录多重缺陷马铃薯。 | 漏检数量 / 投入的缺陷马铃薯数量，按类别报告。 | 找出可能被总体结果掩盖的薄弱类别。 |
| 临界马铃薯 | 解决评估人员的分歧，或保留单独的未决样本组。 | 各去向的数量及其与参考判定的一致性。 | 区分分级规则不明确与分选错误。 |
| 清洗与未清洗状态 | 项目同时要求两种状态时，分别准备样本组。 | 分组记录错误率、光学表面清洁度和可见的物料表面状况。 | 检查呈现状态变化是否改变结果。 |
| 异物与收集异常 | 单独记录异物，并明确每条收集路径。 | 异物去向及未能核对的马铃薯数量。 | 避免将异物去除情况混入马铃薯错误率的分母。 |
验收应限定运行范围，不能作无限制承诺
正式评分试验前，应约定可接受的误剔率和漏检率限值、类别要求、样本数量、重复试验要求以及未决样本的处理方式。不能在看到结果后再制定限值。如果某项设置降低了漏检率，却增加了合格原料损失，应结合买方的分级目标记录这一权衡。单一的综合准确率会掩盖这项决策，并可能因最常见类别表现较好而掩盖较少见缺陷的分选问题。
验收记录应注明所测试的原料、表面状况、尺寸范围、缺陷定义、运行速率和设置，并包含所有出料计数及异常情况。应说明哪些条件未被样本覆盖。当来料呈现状态或分级目标发生实质变化时，应重新核查性能。我们将验收视为特定运行范围内的证据：它可支持配置决策，但不能保证每批收获原料都得到相同结果，也不能证明对未经测试的内部缺陷具备检测能力。
规划具有代表性的马铃薯分选验收试验
与我们的工程团队讨论马铃薯分选验收试验。请提供涵盖合格马铃薯、相关缺陷和临界等级的原料样本，以及清洗或未清洗状态、尺寸范围、预期缺陷组成、目标处理量、分级规则、拟定的误剔率和漏检率限值、现场布局及可用公用工程条件。我们可根据这些信息确定配置评审内容和试验条件。
- CASL-2X-1800的标称处理能力为40 t/h。
- CASV-2X-1200的标称处理能力为20 t/h。
- CASL-2X-1800结合人工智能视觉、近红外检测和高压气吹。
- CASV-2X-1200通过不锈钢辊带动物料旋转，实现360°检测，并使用塑料拨指装置剔除不合格产品。
常见问题
光学分选机误剔率的正确分母是什么？
用被剔除的合格马铃薯数量除以进入测试的合格马铃薯数量，再乘以100%。如果用被剔除的合格马铃薯数量除以全部被剔除的马铃薯数量，衡量的则是剔除物料的组成。除百分比外，还应记录数量，并在整个试验中使用一致的参考分级规则。
验收时应如何衡量漏检？
用进入合格出料的缺陷马铃薯数量除以进入测试的缺陷马铃薯数量。既要按缺陷类别报告，也要报告总体结果，并明确多重缺陷马铃薯的计数规则。合格出料中的缺陷占比是另一项出料质量指标，取决于来料中的缺陷组成。
试验应使用清洗还是未清洗的马铃薯？
应采用项目要求的物料状态。如果必须同时处理清洗和未清洗的马铃薯，应分别测试和报告。记录泥土覆盖程度、湿润程度和光学表面清洁度，因为这些因素会影响测试条件。气吹剔除产品注明的检测范围包括清洗或未清洗物料；不能将这一说明自动套用于其他配置。
辊式旋转能保证检测到每个马铃薯缺陷吗？
不能。辊式产品带动物料旋转进行360°检测，但这一机构不能证明设备对所有缺陷或原料状况均具备相应检测性能。应在试验中观察实际呈现状态，并对独立标注的样本进行评分。无论是旋转机构还是近红外检测术语，都不能作为设备能够检测未经测试的内部缺陷的证据。
分选机能否在低于拟定生产速率的条件下通过验收？
较低速率的试验可用于建立追踪方法，并帮助诊断物料呈现或分流问题，但不能证明设备在拟定生产条件下符合验收要求。应在预定运行速率下，使用代表性物料和约定的错误率限值进行评分试验。实测测试处理量应与设备标称处理能力分开记录。
工程说明
项目验收应将独立评级的样本与预定物料呈现状态、运行速率和质量规则相对应。分别使用错误率分母并完整核对出料，才能正确解读试验；结论仍仅适用于实际测试过的条件和类别。
English 
Chinese 
Spanish 
German 
French 
Russian 
Urdu 
Bengali 
Kazakh 
Ukrainian 
Dutch 
Polish