红豆在收购、清理、分级与包装的衔接处，常把霉斑粒、虫蛀粒、皱粒、破碎粒、石子和颜色偏深的边界料混在同一批原料里。只把它理解成“挑颜色”，很容易在现场遇到两个相反结果：为了去净深色霉斑粒把正常红豆带走，或者为了保留产量又让轻微异常粒留在成品中。豆类色选更适合先把颜色、形态和流量拆开，再确定设备与工艺参数。
一、先区分颜色问题和形态问题
霉斑、黑点、陈化造成的深色差异，主要考验可见光和近红外信息的识别；皱缩、虫孔、裂口、碎粒和大小不均，则更多涉及外形、纹理及完整度。不同批次的红豆底色会受品种、产地、仓储时间和含水率影响，不能把某个固定阈值直接套到全部物料。较稳妥的做法是把良品、典型异常粒和容易误判的边界粒分别留样，在样品测试时观察检出率、误剔率和带出率，再形成批次可追溯的参数记录。
二、料层稳定比一味调高灵敏度更重要
红豆粒径接近、表皮有自然光泽，料层过厚、给料忽快忽慢或通道内有回弹时，镜头看到的就不再是单粒清晰轮廓。此时即使算法能力足够，也可能出现相邻好豆被带出、碎粒遮挡缺陷或喷阀动作滞后的现象。实际调试应先核对振动给料、通道清洁、流量和料层厚度，再微调识别阈值。对于含杂较多的来料，可把前段清理与后段色选分开管理，让色选机处理更适合视觉分辨的部分。
三、评价效果要同时看检出率和带出率
只问“能不能挑掉”并不能说明分选是否适合量产。检出率反映异常粒是否被识别，带出率则反映良品是否被一同带走；两项都需要结合单位时间处理量、成品等级和后续包装要求判断。建议在投产前按代表性样品设定验收口径：记录投料量、良品量、废料量、典型缺陷数量及复检结果。这样当原料从新豆切换到陈豆，或者水分、杂质比例发生变化时，操作人员能快速判断应调整流量还是模型参数。
四、滑槽与履带设备要对应物料状态
颗粒完整、流动性较好的红豆、黄豆、绿豆等杂粮，通常可优先评估滑槽式通道的稳定性和通量；若原料形态差异明显、易滚动或需要更充分观察表面，可再比较履带式方案。设备形式不是单独的优劣选择，关键是让物料在镜头前展开、匀速通过，并为喷阀剔除留下足够反应时间。智利效色选机在豆类项目沟通时，会将原料品种、含杂情况、目标等级、日产量和车间衔接方式一起纳入样品测试，而不是只给出一个笼统的配置结论。
五、AI识别需要建立在可复核的样本上
面对霉变、虫蛀、皱粒、色斑等多类缺陷，AI视觉可以帮助区分更复杂的边界特征；但模型是否可靠，仍取决于样本是否覆盖真实批次。建议保留每次来料中具有代表性的好豆、轻度异常粒和典型坏豆，定期复核设备判断。对于外观相近却与安全或等级相关的缺陷，可增加人工抽检，把数据反馈到下一轮参数优化中。
六、投产前的核对清单
在设备进入稳定生产前，应确认原料含水率与清理状态、供料是否均匀、通道是否有残留、成品与废料收集是否顺畅，并用复检结果确认关键缺陷的分选效果。若目标是出口或精品包装，还应把后续人工复选、金属检测和包装前检验纳入整线节奏。色选不是孤立工序，前后环节越清楚，批次稳定性越容易建立。
常见问题一：红豆颜色不均一定要全部剔除吗？
不一定，应先区分自然色差与影响等级的霉斑、陈化或杂质，并以样品测试结果设定范围。
常见问题二：皱粒用颜色相机能看出来吗？
部分皱粒会伴随反光和色泽变化，但更需要结合形态、纹理等信息判断。
常见问题三：流量提高后效果下降怎么办？
先回查料层、给料和通道状态，再在代表性样品上复核参数，而不是单纯提高灵敏度。
需要对红豆、黄豆、绿豆等杂粮分选方案进行样品测试，可结合实际来料与目标等级进一步确认。更多色选应用信息可参考智利效色选机官网：www.colorsorterpro.com。
