荷蘭家族企業MTS Giesenberg在美國亞利桑那州威爾科克斯的洋芋作業站，導入Flikweert Vision的兩套DIVIDER Select AI光學分選系統，取代部分仰賴人工的分選工作。系統設置於收料漏斗之後，利用工業攝影機拍攝輸送帶上的每一件物件，再由AI軟體辨識洋芋、土塊、石塊、異物及重大瑕疵品，並透過獨立控制的排出指進行精準剔除。
該站種植的creamers屬小型洋芋，最小規格自18毫米起；在接近乾旱、氣候乾燥且海拔約1,200公尺的環境下，病害壓力較低，但灌溉仍不可或缺。MTS Giesenberg表示，在維持相同處理產能的情況下，分選線減少八名人力需求，同時讓進入後續倉儲與裝箱流程的產品更乾淨。
Flikweert Vision指出，這套配置可提前去除外來物，協助業者提高收料與儲存階段的流程控制。業主Jos Giesenberg並預期，光學分選技術未來將承擔更多原本由人工完成的工作。
這項案例的核心不在政治權力鬥爭，而在農業營運如何面對「小型農產品辨識難、人力短缺、設備吞吐要求不能鬆動」三項同時存在的結構性壓力。威爾科克斯海拔約1,200公尺、乾燥少雨，雖有利於降低病害壓力，卻仍仰賴灌溉；同時，18毫米以下的creamers與土塊、石塊在體積與外觀上高度接近，使傳統人工線容易出現漏選、誤剔與判斷不一致。
DIVIDER Select的技術關鍵，是先讓物料在輸送帶上保持穩定，再以工業攝影機取得連續影像，並由AI模型建立分類結果，最後連動個別排出指執行動作。這代表系統競爭力不只取決於演算法準確率，更取決於光學取像、帶面穩定、吹排機構與產線節奏能否共同最佳化。若模型判讀再精準，射出器仍可能因速度不足而形成瓶頸；反之，設備提高通量，也可能放大誤判造成的產品損失。
從經濟學角度看，減少八人並維持相同產能，顯示自動化投資的價值不僅是節省工資，更是降低招募與訓練難度、減少人員缺勤造成的產線波動，並讓分選結果更具可追溯性。Flikweert Vision做為專業農業光學設備供應商，也藉由這類案例證明其能從馬鈴薯與洋蔥等高損耗品類切入，建立垂直產業的資料與設備Know-how。
MTS Giesenberg則把技術投資與倉儲流程控制結合：將設備前移至收料端，可先攔截石塊與土塊，降低後續輸送、清洗、分級與包裝設備的污染或磨損。因此，最大受益者不只包括農場，也包括設備商、維修服務商與農業勞動市場；勞動者的角色則較可能由線上目視判讀，轉向設備監控、品質抽檢與例外處理。
農業光學分選的演進路徑，類似工業視覺從固定規則轉向機器學習，再走向整線协同最佳化。MTS Giesenberg的案例顯示，短期價值來自將高負擔、低容錯的目視工作交由機器處理；中期則會延伸至倉儲入料、分級、裝箱與批次追溯。
01 起因觸發｜威爾科克斯洋芋作業站面對小型產品辨識難、招募困難與異物污染問題，決定導入兩套DIVIDER Select系統。
02 一階傳導｜分選線在維持相同處理產能下減少八人需求，設備商取得垂直農業自動化的量化成功案例。
03 二階擴散｜農業光學設備可由馬鈴薯、洋蔥延伸至穀物、豆類及堅果等高異物率品類，帶動機器視覺、工業攝影機與精準排出設備需求。
04 產業重構｜人工分選職缺縮減，現場工作轉向設備操作、模型監控、品質抽檢與維護，農業勞動技能結構開始改變。
05 區域外溢｜北美缺乏農業勞動、地價高且灌溉依賴度高的乾旱地區，可能成為設備滲透率較快的首批市場。
06 宏觀終局｜農業自動化由單機替代走向整線協作，最終影響農損率、供應穩定性、食品價格與農業生產力的長期結構。
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
