针对现有甜樱桃分选装备在检测目标单一、精度不足及智能化水平低等方面的不足，依据甜樱桃品质等级标准，以布鲁克斯甜樱桃为研究对象，研发了一种基于机器视觉、深度学习与动态称重技术的多目标智能分选装备。该设备具备分选效率高、检测类别多、精度高、结构紧凑、成本低等优势，可实现果实重量、健康果、劣质果、无梗果及双生果等多指标的精准高效分选，满足我国樱桃产业高质量发展的迫切需求，对提升樱桃采后商品化水平与国际竞争力具有重要意义。

本研究围绕甜樱桃品质智能分选关键技术展开，依据质量等级标准对布鲁克斯甜樱桃的物理特性进行测试与分析，完成分选装备的总体设计与关键部件优化；基于深度学习算法构建并改进了多目标检测模型；同时，开发了基于工控机与PLC的控制系统，集成实现识别、输送与分选的协调控制，从而构建了一个集输送、动态称重与多目标分选于一体的高效智能系统。

本研究开发的甜樱桃智能分选装备，其整体工作流程包括清洗预冷、输送、重量信息采集、图像信息采集、瑕疵检测和分选执行六个主要环节，整个系统实现了从原果处理到智能判定与分级输出的全自动化作业。

在作业开始前，向清洗预冷仓中注入适量清水。当分选启动后，甜樱桃首先从进料口（A处）进入清洗预冷仓进行清洗，以去除表面灰尘、杂质和残留物，并通过水浴预冷降低果实温度，防止后续传输过程中的机械损伤。随后，斜坡输送装置将清洗后的果实缓慢提升至较高位置（B处），并在提升过程中进行二次冲洗，以进一步保证果面清洁。经由垂直提升装置（C处），甜樱桃被平稳送至排序引导装置（D处），通过双通道导槽实现果实的单体分流与有序排列，为后续的单果检测提供条件。

在分选主线中，每个多功能分级果杯仅承载一个果实，依次通过动态称重区（E处）和图像采集区（F处）。动态称重装置在果实连续运动过程中实时采集其质量数据，确保测量精度不受速度波动影响；图像采集系统则利用多角度光源与高清相机对果实进行表面成像，采集果实的颜色、形态、缺陷等外观特征。采集到的重量与图像数据被实时传输至上位机（PC端），由深度学习算法（YOLOv8-DSKA模型）进行特征识别与分类判断。

在PC端完成判定后，系统通过PLC控制信号将指令传递至分选执行单元，使其在分选区（G处）实现自动分流。不同品质等级（如健康果、无梗果、裂果、腐烂果、双生果等）的樱桃被精准分入相应的收集通道，完成整个分选流程。

整个系统的核心在于输送、定位与信息采集的协调控制。多功能分级果杯结构保证了果实在称重与成像过程中的稳定姿态，避免滚动或偏移导致的识别误差；链条式输送装置实现了果实在各模块之间的平稳过渡，降低了振动干扰；动态称重装置采用高频采样与滤波算法，在高速传输条件下仍能保持高精度测量。三者协同工作，使甜樱桃在清洗、提升、分流、称重、成像和分选等环节之间形成连续、高效的自动化流程。

通过这一流程设计，设备实现了果实从物理处理到智能识别再到自动分级的全流程智能化控制，显著提升了甜樱桃分选的精度、效率与稳定性，为高品质果品的标准化分级与产业化应用提供了可靠技术支撑。