在中药饮片的质量链条中，
“分选”是最依赖经验、也最易产生偏差的环节之一。
一片黄芪是否霉变？一粒枸杞是否硫熏？一块茯苓是否掺淀粉？
过去，全凭老药工的一双眼、一双手。

但人力有极限：
疲劳会降低判断力，标准难统一，培训周期长。
如何让“经验”可复制、可量化、可持续？

在翼方，我们选择让AI成为老药工的“数字学徒”——
通过深度学习数千小时的人工分选数据，
构建中药饮片智能视觉分选系统，
实现效率提升300%、误判率下降至＜0.5% 的突破。

不是取代经验，而是放大智慧。

一、传统分选的痛点

• 主观性强：不同师傅对“微霉”“轻虫蛀”判定不一；
• 效率瓶颈：人工分选三七每小时约15公斤，难以满足规模化需求；
• 知识断层：老药工退休，经验随之流失。

二、翼方智能分选系统的核心创新

✅ 1. 多光谱成像 + 高清3D建模

• 可见光捕捉颜色、纹理；
• 近红外识别内部水分与成分异常；
• 3D激光扫描判断厚度、完整度（如全蝎是否断尾）。

示例：硫熏枸杞表面反光强、颜色均匀但无自然色差，
AI通过光谱反射率曲线精准识别，准确率98.7%。

✅ 2. 老药工经验数字化

• 邀请10位资深药工对10万+样本进行标注（“合格”“霉变”“虫蛀”“杂质”）；
• 训练卷积神经网络（CNN）模型，学习其判断逻辑；
• 模型持续迭代：每新增1,000个人工复核样本，准确率提升0.3–0.8%。

✅ 3. 人机协同质检流程

• AI初筛：高速流水线每分钟处理200片；
• 人工复核：仅对AI标记“可疑”或“边界”样本进行二次确认；
• 反馈闭环：药师修正结果自动回流训练模型。

应用成效：

• 白芍分选效率从8 kg/h → 25 kg/h；
• 劣品漏检率从3.2% → 0.4%；
• 新员工培训周期缩短60%。

三、守住底线：AI不替代责任

• 所有AI判定结果，最终由执业中药师签字放行；
• 系统保留原始图像与判定依据，支持全程追溯；
• 对毒性饮片（如制川乌）、贵细药材（如西红花），仍执行100%人工复核。

技术是工具，责任永远在人。

关键词：中药饮片AI分选、多光谱成像鉴别、老药工经验数字化、翼方智能质检系统、枸杞硫熏识别、人机协同中药质控、深度学习中药缺陷检测