盒马部署AI验蟹师，检测效率提升数十倍

大闸蟹进入上市季，盒马今年继续在产地与收货仓库部署“AI验蟹师”，利用AI视觉识别结合称重数据判断大闸蟹的肥满度，并进一步实现自动过检与分拣。据盒马水产采购慕晓介绍，经过2025年超过1000万只大闸蟹的数据积累，今年相关模型与检测效率进一步提升。

在实际检测环节，系统不到1分钟即可完成50只螃蟹的检测，配合传送带可实现自动检测与自动分拣，整体测算效率提升数十倍。目前，首批经过AI筛选的大闸蟹已经在盒马上架。

从技术路径看，“AI验蟹师”并非单一的图像分类，而是视觉识别与称重数据的多模态融合。螃蟹的肥满度既取决于外形轮廓、壳体饱满程度等视觉特征，也与重量、体积等物理指标密切相关。把两类数据放进同一个判断框架，模型才能给出更接近人工经验的品质结论。这也是AI进入生鲜供应链标准化环节的一个典型样本：先解决“看得准”，再解决“分得快”。

数据积累是效率提升的关键。超过1000万只大闸蟹的检测样本，为模型提供了覆盖不同产地、规格与季节的分布，使识别精度与泛化能力持续改善。随着产地数据不断回流，检测模型可以按批次迭代，减少对人工抽检的依赖，也让“从单一视觉识别到结合称重数据进行品质判断”这条技术路线逐步稳定。

落到业务层面，自动检测与自动分拣的衔接带来的是全链路效率的改善。人工检测受限于疲劳与主观标准差异，在高强度分拣线上难以长时间保持稳定；AI过检则可以在传送带上连续作业，按统一标尺完成分级。规模化生鲜商品的分级与流通效率因此有望提升，同时降低人工检测成本。

对生鲜零售而言，这类应用的想象空间不止于大闸蟹。一旦“视觉加称重”的品质判断范式在单一品类上跑通，同样的技术框架可以迁移到其他对新鲜度与规格一致性要求较高的水产与果蔬品类。业内普遍认为，AI验货正在从单点试验走向供应链的常规环节，而持续积累产地数据并优化模型，正是这一进程的底层推力。