为了解决水培生菜包装前机械化程度低、分选任务重的问题，结合深度学习的方法，设计了水培生菜异常自动分选系统。该系统由三个子系统组成：信息感知、信息处理和排序动作执行。根据水培生菜异常叶片与正常叶片的差异，对水培生菜进行了分类。图像信息由三台摄像机自下而上感知，基于语义分割的DeepLabV3＋深度学习网络实现水培生菜图像信息的实时处理。其处理合理性为：平均联合求并率为83.26%，像素精度为99.24%，图像处理速度为193.4ms/帧。为了便于水培生菜异常分类，根据水培生菜的表型和收获方式，设计了一个支架式水培生菜异常分类执行子系统。以横向支撑杆角度、纵向支撑杆角度和步进电机速度为实验因素，以分拣动作执行子系统的分拣成功率为评价指标，设计了二次正交旋转组合试验。建立了各因素与指标之间的回归数学模型，并利用设计专家软件的多目标优化算法对参数进行了优化。最佳参数组合为：横向支撑杆角度146，纵向支撑角度150，转速11R/min。根据最佳参数组合，性能测试表明，分拣动作执行子系统的分拣成功率为98%，水培异常生菜自动分拣系统的分拣成功率为95%，符合生菜冷藏运输技术标准的要求。