刘连全免费赞助了学生桃子，并在当时成熟的铁桃里，按照大小、颜色、品相分了3类，代表不同价位的大桃。学生为这些大桃重复拍照，得到6400张三类大桃的照片数据，再放入机器，利用PaddlePaddle提供的分类模型进行训练。学生睡觉的时候，机器还在认桃子。不过，只用了24小时，机器就能识别出铁桃里的大中小，准确率达到90%。
机器学会识别桃子了，剩下的机械部分就相对容易了。周忠祥和同学一起，用纸盒子糊暗盒，用塑料袋剪挡帘，用饮料瓶盖做推手，再加上学校里提供的材料，做出了一个简陋的样机，搬到了刘连全的桃林里测试。
“比我雇的人选得快，不过比我嘛，还差一点。”刘连全评价说。他已经种了40年桃子。家里的30多亩桃园，种了20多个品种的大桃。他看一眼就知道是什么品种，手一掂就知道斤两。因为年纪大了，身体吃不消，近些年刘连全每年都要雇4、5个人摘桃，工钱近3万元，但经验不足的新手桃子分得并不理想。
现在有了这台分桃器，刘连全觉得省事多了，“把桃子倒进去，机器就给分好了。以后有没有机器人摘桃啊，让我们农民更方便？”围观的桃农们也很兴奋，“苹果能分不？”“西瓜能分不？”“李子呢？”
“理论上来说，只要有足够的训练图像，大到一个瓜，小到一粒米，机器都能识别分类。”周忠祥解释说，“只是要根据不同品种，建立不同的识别，模型，进行训练。”西蒙还期待这次的研究成果能够引入自己的家乡非洲，实现牛油果、芒果等更多品类果蔬的智能分拣。
“这项技术只是一个引子，帮助农业实现人工智能。”刘雪峰说，为了更好地帮助农民，几个学生“码农”已将大桃分拣机的所有方案和源代码分享到了GitHub开源社区，“我们希望有更多人去迭代这些代码，不断提升方案品质，也希望有更专业的农机厂家介入，批量生产出效率更高、更好用的蔬果分拣机。”（经济日报-中国经济网 佘颖）
