都說谷歌的人工智能高大上 那就先說說如何幫農(nóng)民分揀黃瓜
自從谷歌用于機(jī)器學(xué)習(xí)的Tensorflow工具去年底宣布開源以來,全世界各地的開發(fā)者運(yùn)用Tensorflow進(jìn)行人工智能方面的應(yīng)用開發(fā)。盡管人工智能這一概念聽上去十分高大上,但實(shí)際上運(yùn)用人工智能的方案,能夠幫助解決生活中一些看似最尋常的事情。
例如,在日本,一位名叫Makoto Koike的汽車行業(yè)工程師,便運(yùn)用深度學(xué)習(xí)的方法,為種植黃瓜的父母搭建了一套自動分揀黃瓜的系統(tǒng)。
Makoto的父母從事黃瓜種植業(yè),自家有著規(guī)模不小的黃瓜種植農(nóng)場。但在享受到黃瓜收成的喜悅的同時,一樁煩惱也同期而至。由于黃瓜的長短、厚度、形狀、顏色、質(zhì)地各不相同,需要人工將黃瓜的質(zhì)量進(jìn)行分類,根據(jù)質(zhì)量的高低,售價也各不相同。
都說谷歌的人工智能高大上 那就先說說如何幫農(nóng)民分揀黃瓜
Makoto與其父母在黃瓜園內(nèi)
這是一項及其繁瑣、細(xì)碎又耗時、費(fèi)力的工作,在黃瓜收獲的旺季里,Makoto的母親平均每天要花費(fèi)超過8小時來進(jìn)行黃瓜的分揀工作。
有著多年汽車行業(yè)經(jīng)驗,見慣了汽車生產(chǎn)流水線上各種自動化工序的Makoto由此想到,何不建立一套黃瓜自動分揀系統(tǒng)來省去人工的麻煩。
但黃瓜的分揀并不是一樁容易的工作,即便從人的角度來說,要熟練這一技術(shù),也需要花費(fèi)相當(dāng)長的培訓(xùn)期,更何況是機(jī)器。在日本,對蔬菜品類并沒有統(tǒng)一的行業(yè)標(biāo)準(zhǔn),而是由各個農(nóng)場自主決定所產(chǎn)出的農(nóng)作物優(yōu)劣標(biāo)準(zhǔn),Makoto父母的農(nóng)場將自己產(chǎn)出的黃瓜的質(zhì)量總共分成9個檔次,Makoto說,自己也是最近才跟母親學(xué)會如何精確分揀黃瓜的技術(shù)。
都說谷歌的人工智能高大上 那就先說說如何幫農(nóng)民分揀黃瓜
按照長度、形狀、質(zhì)地、顏色等要素被分為9個檔次的黃瓜
考慮到分揀黃瓜的復(fù)雜度和精確度的要求,Makoto決定運(yùn)用深度學(xué)習(xí)的方法來進(jìn)行這一套自動系統(tǒng)的搭建,他說自己的這一靈感來自于谷歌前一段時間名聲大噪的AlphaGo,Makoto認(rèn)為,正是AlphaGo取得的成功啟發(fā)了他通過深度學(xué)習(xí)技術(shù)來進(jìn)行黃瓜分揀自動系統(tǒng)的搭建。
具體來看,Makoto的這一套系統(tǒng)運(yùn)用了谷歌的開源系統(tǒng)Tensorflow,通過圖像識別,并與硬件控制器相結(jié)合,最終實(shí)現(xiàn)分揀的過程。
都說谷歌的人工智能高大上 那就先說說如何幫農(nóng)民分揀黃瓜
黃瓜分揀自動系統(tǒng)深度學(xué)習(xí)系統(tǒng)流程
從圖像識別這一過程來看,通過對訓(xùn)練數(shù)據(jù)集的學(xué)習(xí),電腦能夠知道圖像中最重要的“元素”是哪些,然后根據(jù)重要性排序,從而實(shí)現(xiàn)分類。
都說谷歌的人工智能高大上 那就先說說如何幫農(nóng)民分揀黃瓜
完成后的黃瓜自動分揀系統(tǒng)
但這一套方法在實(shí)際運(yùn)用中仍面臨很多挑戰(zhàn)。首先系統(tǒng)要求訓(xùn)練數(shù)據(jù)量足夠多,為了訓(xùn)練這一系統(tǒng),Makoto花費(fèi)了3個月的時間輸入了7000個已經(jīng)被他母親分類好的黃瓜的圖像,但是這一數(shù)據(jù)量還遠(yuǎn)遠(yuǎn)不夠,帶來的問題是在實(shí)際運(yùn)用中,分揀的準(zhǔn)確度不夠高。Makoto說,實(shí)際使用中的準(zhǔn)確度僅為70%。
第二方面的挑戰(zhàn)在于受到計算資源的限制,難以進(jìn)行復(fù)雜度更高的實(shí)時運(yùn)算。盡管Makoto的這套系統(tǒng)已經(jīng)將黃瓜的圖片訓(xùn)練數(shù)據(jù)轉(zhuǎn)換成80*80的低分辨率圖像,但依然花費(fèi)了一臺普通的Windows個人電腦2至3天的時間完成7000幅圖片的模型訓(xùn)練。
基于上述限制,Makoto的自動分揀系統(tǒng)目前只能對黃瓜的形狀、長度和曲度三個參數(shù)進(jìn)行分揀識別,顏色、質(zhì)地、表面皺褶等參數(shù)還無法納入進(jìn)來。
要突破這些障礙進(jìn)行更大規(guī)模、更大深度的深度學(xué)習(xí)就需要用到更多的計算資源,這時對于普通開發(fā)者來說,就只能借助于云端服務(wù)器的幫助了。
智能界(jwnfls.cn)中國智能科技聚合推薦平臺,秉承“引領(lǐng)未來智能生活”的理念,專注報道智能家居、可穿戴設(shè)備、智能醫(yī)療、機(jī)器人、3D打印、智能汽車等諸多科技前沿領(lǐng)域。聚合品牌宣傳、代理招商、產(chǎn)品評測、原創(chuàng)視頻、FM電臺與試用眾測,深入智能硬件行業(yè),全平臺多維度為用戶及廠商提供服務(wù),致力成為中國最具影響力的智能硬件聚合推薦平臺。
數(shù)量:6 | 申請人數(shù):211 | 申領(lǐng):100積分 |
最新評論