Makoto Koike原本在日本的一家車企當(dāng)工程師,大約一年前,他辭去工作回到老家?guī)透改附?jīng)營(yíng)黃瓜農(nóng)場(chǎng)。農(nóng)場(chǎng)并不大,然而給黃瓜分類的工作卻讓Makoto吃了不少苦頭。
日本各個(gè)農(nóng)場(chǎng)對(duì)于黃瓜有不同的分類標(biāo)準(zhǔn),并不是我們所想的分個(gè)大小那么簡(jiǎn)單。單是Makoto自己家的農(nóng)場(chǎng),同一個(gè)品種的黃瓜的分類就達(dá)了9種之多。一般來(lái)說(shuō),顏色鮮艷、刺多、體態(tài)勻稱的才算是好瓜。
以下是令人震撼的Makoto家9類黃瓜圖表,由上至下質(zhì)量依次遞減。
手里剛摘了一根黃瓜,你得仔細(xì)觀察它的長(zhǎng)短、粗細(xì)、顏色、紋理、是否有小刮痕、彎的還是直的、刺多不多......要跟9類標(biāo)準(zhǔn)對(duì)應(yīng),看它屬于哪一等級(jí),這并不是一個(gè)容易學(xué)的工作。
一個(gè)人要花好幾個(gè)月才能熟練掌握整個(gè)分類標(biāo)準(zhǔn)體系,所以到了采摘旺季,Makoto家忙不過(guò)來(lái),卻又不能臨時(shí)雇人幫忙。
但是Makoto始終認(rèn)為,給黃瓜分類不應(yīng)該是瓜農(nóng)的主要的工作,瓜農(nóng)最重要的任務(wù)應(yīng)該是專注于種植出美味的黃瓜。所以他決定,要把分類的工作交給機(jī)器,但是市面上的黃瓜分類器要么性能差要么太貴,不適合小農(nóng)場(chǎng)。
而這時(shí)他看到了阿爾法狗的圍棋大賽,一下子被人工智能吸引了,萌生了用機(jī)器學(xué)習(xí)造黃瓜分類機(jī)的想法,并開(kāi)始研究谷歌開(kāi)源的TensorFlow平臺(tái)。
值得一提的是,使用 TensorFlow,并不需要具備高等數(shù)學(xué)模型、優(yōu)化算法等專業(yè)知識(shí),你只需下載簡(jiǎn)單的代碼,然后閱讀教程,就可以開(kāi)始著手工作了。
這是Makoto制作的黃瓜分類機(jī)工作的場(chǎng)景:如果一根黃瓜屬于某一個(gè)品類,小刷子就會(huì)把它推到相應(yīng)的箱盒里。
Makoto使用樹(shù)莓派3作為主控制器,配備一個(gè)相機(jī)拍攝照片。這些照片傳到TensorFlow平臺(tái)上,起初在一個(gè)小型的神經(jīng)網(wǎng)絡(luò)上運(yùn)行,以判斷是否是黃瓜。之后,已經(jīng)被判定為黃瓜的照片接著傳輸?shù)揭粋(gè)更大的基于Linux服務(wù)器的神經(jīng)網(wǎng)絡(luò),來(lái)對(duì)黃瓜按照不同的特質(zhì)進(jìn)行分類。
以下是黃瓜分類機(jī)的系統(tǒng)圖:
機(jī)器學(xué)習(xí)首先是需要一個(gè)數(shù)據(jù)庫(kù)的,為了訓(xùn)練這個(gè)模型,Makoto花了3個(gè)月的時(shí)間給它“喂”了7000張黃瓜照片,這些照片都是由Makoto的媽媽分類貼上的標(biāo)簽。
小編推薦閱讀
機(jī)器學(xué)習(xí):神經(jīng)網(wǎng)絡(luò)構(gòu)建(下)
閱讀華為Mate品牌盛典:HarmonyOS NEXT加持下游戲性能得到充分釋放
閱讀實(shí)現(xiàn)對(duì)象集合與DataTable的相互轉(zhuǎn)換
閱讀鴻蒙NEXT元服務(wù):論如何免費(fèi)快速上架作品
閱讀算法與數(shù)據(jù)結(jié)構(gòu) 1 - 模擬
閱讀基于鴻蒙NEXT的血型遺傳計(jì)算器開(kāi)發(fā)案例
閱讀5. Spring Cloud OpenFeign 聲明式 WebService 客戶端的超詳細(xì)使用
閱讀Java代理模式:靜態(tài)代理和動(dòng)態(tài)代理的對(duì)比分析
閱讀Win11筆記本“自動(dòng)管理應(yīng)用的顏色”顯示規(guī)則
閱讀本站所有軟件,都由網(wǎng)友上傳,如有侵犯你的版權(quán),請(qǐng)發(fā)郵件[email protected]
湘ICP備2022002427號(hào)-10 湘公網(wǎng)安備:43070202000427號(hào)© 2013~2025 haote.com 好特網(wǎng)