日本农民如何通过深度学习和TensorFlow对黄瓜进行分类

现代认知系统的功能仍然很有限，但是随着时间的推移它们会发展并变得更加完善。它们已经在许多领域使用，包括农业。一个明显的例子是由日本工程师创建的系统。大约一年前，一个名叫小池诚的日本男子决定帮助他的父母种植黄瓜。在日本，大黄瓜和直接黄瓜被视为特级产品，因此所有农民都试图以这种形式种植这些蔬菜。

做到这一点非常困难，而小池坚信自己的经历对此深信不疑。工程师说：“每种黄瓜都与众不同-它们都具有不同的形状，品质和新鲜度。”为了使最终产品能够入库，必须对蔬菜进行分类。在日本，有九类黄瓜。根据形状，大小和许多其他属性进行分类。等级越高，黄瓜越贵。


根据日本标准对黄瓜进行

分类，这是一项复杂的工作。而且，尽管日本有自动分拣机，但它们并不是很受欢迎，因为它们非常昂贵，并且不能完美运行。工程师决定通过创建自己的分拣机来帮助父母实现对蔬菜的完美自动分拣。为了提高这种系统的质量和效率，他决定将神经网络纳入排序。现在，他们能够以超出人类能力的高度准确性对图像进行识别和分类。这适用于速度和准确性。

有爱心的儿子决定将Google TensorFlow的开发作为他的黄瓜分拣开源算法的基础。一年前，该公司刚刚为所有人开放了该产品的源代码。 TensorFlow允许开发人员使用现成的代码和神经网络的功能，而不是从头开始创建所有内容。要创建自己的项目，您需要下载代码，阅读说明，然后才能开始工作。

除代码外，您还需要硬件。日本人决定使用Arduino Micro和Raspberry Pi3。使用电子设备作为主要控制器，用于处理相机并将图像发送到Google Cloud，并在其中分析信息。这些板还控制分拣机的伺服系统。



在第一阶段，工程师训练了系统以识别图像并确定照片中是否描绘了黄瓜或其他东西。在检查了系统的可操作性之后，创建了一个更复杂的算法，该算法已经根据日本采用的标准对黄瓜进行了分类。

之后，开发了输送机和分拣系统。相机拍摄了黄瓜沿着传送带通过的照片，神经网络对其进行了分类。根据每种蔬菜的类别，只剩下将黄瓜分装在盒子中的做法。为此，小池造了一个机械臂，从事“体力劳动”。



为了得到母亲分类的黄瓜的照片，日本人花了大约三个月的时间。他必须制作并向系统上传7000多张黄瓜图片。这还不够。当仅使用图像进行测试时，该系统以95％的精度运行。但是，当拍摄真正的黄瓜时，准确性下降到70％。事实证明，问题在于数千张照片的数据库不足以进行系统的高质量培训。

第二个问题是系统消耗大量资源，时间和精力。当前的分类器是一台用于训练神经网络的常规Windows台式机。尽管计算机将相机接收到的图像转换为分辨率为80 * 80像素的图像，但基于它们学习系统需要2-3天。事实是，其中需要数千张图片。而且由于照片的分辨率较低，因此该分类器的运行具有诸如形状，长度和错误级别之类的属性。颜色，纹理，划痕-所有这些都没有引起注意，目前无法使用。如果增加照片的分辨率，则将提高系统的准确性。但是同时，训练神经网络所需的时间也会增加。

日本人计划在另一个Google服务的帮助下解决他的问题。现在，该公司以低价提供云平台云机器学习（Cloud ML）。这里涉及数千个功能强大的服务器。他们有效地处理信息并帮助训练基于TensorFlow的神经系统。

现在，小池诚计划将Google ML用于自己的目的。 “我可以使用该服务基于更好的图片创建培训系统。我还可以使用神经系统的不同配置，参数和算法，这可以帮助找到一个使系统最精确的选择。”

到目前为止，Koyke与Google ML合作的结果尚无法获得，他继续进行实验。但是有可能在短短的几个月内，日本父母的黄瓜农场将提供专门分类的蔬菜。日本人仍然是完美主义者。

Source: https://habr.com/ru/post/zh-CN397305/