分揀黃瓜？來看看谷歌高大上的人工智能

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(dòng)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(shí)，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(jià)也各不相同。

Makoto與其父母在黃瓜園內(nèi)

這是一項(xiàng)及其繁瑣、細(xì)碎又耗時(shí)、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(shí)來進(jìn)行黃瓜的分揀工作。

有著多年汽車行業(yè)經(jīng)驗(yàn)，見慣了汽車生產(chǎn)流水線上各種自動(dòng)化工序的Makoto由此想到，何不建立一套黃瓜自動(dòng)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(duì)蔬菜品類并沒有統(tǒng)一的行業(yè)標(biāo)準(zhǔn)，而是由各個(gè)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(gè)檔次，Makoto說，自己也是最近才跟母親學(xué)會(huì)如何精確分揀黃瓜的技術(shù)。

按照長度、形狀、質(zhì)地、顏色等要素被分為9個(gè)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(dòng)系統(tǒng)的搭建，他說自己的這一靈感來自于谷歌前一段時(shí)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(dòng)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(shí)別，并與硬件控制器相結(jié)合，最終實(shí)現(xiàn)分揀的過程。

黃瓜分揀自動(dòng)系統(tǒng)深度學(xué)習(xí)系統(tǒng)流程

從圖像識(shí)別這一過程來看，通過對(duì)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。

完成后的黃瓜自動(dòng)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(gè)月的時(shí)間輸入了7000個(gè)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(jì)算資源的限制，難以進(jìn)行復(fù)雜度更高的實(shí)時(shí)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(tái)普通的Windows個(gè)人電腦2至3天的時(shí)間完成7000幅圖片的模型訓(xùn)練。

基于上述限制，Makoto的自動(dòng)分揀系統(tǒng)目前只能對(duì)黃瓜的形狀、長度和曲度三個(gè)參數(shù)進(jìn)行分揀識(shí)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(jì)算資源，這時(shí)對(duì)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。