一根優秀的黃瓜應該具備什麼素質？

知識 09-02

一根優秀的黃瓜應該具備什麼素質？

Makoto Koike原本在日本的一家車企當工程師，大約一年前，他辭去工作回到老家幫父母經營黃瓜農場。農場並不大，然而給黃瓜分類的工作卻讓Makoto吃了不少苦頭。

一根優秀的黃瓜應該具備什麼素質？

日本各個農場對於黃瓜有不同的分類標準，並不是我們所想的分個大小那麼簡單。單是Makoto自己家的農場，同一個品種的黃瓜的分類就達了9種之多。一般來說，顏色鮮艷、刺多、體態勻稱的才算是好瓜。

以下是令人震撼的Makoto家9類黃瓜圖表，由上至下質量依次遞減。

一根優秀的黃瓜應該具備什麼素質？

手裡剛摘了一根黃瓜，你得仔細觀察它的長短、粗細、顏色、紋理、是否有小刮痕、彎的還是直的、刺多不多......要跟9類標準對應，看它屬於哪一等級，這並不是一個容易學的工作。

一個人要花好幾個月才能熟練掌握整個分類標準體系，所以到了採摘旺季，Makoto家忙不過來，卻又不能臨時僱人幫忙。

但是Makoto始終認為，給黃瓜分類不應該是瓜農的主要的工作，瓜農最重要的任務應該是專註於種植出美味的黃瓜。所以他決定，要把分類的工作交給機器，但是市面上的黃瓜分類器要麼性能差要麼太貴，不適合小農場。

而這時他看到了阿爾法狗的圍棋大賽，一下子被人工智慧吸引了，萌生了用機器學習造黃瓜分類機的想法，並開始研究谷歌開源的TensorFlow平台。

值得一提的是，使用 TensorFlow，並不需要具備高等數學模型、優化演算法等專業知識，你只需下載簡單的代碼，然後閱讀教程，就可以開始著手工作了。

這是Makoto製作的黃瓜分類機工作的場景：如果一根黃瓜屬於某一個品類，小刷子就會把它推到相應的箱盒裡。

一根優秀的黃瓜應該具備什麼素質？

Makoto使用樹莓派3作為主控制器，配備一個相機拍攝照片。這些照片傳到TensorFlow平台上，起初在一個小型的神經網路上運行，以判斷是否是黃瓜。之後，已經被判定為黃瓜的照片接著傳輸到一個更大的基於Linux伺服器的神經網路，來對黃瓜按照不同的特質進行分類。

以下是黃瓜分類機的系統圖：

一根優秀的黃瓜應該具備什麼素質？

機器學習首先是需要一個資料庫的，為了訓練這個模型，Makoto花了3個月的時間給它「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籤。

Makoto測試時的準確率很高，達到95%，但是當他真的將這個系統用於實踐時，識別準確率一下子降到了70%。Makoto懷疑是因為這個神經網路模型有了「過擬合」的問題，這是資料庫數據不足而出現的現象。

另外，深度學習所需的計算量大，而Makoto使用典型的Windows PC機來訓練神經網路，效率比較低。儘管他已經事先將所有的照片降低到80 x 80像素，系統仍然需要2-3天來完成7000張照片的訓練。

這樣低解析度的照片導致的結果是，系統目前還並不能識別出顏色、紋理、刮痕和小刺，只能分辨出形狀、長度和是否彎曲。而如果要提高照片解析度，系統的計算量猛增，效率又會拖慢。

所以 Makoto 目前正打算使用谷歌的雲機器學習（Cloud Machine Learning）平台，來進一步改善他的黃瓜分類機。

請您繼續閱讀更多來自 我們愛科學 的精彩文章:

您可能感興趣