数十年来，MakotoKoike的母亲仍然都用于手工方式服务公司黄瓜。如今，MakotoKoike正试图“训练”出有一台机器来替代。MakotoKoike是一名工程师，长期以来，他仍然嗜好修复电子配件和机器;可以说道，他不是天生就讨厌大自然户外生活的人。
2014年，在MakotoKoike33岁的时候，他离开了他长年工作和生活的城市，搬了环境优美的静冈县，协助其父母经营黄瓜农场。“我指出我早已到了一定的年纪了，”MakotoKoike说。
“我想离我的家和家人更加将近一些。”MakotoKoike一家在湖西市栽种黄瓜已将近五十年，他们栽种了三个小型温室的黄瓜。MakotoKoike的父亲负责管理采收种子;MakotoKoike负责管理指导监督他们的栽种;MakotoKoike的母亲则是负责管理对农作物的浆果展开分类。
在日本，最后一项工作特别是在最重要，因为农作物有有所不同的分类标准，同一个品种的黄瓜的分类就约了9种之多，这必须收成者对其农产品具有十分好的辨识能力，手里刚刚摘取了一根黄瓜，你得仔细观察它的长短、笔画、颜色、纹理、否有小刮痕、转弯的还是平的、螫多不多......要跟9类标准对应，看它归属于哪一等级，这并不是一个更容易习的工作。MakotoKoike一家往往不会把那些较为好的、笔直且厚度均匀分布的黄瓜给批发商，而剩下那些不太完美的黄瓜则以半价出售。
仍然以来，MakotoKoike的母亲都是一个相接一个地服务公司这些蔬菜，分门别类地将它们放入有所不同的箱子里。虽然她每个黄瓜只花上了她半秒钟，但这项工作占有了她大部分的工作时间;某些时候，她甚至在某几天内一天就处置了四千多根黄瓜。MakotoKoike指出，给黄瓜分类不应当是瓜农的主要的工作，瓜农最重要的任务应当是专心于栽种出有美味的黄瓜。所以他要求，要把分类的工作转交机器，但是市面上的黄瓜分类器要么性能劣、要么太贵，不合适小农场。
在去年春天，MakotoKoike开始研发一种新的分偷黄瓜的方法，他辟了一个黄瓜分拣机，用于了谷歌在2015年向公众公布的TensorFlow深度自学软件框架。而MakotoKoike的启发来源，部分是由他读者的一篇关于AlphaGo的文章，AlphaGo是有史以来第一个打败人类棋士大师的计算机程序。在AlphaGo案例中，其从现实围棋比赛中萃取了三千万张图片，用作协助确认哪种行动步骤最有效地。
MakotoKoike也期望能建构一个类似于的策略，协助其对黄瓜展开整理分类。而还包括了解自学的高级人工智能技术是归属于专业研究人员和软件公司的领域。
尽管如此，最近也有一些科技界巨头，还包括谷歌、Facebook、微软公司、亚马逊、百度以及各大学都早已公布了免费的开源版本的工具，使像得MakotoKoike这样的非专业编程人员也可以对其展开采访。在他的项目中用于了树莓为首3作为主控制器，又创建了一个自定义的照片摄制车站，这使得他需要从三个有所不同角度摄制每一根黄瓜。接着，为了分析这些图像，把它们都传遍了TensorFlow平台上，最初在一个小型的神经网络上运营，以辨别是否是黄瓜，之后，早已被判断为黄瓜的照片接着传输到一个更大的基于Linux服务器的神经网络，来对黄瓜按照有所不同的特质展开分类。不过，在他需要确实用于人工智能技术分偷黄瓜之前，MakotoKoike必需先对这套系统展开“训练”，为了训练这个模型，MakotoKoike花上了3个月的时间给它“喂”了7000张黄瓜照片，这些照片都是由MakotoKoike的妈妈分类张贴上的标签。
最后，他还创建了一个自动传送带系统，将每根黄瓜从照片摄制车站传输至程序登录的箱子。MakotoKoike在去年已完成了对这套人工智能系统的研发，而且从或许上来说，它显然奏效了。不过，它对黄瓜的分类准确率还不能超过百分之七十，这样的准确率太低，他们还必需展开人工检查。而且，目前这些蔬菜还必须一个相接一个的放到照片摄制站上，也就是说，MakotoKoike的母亲还没被“几乎替代”。
MakotoKoike指出，他所建构的系统就正是一个令人鼓舞的证明，而他目前正在研究新版本的机器，他期望新的机器需要一次分析多个黄瓜。他还计划创建一个保守的运送系统，以维护蔬菜皮肤上薄弱的皮刺，因为黄瓜的皮刺往往被指出是新鲜的迹象。他希望在几年内使其人工智能分拣机的工作效率能超过与母亲一样精确，让她能有时间做到别的事情。
不管怎样，MakotoKoike说道他早已返回了湖西市。他说道，“我的计划是，今生就做到个农民。
”到那个时候，农民这份工作有可能就看上去很不一样了。人工智能在农业领域的研发及应用于早于在本世纪出有就早已开始，这其中既有耕作、采收和采收等智能机器人，也有智能观测土壤、观测病虫害、气候灾难预警等智能识别系统，还有在家畜养殖业中用于的禽畜智能穿戴产品。
不过，人工智能在农业领域的应用于才刚刚开始，面对的挑战比其他任何行业都要大，因为农业牵涉到的不由此可知因素过于多了。地理位置、周围环境、气候水土、病虫害、生物多样性、简单的微生物环境等等，这些因素都在影响着农作生产。你在一个特定环境中测试顺利的算法，换一个环境不一定就简单了。
我们现阶段看见的一些人工智能顺利应用于的例子大都是在特定的地理环境或者特定的栽种养殖模式。当外界环境转换后，如何挑战算法和模型是这些人工智能公司面对的挑战，这必须来自行业间以及农学家之间更好的协作。
本文关键词：开元官网平台,【,开元,官网,平台,】,人工智能,真的,数十
本文来源：开元官网平台-www.softwareforbad.com
