自從谷歌用于機器學習的Tensorflow工具去年底宣布開源以來，全世界各地的開發者運用Tensorflow進行人工智能方面的應用開發。盡管人工智能這一概念聽上去十分高大上，但實際上運用人工智能的方案，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的汽車行業工程師，便運用深度學習的方法，為種植黃瓜的父母搭建了一套自動分揀黃瓜的系統。

Makoto的父母從事黃瓜種植業，自家有著規模不小的黃瓜種植農場。但在享受到黃瓜收成的喜悅的同時，一樁煩惱也同期而至。由于黃瓜的長短、厚度、形狀、顏色、質地各不相同，需要人工將黃瓜的質量進行分類，根據質量的高低，售價也各不相同。

都說谷歌的人工智能高大上 那就先說說如何幫農民分揀黃瓜

Makoto與其父母在黃瓜園內

這是一項及其繁瑣、細碎又耗時、費力的工作，在黃瓜收獲的旺季里，Makoto的母親平均每天要花費超過8小時來進行黃瓜的分揀工作。

有著多年汽車行業經驗，見慣了汽車生產流水線上各種自動化工序的Makoto由此想到，何不建立一套黃瓜自動分揀系統來省去人工的麻煩。

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，也需要花費相當長的培訓期，更何況是機器。在日本，對蔬菜品類并沒有統一的行業標準，而是由各個農場自主決定所產出的農作物優劣標準，Makoto父母的農場將自己產出的黃瓜的質量總共分成9個檔次，Makoto說，自己也是最近才跟母親學會如何精確分揀黃瓜的技術。

都說谷歌的人工智能高大上 那就先說說如何幫農民分揀黃瓜

按照長度、形狀、質地、顏色等要素被分為9個檔次的黃瓜

考慮到分揀黃瓜的復雜度和精確度的要求，Makoto決定運用深度學習的方法來進行這一套自動系統的搭建，他說自己的這一靈感來自于谷歌前一段時間名聲大噪的AlphaGo，Makoto認為，正是AlphaGo取得的成功啟發了他通過深度學習技術來進行黃瓜分揀自動系統的搭建。

具體來看，Makoto的這一套系統運用了谷歌的開源系統Tensorflow，通過圖像識別，并與硬件控制器相結合，最終實現分揀的過程。

都說谷歌的人工智能高大上 那就先說說如何幫農民分揀黃瓜

黃瓜分揀自動系統深度學習系統流程

從圖像識別這一過程來看，通過對訓練數據集的學習，電腦能夠知道圖像中最重要的“元素”是哪些，然后根據重要性排序，從而實現分類。

都說谷歌的人工智能高大上 那就先說說如何幫農民分揀黃瓜

完成后的黃瓜自動分揀系統

但這一套方法在實際運用中仍面臨很多挑戰。首先系統要求訓練數據量足夠多，為了訓練這一系統，Makoto花費了3個月的時間輸入了7000個已經被他母親分類好的黃瓜的圖像，但是這一數據量還遠遠不夠，帶來的問題是在實際運用中，分揀的準確度不夠高。Makoto說，實際使用中的準確度僅為70%。

第二方面的挑戰在于受到計算資源的限制，難以進行復雜度更高的實時運算。盡管Makoto的這套系統已經將黃瓜的圖片訓練數據轉換成80*80的低分辨率圖像，但依然花費了一臺普通的Windows個人電腦2至3天的時間完成7000幅圖片的模型訓練。

基于上述限制，Makoto的自動分揀系統目前只能對黃瓜的形狀、長度和曲度三個參數進行分揀識別，顏色、質地、表面皺褶等參數還無法納入進來。

要突破這些障礙進行更大規模、更大深度的深度學習就需要用到更多的計算資源，這時對于普通開發者來說，就只能借助于云端服務器的幫助了。

智能界（www.mxbwsgo.cn）中國智能科技聚合推薦平臺，秉承“引領未來智能生活”的理念，專注報道智能家居、可穿戴設備、智能醫療、機器人、3D打印、智能汽車等諸多科技前沿領域。聚合品牌宣傳、代理招商、產品評測、原創視頻、FM電臺與試用眾測，深入智能硬件行業，全平臺多維度為用戶及廠商提供服務，致力成為中國最具影響力的智能硬件聚合推薦平臺。