日本农业与食品生产2015 – 进行中小池家黄瓜农场
自制的深度学习黄瓜分拣机
农户之子用免费AI工具造出黄瓜分拣机；测试准确率超过95%，农场实际使用准确率约为70%
问题
在日本一家小型家庭农场，黄瓜靠人工按形状、大小、颜色和瑕疵分成9个等级。收获高峰时，农户的母亲每天分拣最多8小时，这项技能要学几个月，也雇不到季节性帮工来做。商用分拣机对小农场来说太贵。
方法
小池诚（Makoto Koike）曾是汽车嵌入式系统工程师，后来回到农场。他看了AlphaGo之后，用谷歌的开源TensorFlow库造了一台分拣机。树莓派控制摄像头并检测黄瓜是否到位，Linux电脑上的较大模型为黄瓜判定9个等级中的相应等级，随后传送带和拉杆把黄瓜送入相应的箱子。他用母亲在3个月里标注的约7,000张照片进行训练，原型于2016年7月投入使用。
主要数据
~70%农场实际使用中的分拣准确率
95%+测试图像上的准确率
~7,000用于训练的已标注黄瓜照片数
8 h使用分拣机之前，收获高峰期每天的人工分拣时长
启示
开源工具让1个人能以极低成本造出可用的原型，但训练照片数量不足且分辨率低，未能充分呈现颜色、划痕和刺，使其农场实际准确率约为70%，而测试中超过95%。黄瓜仍需人工上料，每次判断需要几秒。
分类
来源
来源摘要
[1]Google Cloud blog2016年9月1日
一位谷歌开发者布道师介绍了小池诚如何用树莓派和运行TensorFlow模型的Linux服务器，造出2阶段分拣机。文章给出：约7,000张训练照片由其母亲用3个月标注，图像缩小到80×80像素，测试准确率高于95%，实际使用中约为70%，并把差距归因于数据太少和分辨率偏低。
[2]Quartz (republished by Nextgov)2016年9月2日
《Quartz》报道，小池花了3个月标注7,000多张图片。2016年7月投入生产使用后，这台机器的有效率约为70%。
[3]GIGAZINE2016年9月1日
这家日本科技网站介绍了原型的传送带、摄像头、拉杆及其9个等级。报道称，其正确判断率约为70%，每根黄瓜需要几秒，且需人工上料，并称旺季时母亲每天分拣8小时。报道指出，每个农场都有自己的分级规则。
详细内容请参阅原始来源。
收录日期 2026年10月25日 · 更新日期 2026年10月25日
