日本農業與食品生產2015 – 進行中小池家小黃瓜農場
自製的深度學習小黃瓜分選機
農家之子以免費 AI 工具打造小黃瓜分選機；測試準確度逾95%，在農場實際使用僅約70%
問題
在日本一座小型家庭農場，小黃瓜是依形狀、大小、顏色與瑕疵，以人工分為9個等級。收成高峰時，農夫的母親每天分選長達8小時，這項技能須花數個月才學得會，也無法雇用季節性幫手來做。商用分選機對小型農場而言過於昂貴。
做法
小池誠（Makoto Koike）曾任汽車嵌入式系統工程師，返回農場後，在看過 AlphaGo 之後，以 Google 的開源 TensorFlow 函式庫打造分選機。Raspberry Pi 控制攝影機並檢查是否有小黃瓜，Linux 電腦上較大的模型則指定9個等級之一，隨後由輸送帶與撥桿將小黃瓜移至對應的箱子。他以母親3個月內標註的約7,000張照片進行訓練，原型於2016年7月開始使用。
主要數據
啟示
開源工具讓一個人能以極低成本打造可運作的原型，但低解析度訓練照片數量太少，漏掉了顏色、刮傷與小刺，使得農場實際準確度約70%，測試則逾95%。小黃瓜仍須人工放入，每次判斷也要數秒。
分類
來源
來源摘要
Google 的一位開發者推廣專員說明小池誠如何以 Raspberry Pi 與執行 TensorFlow 模型的 Linux 伺服器，打造2階段分選機。內容提到母親3個月內標註的約7,000張訓練照片、縮小為80×80像素的影像、逾95%的測試準確度，以及實際使用時約70%。文中將差距歸因於資料太少與解析度太低。
Quartz 報導，小池誠花了3個月標註7,000多張影像。2016年7月開始實際使用後，該機器的分選準確度約為70%。
這個日本科技網站介紹原型的輸送帶、攝影機、撥桿與9個等級。報導稱，正確判斷率約70%，每條小黃瓜需數秒，且須人工放入，並指母親在旺季每天分選8小時。報導並指出，每座農場都有自己的分級規則。
詳細內容請參閱原始資料。
