被玩壞？這家日本農(nóng)場(chǎng)竟然用人工智能玩起了分撿黃瓜
數(shù)十年來(lái)，MakotoKoike的母親一直都使用手工方式分揀黃瓜。如今，MakotoKoike正試圖訓(xùn)練出一臺(tái)機(jī)器來(lái)替代。
MakotoKoike是一名工程師，長(zhǎng)期以來(lái)，他一直愛(ài)好修補(bǔ)電子配件和機(jī)器；可以說(shuō)，他不是天生就喜歡自然戶外生活的人。2014年，在MakotoKoike33歲的時(shí)候，他離開(kāi)了他長(zhǎng)期工作和生活的城市，搬到了環(huán)境優(yōu)美的靜岡縣，幫助其父母經(jīng)營(yíng)黃瓜農(nóng)場(chǎng)。我認(rèn)為我已經(jīng)到了一定的年紀(jì)了，MakotoKoike說(shuō)道。我想要離我的家和家人更近一些。
MakotoKoike一家在湖西市種植黃瓜已將近五十年，他們種植了三個(gè)小型溫室的黃瓜。MakotoKoike的父親負(fù)責(zé)播種種子；MakotoKoike負(fù)責(zé)指導(dǎo)監(jiān)督他們的種植；MakotoKoike的母親則是負(fù)責(zé)對(duì)收成的果實(shí)進(jìn)行分類。在日本，最后一項(xiàng)工作尤其重要，因?yàn)檗r(nóng)作物有不同的分類標(biāo)準(zhǔn)，同一個(gè)品種的黃瓜的分類就達(dá)了9種之多，這需要收割者對(duì)其農(nóng)產(chǎn)品有著非常好的識(shí)別能力，手里剛摘了一根黃瓜，機(jī)器人維修，你得仔細(xì)觀察它的長(zhǎng)短、粗細(xì)、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(biāo)準(zhǔn)對(duì)應(yīng)，看它屬于哪一等級(jí)，這并不是一個(gè)容易學(xué)的工作。MakotoKoike一家往往會(huì)把那些比較好的、筆直且厚度均勻的黃瓜給批發(fā)商，而剩余那些不太完美的黃瓜則以半價(jià)出售。一直以來(lái)，MakotoKoike的母親都是一個(gè)接一個(gè)地分揀這些蔬菜，分門別類地將它們放進(jìn)不同的箱子里。雖然她每個(gè)黃瓜只花了她半秒鐘，但這項(xiàng)工作占據(jù)了她大部分的工作時(shí)間；某些時(shí)候，她甚至在某幾天內(nèi)一天就處理了四千多根黃瓜。
MakotoKoike認(rèn)為，給黃瓜分類不應(yīng)該是瓜農(nóng)的主要的工作，瓜農(nóng)最重要的任務(wù)應(yīng)該是專注于種植出美味的黃瓜。所以他決定，要把分類的工作交給機(jī)器，但是市面上的黃瓜分類器要么性能差、要么太貴，不適合小農(nóng)場(chǎng)。在去年春天，MakotoKoike開(kāi)始開(kāi)發(fā)一種新的分撿黃瓜的方法，他建了一個(gè)黃瓜分揀機(jī)，使用了谷歌在2015年向公眾發(fā)布的TensorFlow深度學(xué)習(xí)軟件框架。而MakotoKoike的靈感來(lái)源，部分是由他閱讀的一篇關(guān)于AlphaGo的文章，AlphaGo是有史以來(lái)第一個(gè)擊敗人類圍棋大師的計(jì)算機(jī)程序。在AlphaGo案例中，其從現(xiàn)實(shí)圍棋比賽中提取了三千萬(wàn)張圖片，用于幫助確定哪種行動(dòng)步驟最有效。MakotoKoike也希望能創(chuàng)造一個(gè)類似的策略，幫助其對(duì)黃瓜進(jìn)行整理分類。
而包括深入學(xué)習(xí)的高級(jí)人工智能技術(shù)是屬于專業(yè)研究人員和軟件公司的領(lǐng)域。盡管如此，最近也有一些科技界巨頭，包括谷歌、Facebook、微軟、亞馬遜、百度以及各大學(xué)都已經(jīng)發(fā)布了免費(fèi)的開(kāi)源版本的工具，使像得MakotoKoike這樣的非專業(yè)編程人員也可以對(duì)其進(jìn)行訪問(wèn)。
在他的項(xiàng)目中使用了樹莓派3作為主控制器，又建立了一個(gè)自定義的照片拍攝站，KUKA機(jī)器人示教器維修，這使得他能夠從三個(gè)不同角度拍攝每一根黃瓜。接著，為了分析這些圖像，把它們都傳到了TensorFlow平臺(tái)上，起初在一個(gè)小型的神經(jīng)網(wǎng)絡(luò)上運(yùn)行，KUKA機(jī)器人示教器維修，以判斷是否是黃瓜，之后，已經(jīng)被判定為黃瓜的照片接著傳輸?shù)揭粋�(gè)更大的基于Linux服務(wù)器的神經(jīng)網(wǎng)絡(luò)，來(lái)對(duì)黃瓜按照不同的特質(zhì)進(jìn)行分類。不過(guò)，在他能夠真正使用人工智能技術(shù)分撿黃瓜之前，MakotoKoike必須先對(duì)這套系統(tǒng)進(jìn)行訓(xùn)練，為了訓(xùn)練這個(gè)模型，MakotoKoike花了3個(gè)月的時(shí)間給它喂了7000張黃瓜照片，這些照片都是由MakotoKoike的媽媽分類貼上的標(biāo)簽。最后，他還建立了一個(gè)自動(dòng)傳送帶系統(tǒng)，將每根黃瓜從照片拍攝站傳送至程序指定的箱子。
MakotoKoike在去年完成了對(duì)這套人工智能系統(tǒng)的開(kāi)發(fā)，而且從某種程度上來(lái)說(shuō)，它確實(shí)奏效了。不過(guò)，它對(duì)黃瓜的分類準(zhǔn)確率還只能達(dá)到百分之七十，這樣的準(zhǔn)確率太低，他們還必須進(jìn)行人工檢查。而且，目前這些蔬菜還需要一個(gè)接一個(gè)的放在照片拍攝站上，也就是說(shuō)，MakotoKoike的母親還沒(méi)有被完全替代。
MakotoKoike認(rèn)為，他所創(chuàng)造的系統(tǒng)就正是一個(gè)令人鼓舞的證明，而他目前正在研究新版本的機(jī)器，他希望新機(jī)器能夠一次分析多個(gè)黃瓜。他還計(jì)劃建立一個(gè)溫和的輸送系統(tǒng)，以保護(hù)蔬菜皮膚上脆弱的皮刺，因?yàn)辄S瓜的皮刺往往被認(rèn)為是新鮮的跡象。他期望在幾年內(nèi)使其人工智能分揀機(jī)的工作效率能達(dá)到與母親一樣準(zhǔn)確，讓她能有時(shí)間做別的事情。不管怎樣，MakotoKoike說(shuō)他已經(jīng)回到了湖西市。他說(shuō)，我的計(jì)劃是，今生就做個(gè)農(nóng)民。到那個(gè)時(shí)候，農(nóng)民這份工作可能就看起來(lái)很不一樣了。
人工智能在農(nóng)業(yè)領(lǐng)域的研發(fā)及應(yīng)用早在本世紀(jì)出就已經(jīng)開(kāi)始，這其中既有耕作、播種和采摘等智能機(jī)器人，也有智能探測(cè)土壤、探測(cè)病蟲害、氣候?yàn)?zāi)難預(yù)警等智能識(shí)別系統(tǒng)，還有在家畜養(yǎng)殖業(yè)中使用的禽畜智能穿戴產(chǎn)品。
不過(guò)，人工智能在農(nóng)業(yè)領(lǐng)域的應(yīng)用才剛剛開(kāi)始，面臨的挑戰(zhàn)比其他任何行業(yè)都要大，因?yàn)檗r(nóng)業(yè)涉及的不可知因素太多了。地理位置、周圍環(huán)境、氣候水土、病蟲害、生物多樣性、復(fù)雜的微生物環(huán)境等等，這些因素都在影響著農(nóng)作生產(chǎn)。你在一個(gè)特定環(huán)境中測(cè)試成功的算法，換一個(gè)環(huán)境未必就有用了。
我們現(xiàn)階段看到的一些人工智能成功應(yīng)用的例子大都是在特定的地理環(huán)境或者特定的種植養(yǎng)殖模式。當(dāng)外界環(huán)境變換后，如何挑戰(zhàn)算法和模型是這些人工智能公司面臨的挑戰(zhàn)，這需要來(lái)自行業(yè)間以及農(nóng)學(xué)家之間更多的協(xié)作。