Machine learning sorterer agurker i Japan

Raspberry Pi, et kamera, et neuralt netværk og en lille kreds på et kort er de centrale dele i et selvlærende agurkesorteringsanlæg.

Vi skriver på Version2 om mange mere eller mindre spektakulære løsninger inden for sundhed, kundeservice og politiarbejde, der anvender machine learning.

Men teknologien kan såmænd også bruges til noget så banalt som at sortere agurker - agurketid eller ej.

Japaneren Makoto Koike, der er tidligere udvikler af indlejrede systemer, har bygget et agurke-sorteringsanlæg, der gør brug af Googles TensorFlow-machine learning-teknologi for at spare hans forældre, der ejer grøntsagsproduktionen, for en masse arbejde. Det fortæller Engadget.

Systemet bruger Raspberry Pi 3 med et kamera til at tage billeder af grøntsagerne og sende optagelserne til et lille TensorFlow neuralt netværk, hvori identificeres som agurker.

Herefter sendes billeder til en Linux-server, der klassificerer agurkerne efter farve, form og størrelse. Et kort med en lille kreds, Arduino Micro, styrer herefter selve sorteringen, mens en Windows-pc sikrer, at det neurale netværk løbende optrænes ved hjælp af billeder.

Det er ikke et perfekt system, i hvert fald lige nu, til trods for at 7.000 billeder er høvlet igennem systemet.

Makoto Koike anslår, at det tager 2-3 dage at træne den intelligente software op i sortering, hvilket dog sker med billeder i meget, meget lav opløsning (80 x 80 pixels).

Uanset at resultatet ikke er perfekt, antyder eksemplet en fremtid, hvor robotbaseret landbrugsudstyr kan håndtere mange opgaver, der tidligere krævede menneskehånd og -øjne.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Kommentarer (0)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Log ind eller Opret konto for at kommentere
IT Company Rank
maximize minimize