Command Palette
Search for a command to run...
浙江大学の130ページの博士論文は、人工知能を使ってスイカを収穫する方法を教えている
夏に合う果物は何かと問われれば、答えはスイカに違いありません。主要なスイカ生産国および消費国である中国は、2018年に人口20%、つまり一人当たり100キログラムの世界のスイカのうち70%を消費した。一番甘いメロンをどう選ぶかは、“メロンを食べる人”にとっても大きな関心事となっている。浙江大学の医師は機械学習手法を使用してスイカの成熟度を判定していますが、これは非常に現実的です。
ビッグデータによると、今年の夏は過去140年間で最も暑い夏だという。 「暑い」は世界中でホットワードになっています。最も暑い6月を経験し、最も暑い7月に別れを告げ、最も暑い8月を迎えています。
耐え難い暑さの中、風邪を半分こらえながらスイカ暑さを和らげるには、おいしい食事が最善の選択であることは間違いありません。かじって食べたり、スプーンで食べたり、スムージーにして食べたり、炒めて食べたり、焼いて食べたり、何を食べても美味しい…。
中国人にとってのスイカの意味
おそらく世界中で中国人ほどスイカを愛し、食べ、そしてその食べ方を知っている人はいないでしょう。
以来1000年以上前南北朝時代にスイカが中国に伝わり、徐々に夏の果物の主流を占めるようになりました。
歴史家の研究によると、1000年以上前北京エリアスイカは栽培されており、古代人による最初の「スイカを食べる」場面は内モンゴルにある遼王朝の墓の壁画で発見されています。西暦 1026 年から 1027 年の間。
その後、南宋時代の文人たちの文章に「最近どこでもスイカを食べた」「スイカの黄色い部分は蔓が編んだようだ」などの言葉が頻繁に登場するようになった。 「酔ってスイカを拾って割る」など、スイカが人気の食べ物になっていることがわかります。ますます人気が高まっています。
2004年、北京市大興区方格庄鎮に位置 「中国スイカ博物館」、正式にオープンしたその外観テーマは、中国のスイカが海外に飛んでいることを意味する「Flying Watermelon」です。中国初の「スイカ」をテーマにした博物館です。この博物館では、スイカの歴史、スイカ栽培、スイカの文化と技術を紹介しています。
したがって、スイカの前では、私たちは皆、誇らしげに「ついに果物の自由を達成しました！」と言うことができます。
世界的なメロンの収穫方法: ノックしてください
ただし、メロンの中から選ぶのは簡単です。似たようなスイカがたくさんある中で、どのようにして最高に甘いスイカを選ぶことができるでしょうか?普遍的な答えは「ノックしてください」です。
それで、浙江大学博士号記事を書きました130ページ論文「スイカの熟度および内部空洞の音響検知技術および装置に関する研究」（***用紙のアドレス:******http://t.cn/AiYcAYei******)***、人工知能テクノロジーを使用して、ノックの音から最も甘いスイカを識別する方法を教えてください。
伝統的な方法でスイカの熟度を判断する方法
私の国はスイカの生産量と作付面積で世界第1位ですが、輸出量は生産量の1%にも満たないのです。これは私たちが消費する量が多いからだけではなく、次のような理由もあります。スイカの収穫後の検出と処理方法は後進的であり、品質が不均一で商品化が進んでいません。
スイカを適切な時期に収穫できるかどうかは、スイカの品質に大きな影響を与えます。私たちの国では、収穫時期は主にメロン農家の主観的な経験に左右されます。スイカの熟度は、成長サイクル、気候（主に気温）、メロンの皮の色や質感の観察によって判断されることが多いです。
もちろん、上で述べたメロンの皮を叩いて音を聞くというトリックもあります。これは現在、メロン農家で最も一般的に使用されている方法です。
現在、コンピューター、画像処理、センサーなどの技術が急速に発展しており、これらの技術は農産物の品質検査に広く使用されており、検出効率と精度が大幅に向上しています。
機械学習を使用して正確かつ効率的に判断します
研究を通じて、論文の著者は、一般的にスイカの成熟度の変化が、内部成分（糖度など）や構造（体積や質量の増加、内部が空洞になるなど）の変化と密接に関係していることを発見しました。につながる音響特性パラメータ変化するので、彼は次のように考えます音響非破壊検査法、さまざまなモデリング方法や技術を通じてスイカの熟度を判断する方が適切です。
さらに、レーザー、核磁気共鳴などの他の検出方法と比較して、音響特徴検出は、低価格、高い検出効率、および高精度という利点を持っています。実験後、著者は次のように結論付けました。LS-SVM法スイカ成熟度分類モデリングにおける最高のパフォーマンス、予測精度は73.6%です。
実験のサンプルとしてキリンスイカが選ばれ、杭州市余杭区倉前鎮烏山前村のメロン農家5グループが温室メロン小屋で何回かに分けて収穫し、収穫後すぐに実験室に移した。 。
成熟度分類テストでは、147 個の非中空メロンが選択され、75 個のモデリング セットと 72 個の予測セットの 2 つのグループにランダムに分割されました。
中空判定テストでは、190 個のサンプル (中空メロンを含む) が選択され、97 個のモデリング セットと 93 個の予測セットからなる 2 つのグループにランダムに分割されました。
モデリング セットはサンプルの分類または中空判定モデルを確立するために使用され、予測セットはモデルのパフォーマンスをテストするために使用されます。
実験では4つの一般的なものを使用しました教師あり機械学習アルゴリズムとパターン認識アルゴリズム、それぞれ線形判別分析 (LDA)、K 最小最近傍 (KNN)、BP ニューラル ネットワーク テクノロジー (ANN)、最小二乗サポート ベクター マシン (LS-SVM)、スイカは音響特性に基づいて未熟スイカ、成熟スイカ、熟し過ぎの３種類に分類され、中空メロンも同定された。
最適なメロン識別アルゴリズム：LS-SVM
テスト結果は、LS-SVM アルゴリズム モデリング セットと予測セットの精度がそれぞれ 76% と 73.6% であり、他の 3 つの分類器の分類結果よりも高いことを示しています。
著者はこう結論づけています。LS-SVM は連立一次方程式を使用しますSVM の二次計画問題が単純化され、分類効率が大幅に向上し、ペナルティ要素を導入する構造的なリスクを最小限に抑えます。この方法は、小さなサンプル セット、不均衡なサンプル セット、および不均衡なスイカ サンプル セットの分類を処理するのにより適しています。
そしてLDA このアルゴリズムは線形分類問題に適しています。KNN アルゴリズムが不均衡なサンプル セットを分類する場合、位置サンプルが多数のサンプル クラスに偏りやすく、分類誤差が大きくなります。ニューラルネットワーク分類器には、過剰適合し、局所的な極値に陥りやすいという欠点があります。
さらに、著者は、上記の 4 つのカテゴリの方法と、MI1、MI2、およびエネルギー比 E を使用したエネルギー比経験的閾値法も使用します。r は特性パラメータであり、アンバランスなサンプルに対して実行されます。中空メロンの識別。
著者はFを採用しますβ スコアの物理的意味は、分類器の評価指標として、精度と再現率に異なる重みを付け、両者を 1 つのスコアにまとめて、サンプル全体と特定の種類を分類する際の分類器の精度を総合的に評価することです。サンプルの。
これらの判別方法の中でも、やはりLS-SVM は最高の分類効果を持ちます。モデリング セットと予測セットの Fβスコアはそれぞれ88.1%と74.7%です。
浙江大学博士は、私たちにとって最も甘いメロンの選び方をすでに見つけたようです。
メロンを食べることに関しては私たちは最も科学的です
何千年もの蓄積を経て、スイカは中国人の生活の一部としてますます浸透してきました。ことわざにあるように、「夏にスイカを食べたことのない者には生きる価値がない」。
最近非常に人気のあるインターネットのホットワード 「メロンを食べる大衆」、スイカに対する愛情も十分に伝わってきます。もともと「メロンを食べる人々」の「メロン」とはメロンの種のことを指しますが、スイカが民衆に広まったことにより、この「メロン」が次第に「スイカ」へと進化していきました。
人工知能分野の学生にとって最も身近な「メロン」はNTUの周志華教授が書いたものでしょう 「機械学習」Xigua Book。
