صراط: هوش مصنوعی گوگل به یک کشاورز کمک کرده تا علاوه بر کشت محصول بهتر، زمان آزاد بیشتری برای انجام کارهای دیگرش داشته باشد.
به گزارش ایسنا به نقل از انگجت، فناوری هوش مصنوعی فقط برای حل و فصل چالش‌های بزر گ نیست، بلکه گاهی می‌تواند برای مقابله با مشکلات روزانه مانند ارتقای محصول یک مزرعه خیار به کار گرفته شود.
ماکاتو کویکه از فناوری یادگیری ماشین گوگل موسوم به "TensorFlow" برای ساخت یک دستگاه طبقه‌بندی خیار استفاده کرده تا زحمت والدین کشاورزش را کم کند.
این سیستم از یک رایانه تک‌برد "رزبری پای 3" که به یک دوربین مجهز است، برای ثبت تصویر از گیاهان و ارسال آنها به یک شبکه کوچک عصبی TensorFlow استفاده می‌کند. پس از آن، این سیستم به ارسال تصاویر به یک شبکه بزرگتر روی سرور لینکوس پرداخته تا خیارها را بر اساس ویژگی‌هایی مانند رنگ، شکل و اندازه طبقه‌بندی کنند.
این سیستم در حال حاضر هنوز کامل و عالی محسوب نمی‌شود. کویکه برآورد کرده که آموزش این طبقه‌بندی به هوش مصنوعی حتی با وجود تصاویر دارای کیفیت بسیار کم، حدود دو تا سه روز طول بکشد. همچنین به نظر می‌رسد 7000 تصویری که کویکه برای آموزش این ربات استفاده کرده بود، کافی نبودند.
این سیستم در آزمایشات، دقتی در حدود 95 درصد را نشان دادند، اما دقت آن در جهان واقعی بیشتر از 75 درصد نخواهد بود. البته این فناوری می‌تواند در آینده اصلاح شده و به تجهیزات رباتیکی در مزرعه منجر شود که بسیاری از کارها را بدون نیاز به دخالت انسان انجام خواهند داد.
به گزارش ایسنا به نقل از انگجت، فناوری هوش مصنوعی فقط برای حل و فصل چالش‌های بزر گ نیست، بلکه گاهی می‌تواند برای مقابله با مشکلات روزانه مانند ارتقای محصول یک مزرعه خیار به کار گرفته شود.
ماکاتو کویکه از فناوری یادگیری ماشین گوگل موسوم به "TensorFlow" برای ساخت یک دستگاه طبقه‌بندی خیار استفاده کرده تا زحمت والدین کشاورزش را کم کند.
این سیستم از یک رایانه تک‌برد "رزبری پای 3" که به یک دوربین مجهز است، برای ثبت تصویر از گیاهان و ارسال آنها به یک شبکه کوچک عصبی TensorFlow استفاده می‌کند. پس از آن، این سیستم به ارسال تصاویر به یک شبکه بزرگتر روی سرور لینکوس پرداخته تا خیارها را بر اساس ویژگی‌هایی مانند رنگ، شکل و اندازه طبقه‌بندی کنند.
این سیستم در حال حاضر هنوز کامل و عالی محسوب نمی‌شود. کویکه برآورد کرده که آموزش این طبقه‌بندی به هوش مصنوعی حتی با وجود تصاویر دارای کیفیت بسیار کم، حدود دو تا سه روز طول بکشد. همچنین به نظر می‌رسد 7000 تصویری که کویکه برای آموزش این ربات استفاده کرده بود، کافی نبودند.
این سیستم در آزمایشات، دقتی در حدود 95 درصد را نشان دادند، اما دقت آن در جهان واقعی بیشتر از 75 درصد نخواهد بود. البته این فناوری می‌تواند در آینده اصلاح شده و به تجهیزات رباتیکی در مزرعه منجر شود که بسیاری از کارها را بدون نیاز به دخالت انسان انجام خواهند داد.
