co-op-translator[bot]
21b768b948
|
4 weeks ago | |
|---|---|---|
| .. | ||
| lessons | 4 weeks ago | |
| README.md | 4 weeks ago | |
README.md
تولید و فرآوری - استفاده از اینترنت اشیا برای بهبود فرآوری مواد غذایی
وقتی مواد غذایی به یک مرکز اصلی یا کارخانه فرآوری می‌رسند، همیشه به‌طور مستقیم به سوپرمارکت‌ها ارسال نمی‌شوند. اغلب اوقات، مواد غذایی مراحل مختلفی از فرآوری را طی می‌کنند، مانند دسته‌بندی بر اساس کیفیت. این فرآیند قبلاً به‌صورت دستی انجام می‌شد - از مزرعه شروع می‌شد، جایی که کارگران فقط میوه‌های رسیده را جمع‌آوری می‌کردند، سپس در کارخانه میوه‌ها روی نوار نقاله حرکت می‌کردند و کارکنان به‌صورت دستی میوه‌های آسیب‌دیده یا خراب را جدا می‌کردند. خودم در دوران مدرسه به‌عنوان یک کار تابستانی توت‌فرنگی جمع‌آوری و دسته‌بندی کرده‌ام و می‌توانم تأیید کنم که این کار چندان لذت‌بخش نیست.
در تنظیمات مدرن‌تر، برای دسته‌بندی از اینترنت اشیا استفاده می‌شود. برخی از اولین دستگاه‌ها مانند دسته‌بندهای Weco از حسگرهای نوری برای تشخیص کیفیت محصولات استفاده می‌کنند، به‌عنوان مثال گوجه‌فرنگی‌های سبز را رد می‌کنند. این دستگاه‌ها می‌توانند در ماشین‌های برداشت در خود مزرعه یا در کارخانه‌های فرآوری نصب شوند.
با پیشرفت‌هایی که در هوش مصنوعی (AI) و یادگیری ماشین (ML) رخ می‌دهد، این دستگاه‌ها می‌توانند پیشرفته‌تر شوند و از مدل‌های ML استفاده کنند که برای تشخیص بین میوه و اشیاء خارجی مانند سنگ، خاک یا حشرات آموزش داده شده‌اند. این مدل‌ها همچنین می‌توانند برای تشخیص کیفیت میوه آموزش داده شوند، نه فقط میوه‌های آسیب‌دیده بلکه تشخیص زودهنگام بیماری یا مشکلات دیگر محصولات.
🎓 اصطلاح مدل ML به خروجی آموزش نرم‌افزار یادگیری ماشین بر روی مجموعه‌ای از داده‌ها اشاره دارد. به‌عنوان مثال، می‌توانید یک مدل ML را برای تشخیص بین گوجه‌فرنگی‌های رسیده و نارس آموزش دهید و سپس از مدل برای تصاویر جدید استفاده کنید تا ببینید آیا گوجه‌فرنگی‌ها رسیده هستند یا نه.
در این ۴ درس یاد خواهید گرفت که چگونه مدل‌های هوش مصنوعی مبتنی بر تصویر را برای تشخیص کیفیت میوه آموزش دهید، چگونه از این مدل‌ها در یک دستگاه اینترنت اشیا استفاده کنید، و چگونه این مدل‌ها را در لبه اجرا کنید - یعنی روی یک دستگاه اینترنت اشیا به‌جای اجرا در فضای ابری.
💁 این درس‌ها از برخی منابع ابری استفاده خواهند کرد. اگر همه درس‌های این پروژه را کامل نکردید، مطمئن شوید که پروژه خود را پاک کنید.
موضوعات
- آموزش یک تشخیص‌دهنده کیفیت میوه
- بررسی کیفیت میوه از یک دستگاه اینترنت اشیا
- اجرای تشخیص‌دهنده میوه در لبه
- فعال‌سازی تشخیص کیفیت میوه از یک حسگر
اعتبارها
تمام درس‌ها با ♥️ توسط Jen Fox و Jim Bennett نوشته شده‌اند.
سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما تلاش می‌کنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌ها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، توصیه می‌شود از ترجمه حرفه‌ای انسانی استفاده کنید. ما مسئولیتی در قبال سوء تفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.