2.9 KiB
製造與加工 - 使用物聯網改善食品加工
當食品抵達中央集散中心或加工廠時，它並不總是直接運送到超市。很多時候，食品需要經過多個加工步驟，例如按品質進行分類。這是一個過去需要人工完成的過程——從田間開始，採摘工人只會挑選成熟的水果，然後在工廠中，水果會通過傳送帶，員工手動移除任何有損傷或腐爛的水果。我自己在學校暑假期間曾做過挑選和分類草莓的工作，可以證明這並不是一份有趣的工作。
現代化的設置依賴物聯網進行分類。一些早期的設備，例如 Weco 的分選機，使用光學傳感器檢測農產品的品質，例如拒絕未成熟的綠番茄。這些設備可以部署在農場的收割機上，也可以部署在加工廠中。
隨著人工智慧 (AI) 和機器學習 (ML) 的進步，這些機器可以變得更加先進，使用經過訓練的 ML 模型來區分水果和異物，例如石頭、泥土或昆蟲。這些模型還可以被訓練來檢測水果的品質，不僅僅是損傷的水果，還包括早期檢測疾病或其他作物問題。
🎓 ML 模型 這個術語指的是在一組數據上訓練機器學習軟體後的輸出。例如，您可以訓練一個 ML 模型來區分成熟和未成熟的番茄，然後使用該模型分析新圖片，判斷番茄是否成熟。
在這四節課中，您將學習如何訓練基於影像的 AI 模型來檢測水果品質，如何在物聯網設備上使用這些模型，以及如何在邊緣運行這些模型——也就是在物聯網設備上而不是在雲端運行。
💁 這些課程將使用一些雲端資源。如果您未完成此專案中的所有課程，請確保 清理您的專案。
主題
致謝
所有課程由 Jen Fox 和 Jim Bennett 用 ♥️ 編寫。
免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。