6.8 KiB
การผลิตและการแปรรูป - ใช้ IoT เพื่อปรับปรุงการแปรรูปอาหาร
เมื่ออาหารมาถึงศูนย์กลางหรือโรงงานแปรรูป อาหารไม่ได้ถูกส่งออกไปยังซูเปอร์มาร์เก็ตเสมอไป หลายครั้งอาหารจะผ่านกระบวนการแปรรูปหลายขั้นตอน เช่น การคัดแยกตามคุณภาพ ซึ่งเป็นกระบวนการที่เคยทำด้วยมือ เริ่มตั้งแต่ในไร่ที่คนเก็บผลไม้จะเลือกเฉพาะผลไม้ที่สุกเท่านั้น จากนั้นในโรงงานผลไม้จะถูกลำเลียงผ่านสายพาน และพนักงานจะคัดแยกผลไม้ที่ช้ำหรือเน่าเสียด้วยมือเอง ฉันเคยมีประสบการณ์เก็บและคัดแยกสตรอเบอร์รี่เป็นงานช่วงฤดูร้อนตอนเรียน และบอกได้เลยว่างานนี้ไม่สนุกเลย
ระบบที่ทันสมัยมากขึ้นใช้ IoT ในการคัดแยกผลไม้ อุปกรณ์รุ่นแรก ๆ เช่น เครื่องคัดแยกจาก Weco ใช้เซ็นเซอร์แสงในการตรวจสอบคุณภาพของผลผลิต เช่น การคัดแยกมะเขือเทศที่ยังไม่สุก อุปกรณ์เหล่านี้สามารถนำไปใช้ในเครื่องเก็บเกี่ยวในไร่ หรือในโรงงานแปรรูปได้
เมื่อมีความก้าวหน้าในด้านปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (ML) เครื่องจักรเหล่านี้สามารถพัฒนาให้มีความสามารถมากขึ้น โดยใช้โมเดล ML ที่ถูกฝึกให้แยกแยะระหว่างผลไม้กับวัตถุแปลกปลอม เช่น หิน ดิน หรือแมลง โมเดลเหล่านี้ยังสามารถถูกฝึกให้ตรวจสอบคุณภาพของผลไม้ ไม่เพียงแค่ผลไม้ที่ช้ำ แต่ยังรวมถึงการตรวจพบโรคหรือปัญหาอื่น ๆ ของพืชในระยะเริ่มต้น
🎓 คำว่า โมเดล ML หมายถึงผลลัพธ์จากการฝึกซอฟต์แวร์การเรียนรู้ของเครื่องด้วยชุดข้อมูล ตัวอย่างเช่น คุณสามารถฝึกโมเดล ML ให้แยกแยะระหว่างมะเขือเทศสุกและไม่สุก จากนั้นใช้โมเดลกับภาพใหม่เพื่อดูว่ามะเขือเทศสุกหรือไม่
ในบทเรียน 4 บทนี้ คุณจะได้เรียนรู้วิธีฝึกโมเดล AI ที่ใช้ภาพในการตรวจสอบคุณภาพของผลไม้ วิธีใช้โมเดลเหล่านี้จากอุปกรณ์ IoT และวิธีการรันโมเดลเหล่านี้ที่อุปกรณ์ปลายทาง - นั่นคือบนอุปกรณ์ IoT แทนที่จะรันในคลาวด์
💁 บทเรียนเหล่านี้จะใช้ทรัพยากรคลาวด์บางส่วน หากคุณไม่ได้ทำบทเรียนทั้งหมดในโปรเจกต์นี้ อย่าลืม ทำความสะอาดโปรเจกต์ของคุณ
หัวข้อ
- ฝึกตัวตรวจสอบคุณภาพผลไม้
- ตรวจสอบคุณภาพผลไม้จากอุปกรณ์ IoT
- รันตัวตรวจสอบผลไม้ที่อุปกรณ์ปลายทาง
- กระตุ้นการตรวจสอบคุณภาพผลไม้จากเซ็นเซอร์
เครดิต
บทเรียนทั้งหมดเขียนด้วย ♥️ โดย Jen Fox และ Jim Bennett
ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้องมากที่สุด แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้