IoT-For-Beginners/translations/zh-TW/4-manufacturing

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，例如按品質分類。這是一個過去需要手動完成的過程——從田間開始，採摘工人只會挑選成熟的水果，然後在工廠裡，水果會通過傳送帶，員工手動移除任何有瘀傷或腐爛的水果。我自己在學校暑假期間曾經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。

更現代的系統依賴物聯網進行分類。一些早期的設備，例如 Weco 的分選機，使用光學傳感器來檢測農產品的品質，例如拒絕未成熟的綠色番茄。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內。

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，不僅是瘀傷的水果，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，然後使用該模型對新圖像進行判斷，看看番茄是否成熟。

在這四節課中，您將學習如何訓練基於圖像的 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運行，而不是在雲端。

💁 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，請確保您清理您的專案。

主題

1. 訓練水果品質檢測器
2. 從物聯網設備檢查水果品質
3. 在邊緣運行您的水果檢測器
4. 從傳感器觸發水果品質檢測

致謝

所有課程由 Jen Fox 和 Jim Bennett 用 ♥️ 編寫。

免責聲明：
本文件使用 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。原始語言的文件應被視為權威來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。