人工智能能帮助区分好红薯和坏红薯吗？

大多数杂货店顾客都认为将一颗普通的红薯从地里运到购物篮是理所当然的。这种略带甜味的红色根茎类蔬菜有各种大小和口味，但消费者已经习惯了一定程度的一致性。为了满足市场需求，红薯要经过一轮又一轮的费力且耗时的质量评估，以剔除那些太硬、不够甜或被认为不太可能出售的不良批次。这一过程目前由实验室中的人类有条不紊地完成，但一项新研究表明，高光谱相机和人工智能可以帮助加快这一过程。

在本周《农业计算机与电子技术》杂志上发表的一项研究中，伊利诺伊大学的研究人员着手研究高光谱成像相机收集的数据是否有助于缩小通常由人工检查和测试确定的某些土豆属性的范围。高光谱相机可以收集整个电磁波谱中的大量数据，常用于帮助确定材料的化学组成。在这种情况下，研究人员想看看他们是否可以分析土豆图像中的数据，以准确确定土豆的硬度、可溶性固体含量和干物质含量——这三个关键属性决定了蔬菜的整体口味和市场吸引力。通常，这个过程需要繁琐、有时甚至浪费的测试，包括将测试土豆放在 103 摄氏度的烤箱中加热 24 小时。

伊利诺伊大学农业、消费者和环境科学学院助理教授 Mohammed Kamruzzaman 在一份声明中表示：“传统上，质量评估是使用实验室分析方法进行的。你需要不同的仪器在实验室中测量不同的属性，并且需要等待结果。”

研究人员收集了 141 个无缺陷的红薯，并从多个角度拍摄了照片。高光谱成像会产生大量数据，这对于寻找特定变量的研究人员来说既是福音，也是祸害。为了解决这个问题，研究人员使用人工智能模型帮助将噪声数据过滤成几个波长。然后他们能够将这些波长与他们正在寻找的特定理想红薯属性联系起来。

“利用高光谱成像，你可以同时测量多个参数。你可以评估一批土豆中的每一个，而不仅仅是几个样本，”Kamruzzaman 补充道。

人工智能和高光谱相机可以加速蔬菜检查

研究人员认为，农民和食品检查员可以结合使用高光谱成像和人工智能，准确且经济高效地扫描红薯的关键属性，同时减少传统测试产生的副产品食物浪费。虽然这项研究的重点是红薯，但类似的策略也可用于在许多其他蔬菜和水果中寻找所需的特征。Kamruzzaman 说，他和他的同事最终希望快速轻松地扫描红薯批次。在消费者方面，研究人员设想有一天开发出一款应用程序，杂货店顾客可以使用该应用程序扫描土豆并查找其特定属性。从理论上讲，这样的应用程序可以减少顾客尴尬地抚摸农产品的情况。

“我们相信这是这种方法在甘薯评估方面的一种新应用，”博士生兼研究主要作者 Toukir Ahmed 写道。“这项开创性的工作有可能为其他广泛的农业和生物研究领域的应用铺平道路。”

农业行业越来越多地转向人工智能解决方案，试图提高效率并避免日益严重的农业劳动力短缺。从荷兰的自动郁金香检查机到自动驾驶的约翰迪尔拖拉机，世界各地的农民都希望这些新创新最终能够压低食品价格并同时提高自己的盈利能力。然而，这一切究竟会如何发展仍有待观察。人工智能解决方案带来的农业收益也可能需要更长时间才能惠及经济发展中国家，因为这些国家的一些农业仍以手工方式进行。