人工智能可以帮助区分好的和坏的红薯吗？

大多数杂货店的顾客认为，将一个不起眼的红薯从地下运出并放入购物篮是理所当然的。这种略带甜味的红根蔬菜有各种大小和口味，但消费者已经开始期望一定程度的一致性。为了满足市场需求，红薯要经过一轮轮费力而耗时的质量评估，以根除那些要么太硬、不够甜，要么被认为不太可能销售的不良批次。这个过程目前由人类在实验室有条不紊地进行，但一项新的研究表明，高光谱相机和人工智能可以帮助加快这个过程。

在本周发表在《农业中的计算机和电子》上的一项研究中，伊利诺伊大学的研究人员开始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员和测试确定的某些马铃薯属性。高光谱相机收集电磁波谱中的大量数据，通常用于帮助确定材料的化学成分。在这种情况下，研究人员想看看他们是否能分析马铃薯图像中的数据，以准确确定土豆的硬度、可溶性固体含量和干物质含量——这三个关键属性有助于蔬菜的整体味道和市场吸引力。通常，这个过程需要乏味的，有时是浪费的测试，包括将测试土豆放在103摄氏度的烤箱中加热24小时。

“传统上，质量评估是使用实验室分析方法进行的，”伊利诺伊大学农业、消费者和环境科学学院助理教授穆罕默德·卡姆鲁扎曼在一份声明中说。“你需要不同的仪器来测量实验室中的不同属性，你需要等待结果。”

研究人员收集了141个无缺陷的红薯，并从多个角度拍照。高光谱成像产生了大量数据，这对寻找特定变量的研究人员来说既是福也是祸。为了解决这个问题，研究人员使用人工智能模型帮助将嘈杂的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。

“有了高光谱成像，你可以同时测量几个参数。你可以评估一批中的每一个土豆，而不仅仅是几个样本，”卡姆鲁扎曼补充道。

人工智能和高光谱相机可以加速蔬菜检测

研究人员认为，农民和食品检查员可以利用高光谱成像和人工智能的结合，准确且经济高效地扫描红薯的关键属性，同时减少作为传统测试副产品产生的食物浪费。虽然这项特殊的研究集中在红薯上，但类似的策略也可能被用来在许多其他蔬菜和水果中找到所需的特征。Kamruzzaman说，他和他的同事最终希望创建快速轻松的扫描红薯批次。在消费者方面，研究人员设想有一天开发出一款应用程序，食品店顾客可以用来扫描土豆并查找其特定属性。理论上，这样的应用程序可以减少顾客笨拙地抚摸他们的产品。

博士生兼研究主要作者图基尔·艾哈迈德写道：“我们相信这是这种方法在甘薯评估中的新应用。”"这项开创性的工作也有可能为广泛的其他农业和生物研究领域铺平道路。"

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，阻止日益严重的农业劳动力短缺。从荷兰的自主郁金香检查机到自动驾驶约翰迪尔拖拉机，世界各地的农民都希望这些新创新最终能压低食品价格，同时提高自己的盈利能力。然而，这一切到底会如何发展还有待观察。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，在这些国家，一些农业仍然是手工完成的。