Makoto Koike原本在日本的一家车企当工程师，大约一年前，他辞去工作回到老家帮父母经营黄瓜农场。农场并不大，然而给黄瓜分类的工作却让Makoto吃了不少苦头。
日本各个农场对于黄瓜有不同的分类标准，并不是我们所想的分个大小那么简单。单是Makoto自己家的农场，同一个品种的黄瓜的分类就达了9种之多。一般来说，颜色鲜艳、刺多、体态匀称的才算是好瓜。
以下是令人震撼的Makoto家9类黄瓜图表，由上至下质量依次递减。
手里刚摘了一根黄瓜，你得仔细观察它的长短、粗细、颜色、纹理、是否有小刮痕、弯的还是直的、刺多不多......要跟9类标准对应，看它属于哪一等级，这并不是一个容易学的工作。
一个人要花好几个月才能熟练掌握整个分类标准体系，所以到了采摘旺季，Makoto家忙不过来，却又不能临时雇人帮忙。
但是Makoto始终认为，给黄瓜分类不应该是瓜农的主要的工作，瓜农最重要的任务应该是专注于种植出美味的黄瓜。所以他决定，要把分类的工作交给机器，但是市面上的黄瓜分类器要么性能差要么太贵，不适合小农场。
而这时他看到了阿尔法狗的围棋大赛，一下子被人工智能吸引了，萌生了用机器学习造黄瓜分类机的想法，并开始研究谷歌开源的TensorFlow平台。
值得一提的是，使用 TensorFlow，并不需要具备高等数学模型、优化算法等专业知识，你只需下载简单的代码，然后阅读教程，就可以开始着手工作了。
这是Makoto制作的黄瓜分类机工作的场景：如果一根黄瓜属于某一个品类，小刷子就会把它推到相应的箱盒里。
Makoto使用树莓派3作为主控制器，配备一个相机拍摄照片。这些照片传到TensorFlow平台上，起初在一个小型的神经网络上运行，以判断是否是黄瓜。之后，已经被判定为黄瓜的照片接着传输到一个更大的基于Linux服务器的神经网络，来对黄瓜按照不同的特质进行分类。
以下是黄瓜分类机的系统图：
机器学习首先是需要一个数据库的，为了训练这个模型，Makoto花了3个月的时间给它“喂”了7000张黄瓜照片，这些照片都是由Makoto的妈妈分类贴上的标签。
小编推荐阅读
