直播課程
生咖啡豆的品質及整齊度嚴重影響後續烘焙及最終風味，傳統以人工檢查，過程耗時、耗力且較易出錯導致品質不一，研究人員致力於開發自動化選豆機，目前在台灣已有一台採用 AI 演算法進行即時檢測的選豆機-Avercasso CS1，然而該演算法和設備並不公開，因此孟加拉及日本研究團隊合作，藉由AI建立準確度高的YOLO模型，協助自動檢測及分辨劣質的生咖啡豆，以提升效率與確保品質。
YOLO（You Only Look Once）是一種用於即時物件檢測的深度學習演算法，能同時檢測及識別多個物體，且效率及精度高，已應用於醫學成像、自動駕駛汽車等。研究團隊收集5000多張生咖啡豆的高解析度影像，對6種YOLO模型進行訓練並測試其效率、準確度及速度，辨別黑色、破損、褪色及發酸等劣質咖啡豆，結果顯示，YOLOv8n準確度最佳，平均準確度達0.995，且偽陰性及偽陽性機率最低，藉由修改關鍵元素後優化機器學習效率，對此模型進行微調後，使模型能夠更聚焦於咖啡豆的相關特徵，進而提高缺陷檢測及分類準確性。然而，此模型的仍有一些限制，例如著重於單一來源的咖啡，對於其他國家或品種的咖啡可能並不適用等。相關文獻發表於Scientific Reports期刊。
透過自動檢測有缺陷的生咖啡豆，此模型有助於加強咖啡產業的品質控制，也為農業自動化的未來創新奠定基礎。研究人員表示，未來將擴大資料量，收集多個來源及更多種缺陷的咖啡豆，使模型應用性更廣泛，或整合物聯網(IoT)設備，期望能應用於其他農作物上。⇒更多詳細內容請參閱<農業科技決策資訊平台>
