By 超神經

場景描述：要問什麼水果和夏天最搭，答案一定是西瓜。作為西瓜生産與消費大國，中國在 2018 年以全世界 20% 的人口消耗掉全世界 70% 的西瓜，人均 100 斤。如何挑選最甜的瓜，也成了「吃瓜群衆」十分關心的問題。一位浙江大學的博士，用機器學習的方法判斷西瓜的成熟度，十分接地氣。

今年夏天，「熱」已成為全球熱詞，我們經曆了炎熱六月，正經曆酷熱七月，馬上迎來悶熱八月……

在難熬的酷暑面前，抱着半塊冰涼的西瓜大快朵頤，無疑是最佳解暑選擇了。啃着吃，勺子挖着吃，打成沙冰吃，炒着吃，烤着吃，怎麼吃都好吃……

西瓜對于中國人的意義

世界上，恐怕沒有比中國人更愛吃、更能吃也更會吃西瓜的了。

自從1000 多年前南北朝時期，西瓜傳入中國，它就慢慢開始登上夏日水果霸主的地位。

有史學家考證，1000 多年前北京地區已有西瓜種植，而古人最早的「吃西瓜」場面，是在内蒙古遼代墓葬壁畫上發現的，此墓築于公元 1026~1027 年間。

1000 多年來，西瓜的外貌基本沒什麼變化

剛傳入中國時，西瓜還屬于貴族專享。直到公元 1143 年，南宋官員洪皓出使金國回來之時，帶回了金人種植的西瓜種子，從此江南有了西瓜，老百姓也能吃上西瓜了。

洪皓回到南宋後，将見聞整理成書

洪皓撰寫的《松漠紀聞》中，有一段對西瓜的描述：「西瓜形如匾蒲而圓，色極青翠，經歲則變黃。其瓞類甜瓜，味甘脆，中有汁，尤冷。予攜以歸，今禁圃鄉囿皆有。」

此後，西瓜開始頻現于南宋文人筆端，「年來處處食西瓜」、「西瓜黃處藤如織」、「醉拾西瓜擘」等文字，都表明西瓜已經越來越普及。

湖北恩施發現了北宋鹹淳年間的「西瓜碑」

碑文記載了當地所種植的四種西瓜

西瓜，已經成為了中國文化的一部分。很多成語都和西瓜有關：老王賣瓜，滾瓜爛熟，瓜熟蒂落，順藤摸瓜……

2004年，位于北京大興區龐各莊鎮的「中國西瓜博物館」，正式開館，其外形效果主題為「飛翔的西瓜」，寓意中國西瓜飛出國門。這是國内首家以「西瓜」為主題的博物館。博物館内向人們展示西瓜曆史、西瓜種植、西瓜文化以及科技等内容。

中國西瓜博物館裡到處都是西瓜相關的照片、漫畫、模型

根據聯合國糧農組織 FAO 公布的數據，當前，我國已成為世界上最大的西瓜生産國和消費國，2018 年我國消化了超過7000萬噸西瓜，也就是人均消費掉了100 斤。

所以，在西瓜面前，我們都可以驕傲地說：我終于實現了水果自由！

全球通用挑瓜大法：敲它

不過，吃瓜容易挑瓜難。面對一堆長相相似的西瓜，如何才能選中最好最甜的瓜？全球通用的辦法是：敲它。

西瓜西瓜告訴我，你是不是最甜的瓜

但是，事實上，很多「吃瓜群衆」最後敲來敲去，也聽不到西瓜的回答。

于是，一位浙江大學的博士寫了一篇130 頁的論文《西瓜成熟度和内部空心的聲學檢測技術及裝置研究》，告訴我們，如何利用人工智能技術，從敲西瓜的聲音來判别最甜的西瓜。

除了這位博士，還有很多碩博士也都在做這方面的研究

當然，他做這項研究的初衷，是為了提高瓜農收入，擴大西瓜的對外出口。也順便造福一下我們廣大「吃瓜群衆」。

傳統方法如何判斷西瓜成熟

我國西瓜産量和種植面積居世界第一，但是出口量卻不到産量的 1%，不僅是因為我們自己消耗的多，還因為西瓜産後檢測和處理的手段落後，導緻質量良莠不齊，商品化程度較低。

西瓜是否适時采收對西瓜品質影響極大，過熟或者不熟采摘都會影響西瓜的品質與口感。在我國，采收時機主要還是依賴于瓜農的主觀經驗，他們往往通過生長周期、氣候（主要是氣溫）以及觀察瓜皮顔色、紋理來判斷西瓜成熟情況。

當然，還有一個技巧，就是上文提到的，敲瓜皮聽聲音。這是目前瓜農最常用的方法。

從左至右西瓜成熟度分别為：未熟，成熟，過熟

一般來說，未熟西瓜聲音較清脆，敲打時會發出「咚咚咚」的聲音，成熟瓜聲音比較低濁，發聲為「嘭嘭嘭」，而過熟西瓜則會發出「撲撲撲」的聲音。靠人工一個一個去檢測，費時費力且依賴經驗，準确率無法保證。

如今，計算機、圖像處理、傳感器等技術飛速發展，将這些技術廣泛用于農産品品質檢測中，可以大大提高檢測效率與準确率。

用機器學習判斷，準确又高效

通過研究，論文作者發現西瓜成熟度的變化，一般與内部成分（如糖度）和結構（如體積質量變大、内部空心）的變化密切相關，而這些變化也會導緻聲學特征參數發生變化，因此他認為利用聲學無損檢測方法，通過不同建模方法與技術，來判斷西瓜熟度比較合适。

而且，對比其他檢測方法，比如激光、核磁共振等技術，聲學特征檢測具有價格低廉、檢測效率高、準确度高的優點。試驗之後，作者得出結論，LS-SVM 方法在西瓜成熟度分類建模中表現最佳，預測準确率為 73.6%。

聲學檢測裝置實物圖

在聲學檢測裝置結構和材料優化基礎上，并對敲擊信号去噪之後，作者進行了兩種試驗，分别為成熟度分類試驗和空心判定試驗。

試驗中選用了麒麟西瓜作為樣本，為杭州市餘杭區倉前鎮吳山前村五組瓜農于溫室瓜棚分批次采摘，采摘後便立刻搬至實驗室。

成熟度分類試驗中，選用 147 個非空心瓜，随機分為兩組：建模集 75 個，預測集 72 個。

空心判定試驗中，選取 190 個樣本（包含有空心瓜），随機分為兩組，建模集 97 個，預測集 93 個。

建模集用來建立樣本的分類或空心判定模型，預測集用來測試模型的性能。

試驗采用了四種常見有監督機器學習算法和模式識别算法，分别是線性判别分析法（LDA）、K-最小近鄰法（KNN）、BP 神經網絡技術（ANN）和最小二乘-支持向量機法（LS-SVM），以聲學特征對未熟、成熟和過熟三種西瓜進行了分類，此外還對空心瓜進行鑒别。

空心瓜樣本中，空心體積位置與形狀都有所不同

為了消除敲擊西瓜聲音頻譜中峰值分裂所造成的不利影響，作者定義了一階矩指數 MI1 和二階矩指數 MI2，因為在西瓜穿刺試驗中（判斷果肉堅實度）判定這兩個參數與西瓜成熟度關聯性較高，因此将其作為西瓜成熟度分類的聲學特征參數。

最适配辨瓜算法：LS-SVM

試驗結果表明，LS-SVM 算法建模集和預測集的準确率分别為 76% 和 73.6%，均高于其他三種分類器的分類結果。

三種不同成熟度西瓜的 LS-SVM 分類結果

另外，神經網絡建模集和預測集準确率分别 73.3% 和 66.6%，僅次于 LS-SVM。

作者由此得出結論：LS-SVM采用了線性方程組對 SVM 的二次規劃問題加以簡化，分類效率得到大幅度提高，并且引入懲罰因子使結構風險化最小。該方法更适用于處理小樣本集合不均衡樣本集不均衡西瓜樣本集的分類；

而 LDA 算法适用于線性分類問題；KNN 算法對不均衡樣本集分類時，易使位置樣本偏向數量多的樣本類，造成分類誤差變大；神經網絡分類器則存在過拟合、易陷入局部極值的缺點。

此外，作者還采用了上述四類方法以及能量比經驗阈值法，以 MI1、MI2 和能量比 Er為特征參數，對不均衡樣本進行空心瓜判别。

作者采用 Fβ分數作為分類器的評價指标，其物理含義是通過給予準确率和召回率不同的權重，将二者合并一個分數，綜合評判分類器對樣本總體和某類樣本分類的準确程度。

Fβ的定義

定義公式中，TP 為被正确劃分為空心瓜的樣本數，TN 為被正确劃分為好瓜的樣本數，P 為實際的空心瓜樣本數，N 為實際的好瓜樣本數。本文中 β = 2.

這些判别方法中，仍然是LS-SVM 分類效果最佳，其建模集和預測集的 Fβ 分數分别為 88.1% 和 74.7%。

看來，關于如何挑到最甜的瓜，浙大博士已經幫我們算得清清楚楚了。

吃瓜，我們是最科學的

上千年的積累之下，西瓜已經越來越成為國人生活中的一部分。所謂「夏天沒有吃過西瓜的人，不足以語人生。」

如今網絡上出現大批的「吃瓜群衆」，也充分顯示了我們對于西瓜的熱愛。你是不是一個合格的吃瓜群衆呢？

“明白了，這就去跟水果攤老闆對線~”

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!