几十年来，新鲜农产品的质量与其说是科学定义的，不如说是主观判断的体现。买家设定标准，种植者努力达到标准，而争议则源于两者之间的差距。如今，人工智能系统正日益致力于弥合这一差距，旨在将主观判断转化为更接近可衡量、共享标准的指标。
© GoMicro AI
据 GoMicro AI 创始人 Sivam Krish 博士称，这一转变的核心理念很简单：买家已经决定了"好"的标准，因此，通过训练人工智能识别反映质量优劣和特定缺陷的图像，就能使其在整个供应链中对产品进行一致的评估。
"问题在于主观评估，"Krish 说。"卖家，也就是农民，认为他们的产品很好，但到了买家那边，他们却因为各种原因说不好，而这个问题根本无法解决，因为在买家那边，是另一个人在进行主观评估。"
这种主观性会带来经济损失。买家拒收往往导致种植者承担损失，而且几乎没有办法质疑结果。等到产品被拒收时，可能已经没有其他用途，最终只能降价、注销或浪费。这样一来，质量控制中的主观性就如同对供应链征收的一种"税"，因为评估的不一致性会在每个环节都造成隐性成本。
但是，如果能够在供应链早期应用统一标准，就有望将农产品转移到其他用途，而不是任其被拒收，甚至在某些情况下造成浪费。
© GoMicro AI
人工智能带来的改变不仅仅是自动化，更是一致性。以往，供应链中不同环节需要多位人工检查员，每位检查员的判断都略有不同；而现在，系统可以经过训练，复制单一且一致的标准。
"我们复制一个人的判断，"Krish 说道，"然后，这种判断就可以应用于整个供应链。农民说'好'是没有意义的； "买家必须认可它的质量。"
实际上，这消除了许多导致纠纷的模糊之处。如果发货人和收货人都使用相同的模型进行评估，并遵循相同的质量定义，那么分歧就会从意见分歧转变为可验证的差异，甚至完全消失。
对于种植者而言，成本效益立竿见影。在水果离开包装厂之前，根据买家的标准进行评估，可以降低被拒收的风险以及相关的运费、处理费和处置费。此外，还可以更早地调整产品的销售方向。
"发货人也知道，如果我把这个寄出去，会被拒收，因为他们就是这样评判的，"Krish 说道。
这种在上游阶段做出决策的能力对于浆果和绿叶蔬菜等易腐品类至关重要，因为延误会迅速降低价值。种植者与其将质量勉强合格的产品运往高规格零售渠道，不如将其分配给加工市场或低规格市场，从而保留原本会损失的利润。
技术难点一直在于准确性，尤其是在农产品方面，因为农产品的缺陷往往很细微或难以察觉。"如果缺陷很明显，那当然可以做到，"Krish 说，"但如果缺陷很细微，那就很难处理了。"这包括菠菜叶片间的交叉污染，或者草莓上的轻微擦伤等问题。
© GoMicro AI
"我们攻克的难题在于能够检测出极其细微的缺陷，甚至是肉眼难以察觉的缺陷，"他说道，并补充说，即使产品重叠，系统也能进行评估——这长期以来一直是自动分级的一大局限。
至关重要的是，该方法并不依赖于单一的通用标准。相反，人工智能可以利用样本集快速训练，使其适应特定的买家偏好，从而有效地将主观判断数字化。
"这就是模型的工作原理。你给它一些图像示例，展示哪些是优质产品，哪些是劣质产品，模型就会学习如何忠实地再现这些示例。这样一来，你就可以创建产品类别了，"Krish 说道。
在一个生物变异性和不断变化的需求所构成的行业中，最终成果是一个共享的、透明的框架，它减少了摩擦，降低了浪费，并减少了分歧带来的隐性成本——用一致、可重复的评估取代了主观判断。
欲了解更多信息，请联系：
Kristie Dutt
GoMicro AI
https://gomicro.ai/
[email protected]
