HDG Survey Group 预计人工智能 (AI) 将在质量控制中发挥重要作用。然而，许多用户还没有准备好迈出这一步。人工智能的质量也还不够好。"我们注意到，现有的应用程序无法充分正确地记录质量。此外，世界各地的数字化并不像欧洲那样先进。为了在其他国家提高知名度，有时需要在种植者的数字化过程中采取中间步骤，"HDG 创新与分析总监 Bas Lok 说道。
这就是为什么这家总部位于欧洲的公司专注于正确设计第一步：数据收集。在这里，数据的质量至关重要。"数据收集至关重要。如果做得不正确，数据的价值就会降低，从而降低人工智能应用程序所做预测的价值。所以你必须确保现场人员知道如何正确使用软件。"
因此，HDG Survey Group 最初专注于基础分析，以此作为更高级解决方案的垫脚石。"仪表板对于种植者了解产品随时间的发展情况变得越来越重要。然而，并不是所有的种植者都有钱购买最昂贵的分析软件，"Bas 说。
"通过提供基本分析（可以按质量评分、品种、种植者和产地等进行细分），我们预计种植者将逐步进入更深层次的技术开发。这是迈向更广泛分析的第一步，也是改善食品质量和安全的更好基础。"
采集照片
Bas 解释说，该公司还专注于准备引入人工智能技术。"例如，评估香蕉是绿色还是黄色。需要很多照片才能教会人工智能系统如何根据照片确定确切的颜色。我们目前正在对每个观察结果的所有这些照片进行分类。一旦有了合适的技术，您就可以将数千张照片直接上传到系统中，并且可以快速启动并运行。我们的检查员拥有 40 多年的经验，因此，我们拥有合适的内部专家来教会人工智能，而不会出错，"他说。
Bas 指出，在教授人工智能时，避免错误至关重要，因为误差幅度直接关系到对人工智能的信任。"人工智能仍处于起步阶段，因此很难信任。目前，几乎没有任何现场工具能够适应多变的条件，并且始终以 80% 到 90% 的确定性正确预测。这就是为什么要以可以进行更正的方式完成工作，以便报告仍然正确。但理想情况下，您希望报告始终 100% 正确。"
运用正确的专业知识进行干预
Lok 指出，调整人工智能系统是有风险的。"你需要具备正确专业知识的人来干预系统。如果你做出错误的修正，而且这种情况经常发生，就会导致系统做出错误的假设。这只会让人工智能系统变得更糟，"他解释道。因此，你需要专业知识来教导或纠正人工智能系统。"如果你没有使用正确的专业知识，系统生成的报告可能会变得越来越不可靠。人工智能报告不再被信任，因为它们经常出错，这对整个水果和蔬菜供应链构成了风险。"
"这正是 AI 所欠缺的：功能中缺乏足够的专业知识供人们直接应用。如果一个工具产生了负面报告，人们可能会说：'我不相信 AI 技术。'这是目前最重要的事情：相信这种技术以及将提供这种技术的各种软件方，"Bas 认为。
内部产业链的协调
这就是为什么他认为，尤其是那些控制着大部分供应链的公司，至少在短期内有可能使用人工智能进行质量控制。"比如说，一家种植和进口的公司可以更快地应用这项技术。在内部使用人工智能进行质量控制可以建立相互信任。我相信，以这种方式使用它将在未来两年内起飞，但对于其他市场来说，这可能需要更长的时间。我认为个体种植者、进口商和零售商真正广泛应用人工智能技术可能还需要五年甚至更长时间。"
Bas 认为，这需要在整个供应链中进行更多更好的沟通。他认为这种必要性与人工智能无关，例如，监测不断减少的农作物保护产品包装的后果。并保证长期的食品质量和安全。财务利润应该是讨论的一部分。
"利润率低可能不会在短期内产生立竿见影的影响，但这确实意味着种植者将无法在五年内投资所需的资金。这可能会危及食品质量和安全。最终，需要在整个供应链中进行更多的沟通，以确保食品质量和安全能够长期保持在我们都希望的水平，"Bas 总结道。
HDG Survey Group
Marconistraat 33
3029 AG Rotterdam
电话：+31 10 2441414
lok@hdg-surveygroup.com
www.hdg-surveygroup.com