AI深度学习算法是什么？对食品分选有何作用？

　　食品工业作为重要的民生产业，转型升级的步伐从未停止。为了适应不同区域、不同消费群体的食品需求，生产安全、营养、个性化的食品，食品工业正在推动人工智能、物联网等新兴技术的应用，其中，深度学习算法技术作为人工智能的重要分支，愈加受到关注。

　　那么，AI深度学习算法的优势体现在哪里?简而言之，可以解决更复杂更抽象、难以求得规律的问题，举个例子，2016年，围棋机器人(AlphaGo)以“深度学习”作为主要工作原理，击败了人类围棋大师，而这是传统算法难以实现的。

　　AlphaGo之前，象棋机器人(深蓝)通过搜索解法+评估胜率的途径战胜人类象棋大师，但这难以适用于棋局总排列组合数高达10的171次方、更复杂难解的围棋游戏。

　　AlphaGo则通过深度学习算法，使用人工神经网络模型，模拟人脑学习、判断的方法，评估围棋中的抽象概念(如“局面”)，求得胜率更高的解法，以自行寻找围棋中的隐藏特征与逻辑替代了传统的手工提取特征方法。

　　食品的形状、颜色、大小等方面日益多元化，食品各种要素排列组合之后的复杂程度也越来越高，食品安全风险隐患增多，分选难度日益提高。为加强食品质量安全管控力度，构建食品工业新格局，深化食品分选中的深度学习算法应用已成为可预见的趋势。

　　中瑞微视与央企中国电子科技集团联合研发，将AI深度学习技术引入色选机领域，探索提高色选精度之道，助力食品安全与食品工业的发展。

　　一般而言，深度学习算法有效性的关键在于人工神经网络的规模，单个或者少量的人工神经元难以形成“智能”，只有许多神经元协同工作才产生智能，才能在更复杂的任务上实现更高的精度。

　　人工神经网络的规模如何增长?这需要更快的计算机、更复杂的模型设计等多方面要素的提升来驱动。

　　凭借多年的研发底蕴与努力，以及产品配置升级，新一代中瑞微视AI深度学习智能色选机应用深度学习算法后，在色选精度方面得以有效提升，色选范围也更为广泛，不仅可检出食品中的金属、玻璃、石子等恶性杂质，还可对低密度污染物等异物进行识别。异物分选之外，形状、重量、缺失、裂缝等多方面的识别功能更具实用价值。

　　针对不同行业、不同特色的食品，中瑞微视AI深度学习色选机还可通过个性化方案与配置，为食品工业中的各行各业针对性地解决问题，满足客户精细化分选需求!