Getreidesortierung mit künstlicher Intelligenz

Das ist ein gutes altes Klassifikationsproblem. Und "alt" ist hier buchstäblich zu nehmen, es ist eine der frühesten Anwendungen von ML. Umso besser, wenn man die Sortiermaschine selber baut: dann kann man zumindest sicherstellen, dass alle Bilder mit gleicher Belichtung, Auflösung, Abstand etc. entstehen.

Es gibt jede Menge Publikationen und Tools dazu, sowas ist auch Teil praktisch jedes Kurses über ML. Die Frage ist, ob du das von Grund auf entwickeln und verstehen willst oder einfach was Fertiges verwenden.

Wenn du auf unterer bis mittlerer Ebene einsteigen willst, wäre hier ein Ansatz: https://keras.io/examples/vision/image_classification_from_scratch/

Na ja, der erste Schritt ist natürlich die Maschine zu trainieren, die Getreidesorten zu erkennen. Da kennt die KI zwei Wege, deskriptiv (ein Hund hat 4 Beine usw) und durch tausende Fotos jeweils mit der Erklärung "das ist ein Hund" bzw "kein Hund. Das halte ich hier für die bessere. Die KI mit tausenden Bildern von Getreide füttern.

Ich würde beim Training erst mal mit 2 Getreidearten anfangen zB Roggen und Weizen. Dann schrittweise eine hinzufügen.

Und erst wenn das Computer das kann, könnt ihr die Maschine bauen, das ist ja eigentlich kein Problem mehr, sondern halt Mechanik (was bei Getreidekörnern auch wieder diffizil ist, weil die so klein sind)

warum muss denn alles in vegan sein. Schon Aschenbrödel konnte die Erbsen wieder sortieren, weil sie ihre Freunde, die Tauben zu Hilfe gerufen hat.

"Die guten ins Töpfchen, die schlechten ins Kröpfchen."

Bei Kartoffeln wurden früher die Steine in der Kartoffelsortiermaschine mit Röntgenstrahlung erkannt, und dann mit Druckluft aus dem Erntegut herausgestoßen.

Vielleicht hilft euch dieser Denkansatz weiter.