来源：中科院物理所 今年夏天，‘热’已沦为全球热词，我们经历了寒冷六月，于是以经历炎热七月，立刻步入炎热八月…… 在难熬的严寒面前，抱着半块冰凉的西瓜大快朵颐，毫无疑问是最佳解暑自由选择了。啃着不吃，勺子凿着不吃，打伤沙冰不吃，油炸着不吃，烤着不吃，怎么不吃都爱吃…… 西瓜对于中国人的意义 世界上，难道没比中国人更加爱吃、更加能不吃也更加不会吃西瓜的了。 自从1000多年前南北朝时期，西瓜起源于中国，它就渐渐开始攀上夏日水果霸主的地位。 有史学家考据，1000多年前北京地区有数西瓜栽种，而古人最先的‘吃西瓜’场面，是在内蒙古辽代墓葬壁画上找到的，此墓筑于公元1026~1027年间。
1000 多年来，西瓜的外貌基本没什么变化 刚刚起源于中国时，西瓜还归属于贵族专享。直到公元 1143 年，南宋官员洪皓使臣金国回去之时，送回了金人栽种的西瓜种子，从此江南有了西瓜，老百姓也能不吃上西瓜了。
洪皓返回南宋后，将见闻整理成书 洪皓编写的《松漠纪闻》中，有一段对西瓜的叙述：‘西瓜形似匾蒲而圆，色极青翠，经岁则变黄。其瓞类甜瓜，味甘质地，中有汁，尤冷。予携以归，今严禁圃乡囿均有。’ 此后，西瓜开始频现于南宋文人笔端，‘年来恣意取食西瓜’、‘西瓜黄处藤如织’、‘醉拾西瓜擘’等文字，都指出西瓜早已更加普及。
湖北恩施找到了北宋咸淳年间的‘西瓜碑’，碑文记述了当地所栽种的四种西瓜 西瓜，早已沦为了中国文化的一部分。很多成语都和西瓜有关：老王卖瓜，滚瓜烂熟，瓜熟蒂落，顺藤摸瓜…… 2004年，坐落于北京大兴区庞各庄镇的‘中国西瓜博物馆’，月开馆，其外形效果主题为‘飞翔的西瓜’，寓意中国西瓜飞出有国门。这是国内首家以‘西瓜’为主题的博物馆。博物馆内向人们展出西瓜历史、西瓜栽种、西瓜文化以及科技等内容。
中国西瓜博物馆里四处都是西瓜涉及的照片、漫画、模型 根据联合国粮农组织 FAO 发布的数据，当前，我国已沦为世界上仅次于的西瓜生产国和消费国，2018 年我国消化了多达 7000万吨西瓜，也就是人均消费丢弃了 100 斤。 所以，在西瓜面前，我们都可以骄傲地说道：我再一构建了水果权利！ 全球通用挑瓜大法：敲打它 不过，不吃瓜更容易挑瓜无以。面临一堆相貌相近的西瓜，如何才能顺位最差最甜的瓜？全球通用的办法是：敲打它。西瓜西瓜告诉他我，你是不是最甜的瓜 但是，事实上，很多‘不吃瓜群众’最后敲来敲去，也听得将近西瓜的问。
于是，一位浙江大学的博士写出了一篇 130 页的论文《西瓜成熟度和内部空心的声学检测技术及装置研究》，告诉他我们，如何利用人工智能技术，从敲打西瓜的声音来判断最甜的西瓜。除了这位博士，还有很多硕博士也都在做到这方面的研究 当然，他做到这项研究的想法，是为了提升瓜农收益，不断扩大西瓜的对外出口。也偷偷地教化一下我们广大‘不吃瓜群众’。
传统方法如何辨别西瓜成熟期 我国西瓜产量和栽种面积居于世界第一，但是出口量却将近产量的 1%，不仅是因为我们自己消耗的多，还因为西瓜产后检测和处置的手段领先，造成质量良莠不齐，商品化程度较低。 西瓜否主动采摘对西瓜品质影响很大，过煮或者不煮采收都会影响西瓜的品质与口感。
在我国，采摘时机主要还是依赖瓜农的主观经验，他们往往通过生长周期、气候（主要是气温）以及仔细观察瓜皮颜色、纹理来辨别西瓜成熟期情况。 当然，还有一个技巧，就是上文提及的，敲打瓜皮听得声音。这是目前瓜农最常用的方法。从左至右西瓜成熟度分别为：未熟，成熟期，过煮 一般来说，未熟西瓜声音较悦耳，敲击时会收到‘咚咚咚’的声音，成熟期瓜声音较为较低鼻音，倾听为‘嘭嘭嘭’，而过煮西瓜则不会收到‘扑扑捉’的声音。
靠人工一个一个去检测，费时费力且倚赖经验，准确率无法确保。 如今，计算机、图像处理、传感器等技术飞速发展，将这些技术普遍用作农产品品质检测中，可以大大提高检测效率与准确率。 用机器学习辨别，精确又高效 通过研究，论文作者找到西瓜成熟度的变化，一般与内部成分（如糖度）和结构（如体积质量逆大、内部空心）的变化密切相关，而这些变化也不会造成声学特征参数发生变化，因此他指出利用声学可用检测方法，通过有所不同建模方法与技术，来辨别西瓜熟度较为适合。
而且，对比其他检测方法，比如激光、核磁共振等技术，声学特征检测具备价格低廉、检测效率高、准确度低的优点。试验之后，作者得出结论，LS-SVM 方法在西瓜成熟度分类建模中展现出最佳，预测准确率为 73.6%。
声学检测装置实物图 在声学检测装置结构和材料优化基础上，并对敲打信号去噪之后，作者展开了两种试验，分别为成熟度分类试验和空心判断试验。 试验中搭配了麒麟西瓜作为样本，为杭州市余杭区仓前镇吴山前村五组瓜农于温室瓜棚分出厂采收，采收后之后马上搬至实验室。 成熟度分类试验中，搭配 147 个非空心瓜，随机分成两组：建模集 75 个，预测集 72 个。
空心判断试验中，挑选 190 个样本（包括有空心瓜），随机分成两组，建模集 97 个，预测集 93 个。 建模集用来创建样本的分类或空心判断模型，预测集用来测试模型的性能。 试验使用了四种少见有监督机器学习算法和模式识别算法，分别是线性判别分析法（LDA）、K-大于邻接法（KNN）、BP 神经网络技术（ANN）和大于二乘-反对向量机法（LS-SVM），以声学特征对未熟、成熟期和过熟三种西瓜展开了分类，此外还对空心瓜展开辨别。
空心瓜样本中，空心体积方位与形状都有所不同 为了避免敲打西瓜声音频谱中峰值分化所导致的有利影响，作者定义了一阶矩指数 MI1 和二阶矩指数 MI2，因为在西瓜放血试验中（辨别果肉扎实度）判断这两个参数与西瓜成熟度关联性较高，因此将其作为西瓜成熟度分类的声学特征参数。 最兼容辨瓜算法：LS-SVM 试验结果表明，LS-SVM 算法建模集和预测集的准确率分别为 76% 和 73.6%，皆低于其他三种分类器的分类结果。三种有所不同成熟度西瓜的 LS-SVM 分类结果 另外，神经网络建模集和预测集准确率分别 73.3% 和 66.6%，次于 LS-SVM。
作者由此得出结论：LS-SVM使用了线性方程组对 SVM 的二次规划问题加以修改，分类效率获得大幅度提高，并且引进惩罚因子使结构风险化大于。该方法更加限于于处置小样本子集不平衡样本集不平衡西瓜样本集的分类； 而 LDA 算法限于于线性分类问题；KNN 算法对不平衡样本集分类时，不易使方位样本偏向数量多的样本类，导致分类误差逆大；神经网络分类器则不存在过数值、不易陷于局部极值的缺点。 此外，作者还使用了上述四类方法以及能量比经验阈值法，以 MI1、MI2 和能量比 Er为特征参数，对不平衡样本展开空心瓜判断。 作者使用 Fβ分数作为分类器的评价指标，其物理含义是通过给与准确率和解任亲率有所不同的权重，将二者拆分一个分数，综合评判分类器对样本总体和某类样本分类的精确程度。
Fβ的定义 定义公式中，TP 为被准确区分为空心瓜的样本数，TN 为被准确区分为好瓜的样本数，P 为实际的空心瓜样本数，N 为实际的好瓜样本数。本文中 β = 2。 这些判断方法中，依然是 LS-SVM 分类效果最佳，其建模集和预测集的 Fβ分数分别为 88.1% 和 74.7%。 显然，关于如何滚到最甜的瓜，浙大博士早已老大我们算数得清清楚楚了。
不吃瓜，我们是最科学的 上千年的累积之下，西瓜早已更加沦为国人生活中的一部分。所谓‘夏天没不吃过西瓜的人，足以语人生。’ 如今网络上经常出现大批的‘不吃瓜群众’，也充份表明了我们对于西瓜的热衷。
你是不是一个合格的不吃瓜群众呢？ “明白了，这就去跟水果摊老板对线~”
本文来源：6T体育官网-www.cbdoilglobal.com