第二土耳其，400万吨不到。
Worldatlas天下舆图网
中国位列天下西瓜入口国前十
这么多西瓜，但我们出口却只有4万吨，仅占0.05%。
人口最多的中国人，种出了环球70%的瓜，然后又独自吃光了它们！
吃瓜，我们可是负责的。
西瓜对付中国人的意义
天下上，恐怕没有比中国人更爱吃、更能吃也更会吃西瓜的了。
自从 1000 多年前南北朝期间，西瓜传入中国，它就逐步开始登上夏日水果霸主的地位。
有史学家考证，1000 多年前北京地区已有西瓜栽种，而古人最早的「吃西瓜」场面，是在内蒙古辽代墓葬壁画上创造的，此墓筑于公元 1026~1027 年间。
1000 多年来，西瓜的外面基本没什么变革
刚传入中国时，西瓜还属于贵族专享。直到公元 1143 年，南宋官员洪皓出使金国回来之时，带回了金人栽种的西瓜种子，从此江南有了西瓜，老百姓也能吃上西瓜了。
洪皓回到南宋后，将见闻整理成书
洪皓撰写的《松漠纪闻》中，有一段对西瓜的描述：「西瓜形如匾蒲而圆，色极青翠，经岁则变黄。其瓞类甜瓜，味甘脆，中有汁，尤冷。予携以归，今禁圃乡囿皆有。」
此后，西瓜开始频现于南宋文人笔端，「年来处处食西瓜」、「西瓜黄处藤如织」、「醉拾西瓜擘」等笔墨，都表明西瓜已经越来越遍及。
湖北恩施创造了北宋咸淳年间的「西瓜碑」
碑文记载了当地所栽种的四种西瓜
西瓜，已经成为了中国文化的一部分。很多针言都和西瓜有关：老王卖瓜，滚瓜烂熟，瓜熟蒂落，顺藤摸瓜……
2004 年，位于北京大兴区庞各庄镇的「中国西瓜博物馆」，正式开馆，其形状效果主题为「飞行的西瓜」，寓意中国西瓜飞出国门。这是海内首家以「西瓜」为主题的博物馆。博物馆内向人们展示西瓜历史、西瓜栽种、西瓜文化以及科技等内容。
中国西瓜博物馆里到处都是西瓜干系的照片、漫画、模型
根据联合国粮农组织 FAO 公布的数据，当前，我国已成为天下上最大的西瓜生产国和消费国，2018年我国消化了超过 7000万吨西瓜，也便是人均消费掉了 100 斤。
以是，在西瓜面前，我们都可以骄傲地说：我终于实现了水果自由！
环球通用挑瓜大法：敲它
不过，吃瓜随意马虎挑瓜难。面对一堆长相相似的西瓜，如何才能选中最好最甜的瓜？环球通用的办法是：敲它。
西瓜西瓜见告我，你是不是最甜的瓜
但是，事实上，很多「吃瓜群众」末了敲来敲去，也听不到西瓜的回答。
于是，一位浙江大学的博士写了一篇 130 页的论文《西瓜成熟度和内部空心的声学检测技能及装置研究》（论文地址：http://t.cn/AiYcAYei），见告我们，如何利用人工智能技能，从敲西瓜的声音来判别最甜的西瓜。
除了这位博士，还有很多硕博士也都在做这方面的研究
当然，他做这项研究的初衷，是为了提高瓜农收入，扩大西瓜的对外出口。也顺便造福一下我们广大「吃瓜群众」。
传统方法如何判断西瓜成熟
我国西瓜产量和栽种面积居天下第一，但是出口量却不到产量的 1%，不仅是由于我们自己花费的多，还由于西瓜产后检测和处理的手段掉队，导致质量良莠不齐，商品化程度较低。
西瓜是否应时采收对西瓜品质影响极大，过熟或者不熟采摘都会影响西瓜的品质与口感。在我国，采收机遇紧张还是依赖于瓜农的主不雅观履历，他们每每通过成长周期、景象（紧张是气温）以及不雅观察瓜皮颜色、纹理来判断西瓜成熟情形。
当然，还有一个技巧，便是上文提到的，敲瓜皮听声音。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，过熟
一样平常来说，未熟西瓜声音较清脆，敲打时会发出「咚咚咚」的声音，成熟瓜声音比较低浊，发声为「嘭嘭嘭」，而过熟西瓜则会发出「扑扑扑」的声音。靠人工一个一个去检测，费时费力且依赖履历，准确率无法担保。
如今，打算机、图像处理、传感器等技能飞速发展，将这些技能广泛用于农产品品质检测中，可以大大提高检测效率与准确率。
用机器学习判断，准确又高效
通过研究，论文作者创造西瓜成熟度的变革，一样平常与内部身分（如糖度）和构造（如体积质量变大、内部空心）的变革密切干系，而这些变革也会导致声学特色参数发生变革，因此他认为利用声学无损检测方法，通过不同建模方法与技能，来判断西瓜熟度比较得当。
而且，比拟其他检测方法，比如激光、核磁共振等技能，声学特色检测具有价格低廉、检测效率高、准确度高的优点。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表现最佳，预测准确率为 73.6%。
声学检测装置实物图
在声学检测装置构造和材料优化根本上，并对敲击旗子暗记去噪之后，作者进行了两种试验，分别为成熟度分类试验和空心剖断试验。
试验中选用了麒麟西瓜作为样本，为杭州市余杭区仓前镇吴山前村落五组瓜农于温室瓜棚分批次采摘，采摘后便急速搬至实验室。
成熟度分类试验中，选用 147 个非空心瓜，随机分为两组：建模集 75 个，预测集 72 个。
空心剖断试验中，选取 190 个样本（包含有空心瓜），随机分为两组，建模集 97 个，预测集 93 个。
建模集用来建立样本的分类或空心剖断模型，预测集用来测试模型的性能。
试验采取了四种常见有监督机器学习算法和模式识别算法，分别是线性判别剖析法（LDA）、K-最小隔壁法（KNN）、BP 神经网络技能（ANN）和最小二乘-支持向量机法（LS-SVM），以声学特色对未熟、成熟和过熟三种西瓜进行了分类，此外还对空心瓜进行鉴别。
空心瓜样本中，空心体积位置与形状都有所不同
为了肃清敲击西瓜声音频谱中峰值分裂所造成的不利影响，作者定义了一阶矩指数 MI1 和二阶矩指数 MI2，由于在西瓜穿刺试验中（判断果肉坚实度）剖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色参数。
最适配辨瓜算法：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%，均高于其他三种分类器的分类结果。
三种不同成熟度西瓜的 LS-SVM 分类结果
其余，神经网络建模集和预测集准确率分别 73.3% 和 66.6%，仅次于 LS-SVM。
作者由此得出结论：LS-SVM 采取了线性方程组对 SVM 的二次方案问题加以简化，分类效率得到大幅度提高，并且引入惩罚因子使构造风险化最小。该方法更适用于处理小样本凑集不屈衡样本集不屈衡西瓜样本集的分类；
而 LDA 算法适用于线性分类问题；KNN 算法对不屈衡样本集分类时，易使位置样本倾向数量多的样本类，造身分类偏差变大；神经网络分类器则存在过拟合、易陷入局部极值的缺陷。
此外，作者还采取了上述四类方法以及能量比履历阈值法，以 MI1、MI2 和能量比 Er为特色参数，对不屈衡样本进行空心瓜判别。
作者采取 Fβ 分数作为分类器的评价指标，其物理含义是通过给予准确率和召回率不同的权重，将二者合并一个分数，综合评判分类器对样本总体和某类样本分类的准确程度。
Fβ 的定义
定义公式中，TP 为被精确划分为空心瓜的样本数，TN 为被精确划分为好瓜的样本数，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.
这些判别方法中，仍旧是 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%。
看来，关于如何挑到最甜的瓜，浙大博士已经帮我们算得清清楚楚了。
吃瓜，我们是最科学的
上千年的积累之下，西瓜已经越来越成为国人生活中的一部分。所谓「夏天没有吃过西瓜的人，不敷以语人生。」
如今非常盛行的网络热词「吃瓜群众」，也充分显示了我们对付西瓜的热爱。原来「吃瓜群众」中的「瓜」，指的是瓜子，但是由于西瓜的深入民心，这个「瓜」就逐渐演化成了「西瓜」。
而对付人工智能领域的同学来说，最熟习的「瓜」一定是南大周志华教授撰写的《机器学习》西瓜书了。
这本机器学习入门著作，便是以挑西瓜开篇
并处处用西瓜来阐明各种术语和问题
（周志华教授也一定很喜好吃西瓜吧）
日本 Shibuya 公司的挑西瓜设备，下次大家可以带着它去买瓜