Mærkning af data

Datamærkning er en nødvendighed, når der er behov for at træne en AI-model på dataene. Mærkning kan imidlertid (afhængigt af datamængden) være en meget arbejdskrævende proces og kræver ofte specialiseret knowhow om den brugssituation, som dataene er forbundet med. Denne tjeneste giver kunden adgang til et ekspertteam bestående af ingeniører, der er uddannet i udvikling og brug af AI-modeller, og agronomer med omfattende viden om brugstilfælde i den virkelige verden.

Varigheden af denne tjeneste afhænger i høj grad af den type mærkning, som kunden kræver, samt af mængden af data, der skal behandles. Tjenesteydelsen leveres med udgangspunkt i definitionen sammen med kunden af den mest hensigtsmæssige mærkningsprocedure baseret på kravene i kundens brugssag. Denne indledende analyse vil også give et skøn over den tid, der kræves for at udføre tjenesten. I denne definitionsfase vælger vi den mest hensigtsmæssige type anmærkninger til fremstilling (f.eks. anmærkninger af billeder på pixelniveau i forhold til en enkelt etiket for hele billedet) samt etiketternes granularitetsniveau (f.eks. plantefarve, sort, afgrødeklasse). Vi vil også aftale med kunden om det forventede anmærkningsformat (f.eks. JSON, CSV) og det anmærkningsværktøj, der skal bruges (f.eks. hvis kunderne ønsker at mærke yderligere data selv i fremtiden). Når definitionsfasen for tjenesten er afsluttet, vil agrifoodTEF gå videre med opsætningen og gennemførelsen af mærkningen. Det endelige resultat af tjenesten er de mærkede datasæt ledsaget af en rapport med evalueringer af dataene baseret på kvalitetsparametre.

Denne servicebeskrivelse er bevidst generisk. Hvert tilfælde af denne service er faktisk tilpasset for at tilpasse den til den specifikke kundes behov og krav. Følgende er et eksempel på en tjeneste instans. Eksempel på tjeneste: Kunden er interesseret i straks at identificere fremkomsten af Peronospora (duny meldug) sygdom i vinmarker. Peronospora symptomer kan påvises ved at inspicere ændringer på bladoverfladen (udseende af små pletter, gradvise ændringer i bladfarven). Kunden har allerede implementeret en computer vision algoritme til at klassificere blade som sunde eller usunde fra billeder. Der kræves dog yderligere data for at forbedre løsningens ydeevne og robusthed. Disse data er blevet indsamlet i marken via service S00113, men kunden kræver, at de er grundigt kommenteret af ekspert agronomer, der kan genkende tilstedeværelsen af Peronospora symptomer på niveauet af individuelle blade. For at opfylde kundens anmodning udføres service S00290 ved først at identificere segmenteringsmasker som det mest egnede anmærkningsformat. Selv om det er dyrere og dyrere at producere, kan polygonale masker mere præcist repræsentere de bladområder, der er ramt af sygdommen, end f.eks. rektangulære afgrænsningsbokse, der også omslutter sunde bladområder. Sammen med kunden aftales det derefter, at 60 % af de indsamlede billeder vil blive kommenteret af 5 agronomieksperter med i) segmenteringsmasker for hver region, hvis der findes en region, der er ramt af sygdommen, og ii) hver region vil blive mærket som enten "sund" eller "usund". Desuden vil vi forlade os på Fleiss' Kappa for at sikre, at der er opnået en betydelig grad af enighed (0,60 eller højere) blandt annotatorer, når blade markeres som "sunde/usunde".