Datenvalidierung und -verarbeitung

Die Generierung großer Datenmengen ist ein häufiges Nebenprodukt experimenteller Aktivitäten auf KI- oder Robotik-basierten Systemen. Um zum Beispiel wertvoll zu werden, um die Produktentwicklung zu fokussieren, erfordern Rohdaten oft Validierung (um ihre Eignung für die Aufgabe zu überprüfen) und Verarbeitung (um sie so zu erweitern, dass ihre optimale Nutzung vorbereitet wird). Solche Tätigkeiten können ein sehr breites Spektrum an spezialisiertem Fachwissen erfordern, das unterschiedliche Elemente wie Know-how darüber umfasst, was von einem bestimmten Sensortyp in einem bestimmten experimentellen Zustand erwartet werden kann (z. B. um festzustellen, ob die technische Qualität der Sensorströme unterdurchschnittlich ist), agronomisches Know-how (z. B. um festzustellen, welche der in einem Videostream erscheinenden Pflanzen in ihrer Wachstumsphase oder ihrem Krankheitsstatus dem vom Kunden angestrebten Anwendungsfall entsprechen) oder die Fähigkeit, kundenspezifische Transcodierungssoftware zu schreiben (z. B. um die Daten mit einem bestimmten Softwarepaket kompatibel zu machen). Dieser Service bietet dem Kunden Zugang zu einer Expertengruppe von Ingenieuren und Agronomen, die gemeinsam über die gesamte Palette von Fähigkeiten verfügen, um alle oben genannten Datenoperationen und mehr durchzuführen. Bei Bedarf stellt der Dienst auch die Verarbeitungsressourcen bereit, die für die Ausführung komplexer Datenverarbeitungsaufgaben erforderlich sind.

Die Dauer dieser Dienstleistung hängt stark von der Art der Verarbeitung ab, die der Kunde benötigt, sowie von der Menge der zu verarbeitenden Daten. Die Vorbereitungsphase der Dienstleistung umfasst ein oder mehrere Interviews, bei denen der Kunde mit agrifoodTEF Informationen über die zu verarbeitenden Daten und die Ziele teilt, die er durch eine solche Verarbeitung erreichen muss. Zusätzliche Informationen (z. B. die technischen Spezifikationen der (Teil-)Systeme, die zur Generierung der Daten verwendet werden) können angefordert werden, um die Tätigkeiten von agrifoodTEF zu ermöglichen; alle vertraulichen Informationen werden im Rahmen der NDA weitergegeben. Auf den vorläufigen Informationsaustausch folgt die Übermittlung der zu verarbeitenden Daten an agrifoodTEF. Die Übermittlung kann beispielsweise erfolgen, indem agrifoodTEF entweder eine Kopie der Daten oder den Zugang zu einem Repository, in dem die Daten gespeichert sind, zur Verfügung gestellt wird.Am Ende des Dienstes erhält der Kunde die verarbeiteten Daten und einen Bericht, in dem alle in den ursprünglichen Daten (falls vorhanden) festgestellten Probleme und die Auswirkungen, die sie auf die von dem Dienst bereitgestellten erweiterten Daten hatten, aufgeführt sind.

Diese Servicebeschreibung ist absichtlich generisch. Jede Instanz dieser Dienstleistung ist in der Tat maßgeschneidert, um sie an die Bedürfnisse und Anforderungen des jeweiligen Kunden anzupassen. Das Folgende ist ein Beispiel für einen Dienst instance.Example-Dienst: Im Rahmen der autonomen Überwachung des hydrischen Stresses von Weinreben hat der Kunde bereits hyperspektrale und RGB-Bilder von Red Globe Trauben in seinen Räumlichkeiten gesammelt. Der Kunde bittet um den Service S00115 (Datenvalidierung und -verarbeitung), um die Daten für die Verwendung in KI-Schulungen vorzubereiten.Bei der Analyse dieses Datensatzes stellen wir fest, dass 10% der bereitgestellten Frames beschädigt sind; Daher filtern wir die beschädigten Rahmen heraus, damit sie das Inferenzmodell nicht negativ beeinflussen. Um die Qualität der hyperspektralen Daten zu verbessern, wenden wir geeignete Methoden zur Rauschunterdrückung an. Angenommen, die Kundendaten wurden alle in einem einzigen Durchlauf um 9:00 Uhr gesammelt. In diesem Fall würden wir die Helligkeit von RGB-Bildern in der Nachbearbeitung diversifizieren, um ein heterogeneres und reichhaltigeres Set zu erhalten, das unterschiedlichen Lichtverhältnissen ähnelt.