Validación y tratamiento de datos

La generación de grandes cantidades de datos es un subproducto común de la actividad experimental en sistemas basados en IA o robótica. Para ser valiosos, por ejemplo, para centrarse en el desarrollo de productos, los datos brutos a menudo requieren validación (para verificar su idoneidad para la tarea) y procesamiento (para aumentarlos de una manera que prepare su explotación óptima). Tales actividades pueden requerir una amplia gama de conocimientos especializados, que comprenden elementos dispares, como conocimientos técnicos sobre lo que puede esperarse de un determinado tipo de sensor en una condición experimental específica (por ejemplo, para detectar si la calidad técnica de los flujos de sensores es deficiente), conocimientos agronómicos (por ejemplo, para identificar cuáles de las plantas que aparecen en un flujo de vídeo corresponden en su etapa de crecimiento o estado de enfermedad al caso de uso al que se dirige el cliente) o la capacidad de escribir programas informáticos de transcodificación personalizados (por ejemplo, para hacer que los datos sean compatibles con un paquete de programas informáticos determinado). Este servicio proporciona al cliente acceso a un grupo experto de ingenieros y agrónomos que poseen, colectivamente, toda la gama de capacidades para realizar todas las operaciones de datos anteriores y más. Cuando es necesario, el servicio también proporciona los recursos de procesamiento necesarios para la ejecución de tareas complejas de procesamiento de datos.

La duración de este servicio depende en gran medida del tipo de procesamiento que requiera el cliente, así como de la cantidad de datos a procesar. Como pauta, en casos típicos el servicio puede requerir 3-4 semanas.La fase de preparación del servicio implica una o más entrevistas donde el cliente comparte con agrifoodTEF información sobre los datos a procesar y los objetivos que necesitan alcanzar a través de dicho procesamiento. Podrá solicitarse información adicional (como las especificaciones técnicas de los (sub)sistemas utilizados para generar los datos) para permitir las actividades de los FET agroalimentarios; toda información confidencial se compartirá en el marco de la NDA. El intercambio preliminar de información va seguido de la transmisión a agrifoodTEF de los datos que se tratarán. La transmisión puede ocurrir, por ejemplo, proporcionando a agrifoodTEF una copia de los datos o el acceso a un repositorio donde se almacenan los datos.Al final del servicio, el cliente recibe los datos procesados y un informe que detalla todos los problemas detectados en los datos originales (si los hubiera) y el impacto que tuvieron en los datos aumentados proporcionados por el servicio.

Esta descripción del servicio es intencionalmente genérica. Cada instancia de este servicio está, de hecho, personalizada para adaptarla a las necesidades y requisitos del cliente específico. El siguiente es un ejemplo de un servicio instance.Example service: En el contexto del monitoreo autónomo del estrés hídrico de las vides, el cliente ya ha recopilado imágenes hiperespectrales y RGB de los racimos de Red Globe en sus instalaciones. El cliente solicita el servicio S00115 (validación y procesamiento de datos) para preparar los datos para su uso en el entrenamiento de IA. Al analizar este conjunto de datos, observamos que el 10% de los marcos proporcionados están dañados; Por lo tanto, procedemos a filtrar los marcos dañados para que no afecten negativamente al modelo de inferencia. Para mejorar la calidad de los datos hiperespectrales, aplicamos métodos oportunos de reducción de ruido a los datos. Además, supongamos que todos los datos del cliente se recopilaron en una sola ejecución a las 9:00 AM. En este caso, diversificaríamos el brillo de las imágenes RGB en el postprocesamiento para obtener un conjunto más heterogéneo y rico que se asemeja a diferentes condiciones de iluminación.