Propósito y alcance
La IA y la robótica están transformando la agricultura, pero las soluciones que funcionan bien en las demostraciones pueden tener dificultades cuando se implementan en el campo. Los recursos informáticos limitados, el hardware heterogéneo, la conectividad poco confiable y los datos imperfectos de los sensores pueden afectar el rendimiento y la confiabilidad del sistema.
A través de agrifoodTEF, FBK ofrece a las pymes y startups servicios de evaluación comparativa y validación para evaluar sus tecnologías en condiciones operativas realistas, identificar limitaciones y guiar las mejoras antes del despliegue en el campo.
La presentación se basará en tres aplicaciones: un sistema de huerto para el recuento y el dimensionamiento de manzanas, una solución de apoyo a la toma de decisiones en materia de riego de viñedos y un sistema de IA de borde para la detección de enfermedades del césped. Estos casos ilustran enfoques de validación complementarios, desde el rendimiento del software y las pruebas de esfuerzo hasta la comparación de sensores basada en el campo. Para aplicaciones intensivas en software, FBK ha desarrollado un conjunto de herramientas de evaluación comparativa basado en herramientas de código abierto que permite experimentos repetibles en hardware de borde real, identifica cuellos de botella de procesamiento y revela riesgos de confiabilidad bajo cargas de trabajo crecientes.
Al compartir hallazgos prácticos y lecciones aprendidas, la presentación mostrará cómo la validación basada en evidencia dentro de agrifoodTEF ayuda a las empresas a tomar mejores decisiones de diseño e implementación.
Objetivos de aprendizaje
- Retos de preparación sobre el terreno: comprender los principales factores, como la computación restringida, el hardware heterogéneo, la conectividad inestable y los datos de sensores ruidosos, que hacen que las soluciones de IA y robótica tengan un rendimiento inferior fuera del laboratorio.
- Enfoques de validación: explorar métodos complementarios para evaluar las tecnologías agroalimentarias, incluida la evaluación comparativa de programas informáticos, las pruebas de resistencia y la comparación de sensores sobre el terreno.
- Benchmarking en el borde: Aprenda cómo los experimentos repetibles en hardware de borde real pueden exponer los cuellos de botella de procesamiento y los riesgos de confiabilidad bajo cargas de trabajo crecientes.
- apoyo agroalimentario a la FTE: Descubra los servicios de evaluación comparativa y validación que ofrece FBK a través de agrofoodTEF y cómo las pymes y las empresas emergentes pueden acceder a ellos.
Resultados del aprendizaje
- Sensibilización sobre los riesgos: determinar las limitaciones técnicas más probables que afecten a una solución de IA o robótica al pasar de la demostración a las condiciones reales de funcionamiento.
- Selección del método: elegir el enfoque de validación más adecuado para una aplicación determinada, ya sea intensivo en software, basado en sensores o ambos.
- Decisiones basadas en pruebas: interpretar la evaluación comparativa y los resultados de las pruebas para guiar las mejoras de diseño, las opciones de hardware y las estrategias de implementación.
- Lecciones de la práctica: Aplique ideas de los servicios de huerto, viñedo y césped para anticipar y evitar trampas comunes en sus propios proyectos.
¿A quién va dirigido?
- Empresas emergentes y pymes agrotecnológicas
- Desarrolladores de IA y robótica
- Gerentes de Producto y Técnicos
- Investigadores y asesores de innovación
Aplicación de la IA
Datos (espacio de datos / bigdata)
Software / modelo de IA