Validation et traitement des données

La production de grandes quantités de données est un sous-produit commun de l'activité expérimentale sur des systèmes basés sur l'IA ou la robotique. Pour devenir précieuses, par exemple, pour être utilisées pour cibler le développement de produits, les données brutes nécessitent souvent une validation (pour vérifier leur adéquation à la tâche) et un traitement (pour les augmenter de manière à préparer leur exploitation optimale). De telles activités peuvent nécessiter un très large éventail d’expertises spécialisées, comprenant des éléments disparates tels que le savoir-faire sur ce que peut attendre un type donné de capteur dans une condition expérimentale spécifique (par exemple, pour détecter si la qualité technique des flux de capteurs est inférieure), le savoir-faire agronomique (par exemple, pour identifier laquelle des plantes apparaissant dans un flux vidéo correspond au stade de croissance ou à l’état de la maladie au cas d’utilisation ciblé par le client), ou la capacité d’écrire un logiciel de transcodage personnalisé (par exemple, pour rendre les données compatibles avec un logiciel donné). Ce service fournit au client l'accès à un groupe d'experts d'ingénieurs et d'agronomes qui possèdent, collectivement, toute la gamme de capacités pour effectuer toutes les opérations de données ci-dessus et plus encore. En cas de besoin, le service fournit également les ressources de traitement nécessaires à l'exécution de tâches complexes de traitement de données.

La durée de ce service dépend fortement du type de traitement dont le client a besoin, ainsi que de la quantité de données à traiter. À titre indicatif, dans les cas typiques, le service peut nécessiter 3-4 semaines.La phase de préparation du service implique un ou plusieurs entretiens où le client partage avec agrifoodTEF des informations sur les données à traiter et les objectifs qu'ils doivent atteindre grâce à ce traitement. Des informations complémentaires (telles que les spécifications techniques des (sous-)systèmes utilisés pour générer les données) peuvent être demandées pour permettre les activités de AgrifoodTEF; toute information confidentielle sera partagée dans le cadre de la NDA. L’échange préliminaire d’informations est suivi de la transmission à AgrifoodTEF des données à traiter. La transmission peut se produire, par exemple, en fournissant à agrifoodTEF soit une copie des données, soit l'accès à un répertoire où les données sont stockées.À la fin du service, le client reçoit les données traitées et un rapport détaillant tous les problèmes détectés dans les données d'origine (le cas échéant) et l'impact qu'ils ont eu sur les données augmentées fournies par le service.

Cette description de service est intentionnellement générique. Chaque cas de ce service est, en fait, personnalisé pour l'adapter aux besoins et aux exigences du client spécifique. Ce qui suit est un exemple d'instance de service.Exemple de service: Dans le cadre du suivi autonome du stress hydrique des vignes, le client a déjà collecté des images hyperspectrales et RVB de grappes de Red Globe dans ses locaux. Le client demande le service S00115 (validation et traitement des données) afin de préparer les données pour une utilisation dans la formation à l'IA. En analysant cet ensemble de données, nous remarquons que 10% des cadres fournis sont corrompus; Par conséquent, nous procédons à filtrer les cadres endommagés afin qu'ils n'affectent pas négativement le modèle d'inférence. Pour améliorer la qualité des données hyperspectrales, nous appliquons des méthodes opportunes de réduction du bruit aux données. En outre, supposons que les données des clients ont toutes été collectées en une seule fois à 9h00. Dans ce cas, nous diversifierions la luminosité des images RVB en post-traitement pour obtenir un ensemble plus hétérogène et riche qui ressemble à différentes conditions d'éclairage.