Objectif et portée
L'IA et la robotique transforment l'agriculture, mais les solutions qui fonctionnent bien dans les démonstrations peuvent avoir du mal lorsqu'elles sont déployées sur le terrain. Les ressources informatiques limitées, le matériel hétérogène, la connectivité peu fiable et les données de capteurs imparfaites peuvent tous affecter les performances et la fiabilité du système.
Grâce à agrifoodTEF, FBK offre aux PME et aux startups des services d'analyse comparative et de validation pour évaluer leurs technologies dans des conditions d'exploitation réalistes, identifier les limites et guider les améliorations avant le déploiement sur le terrain.
La présentation s’appuiera sur trois candidatures: un système de comptage et de calibrage des pommes dans les vergers, une solution d’aide à la décision pour l’irrigation des vignobles et un système d’IA de pointe pour la détection des maladies du gazon. Ces cas illustrent des approches de validation complémentaires, allant des performances logicielles et des tests de résistance à la comparaison des capteurs sur le terrain. Pour les applications à forte intensité logicielle, FBK a développé une boîte à outils d'analyse comparative basée sur des outils open source qui permet des expériences reproductibles sur du matériel réel, identifie les goulots d'étranglement dans le traitement et révèle les risques de fiabilité sous des charges de travail croissantes.
En partageant les résultats pratiques et les leçons apprises, la présentation montrera comment la validation fondée sur des données probantes au sein de l'agroalimentaireTEF aide les entreprises à prendre de meilleures décisions en matière de conception et de déploiement.
Objectifs d'apprentissage
- Défis liés à l’état de préparation sur le terrain: comprendre les principaux facteurs, tels que l’informatique contrainte, le matériel hétérogène, la connectivité instable et les données bruyantes des capteurs, qui entraînent une sous-performance des solutions d’IA et de robotique en dehors du laboratoire.
- Approches de validation: étudier des méthodes complémentaires pour évaluer les technologies agroalimentaires, y compris l’analyse comparative des logiciels, les tests de résistance et la comparaison des capteurs sur le terrain.
- Benchmarking sur le bord: Découvrez comment des expériences reproductibles sur du matériel de bord réel peuvent exposer les goulots d'étranglement de traitement et les risques de fiabilité sous des charges de travail croissantes.
- soutien à l’agroalimentaireTEF: Découvrez les services d'analyse comparative et de validation offerts par FBK à travers l'agroalimentaireTEF et comment les PME et les startups peuvent y accéder.
Résultats d'apprentissage
- Sensibilisation aux risques: identifier les limitations techniques les plus susceptibles d’affecter une solution d’IA ou de robotique lors du passage de la démonstration à des conditions de fonctionnement réelles.
- Sélection de la méthode: choisir l’approche de validation la mieux adaptée à une application donnée, qu’elle soit gourmande en logiciels, basée sur des capteurs ou les deux.
- Décisions fondées sur des données probantes: interpréter les résultats des analyses comparatives et des tests pour guider les améliorations de conception, les choix de matériel et les stratégies de déploiement.
- Enseignements tirés de la pratique: Appliquez les connaissances des services de verger, de vignoble et de gazon pour anticiper et éviter les pièges courants dans vos propres projets.
À qui s'adresse cette formation ?
- Start-up et PME agro-technologiques
- Développeurs d'IA et de robotique
- Chefs de produit et responsables techniques
- Chercheurs et conseillers en innovation
Mise en œuvre de l’IA
Données (espace de données / bigdata)
Logiciel / modèle d'IA