Scopo e ambito
L'intelligenza artificiale e la robotica stanno trasformando l'agricoltura, ma le soluzioni che funzionano bene nelle dimostrazioni possono avere difficoltà quando vengono implementate sul campo. Risorse informatiche limitate, hardware eterogeneo, connettività inaffidabile e dati imperfetti dei sensori possono influire sulle prestazioni e sull'affidabilità del sistema.
Attraverso agrifoodTEF, FBK offre alle PMI e alle start-up servizi di benchmarking e validazione per valutare le loro tecnologie in condizioni operative realistiche, identificare i limiti e guidare i miglioramenti prima dell'implementazione sul campo.
La presentazione si baserà su tre domande: un sistema di frutteto per il conteggio e il dimensionamento delle mele, una soluzione di supporto decisionale per l'irrigazione dei vigneti e un sistema di IA edge per il rilevamento delle malattie del tappeto erboso. Questi casi illustrano approcci di convalida complementari, dalle prestazioni del software e dalle prove di stress al confronto dei sensori sul campo. Per le applicazioni ad alta intensità di software, FBK ha sviluppato un toolkit di benchmarking basato su strumenti open source che consente esperimenti ripetibili su hardware edge reale, identifica i colli di bottiglia di elaborazione e rivela i rischi di affidabilità nell'ambito dell'aumento dei carichi di lavoro.
Condividendo i risultati pratici e gli insegnamenti tratti, la presentazione mostrerà in che modo la convalida basata su dati concreti all'interno di agrifoodTEF aiuta le aziende a prendere decisioni migliori in materia di progettazione e implementazione.
Obiettivi di apprendimento
- Sfide in materia di preparazione sul campo: comprendere i principali fattori, quali l'informatica vincolata, l'hardware eterogeneo, la connettività instabile e i dati rumorosi dei sensori, che causano prestazioni insufficienti delle soluzioni di IA e robotica al di fuori del laboratorio.
- Approcci di convalida: esplorare metodi complementari per valutare le tecnologie agroalimentari, tra cui l'analisi comparativa dei software, le prove di stress e il confronto dei sensori sul campo.
- Benchmarking sul bordo: Scopri come gli esperimenti ripetibili sull'hardware edge reale possono esporre i colli di bottiglia di elaborazione e i rischi di affidabilità nell'ambito dei crescenti carichi di lavoro.
- sostegno agroalimentareTEF: scopri i servizi di benchmarking e validazione offerti da FBK attraverso agrifoodTEF e come le PMI e le startup possono accedervi.
Risultati di apprendimento
- Consapevolezza dei rischi: individuare le limitazioni tecniche che hanno maggiori probabilità di incidere su una soluzione di IA o robotica quando si passa dalla dimostrazione alle condizioni operative reali.
- Selezione del metodo: scegliere l'approccio di convalida più adatto a una determinata applicazione, sia essa ad alta intensità di software, basata su sensori o entrambe.
- Decisioni basate su elementi concreti: interpretare i risultati del benchmarking e dei test per guidare i miglioramenti della progettazione, le scelte hardware e le strategie di implementazione.
- Insegnamenti tratti dalla pratica: applicare approfondimenti dai servizi di frutteto, vigneto e erba per anticipare ed evitare insidie comuni nei propri progetti.
A chi è rivolto?
- Start-up e PMI nel settore agro-tecnologico
- Sviluppatori di IA e robotica
- Product & Technical Managers
- Ricercatori e consulenti per l'innovazione
Implementazione dell'IA
Dati (spazio dati / bigdata)
Software / Modello AI