Etikettering van gegevens

Gegevensetikettering is een noodzaak wanneer er behoefte is aan het trainen van een AI-model op de gegevens. Etikettering kan echter (afhankelijk van de hoeveelheid gegevens) een zeer arbeidsintensief proces zijn en vereist vaak gespecialiseerde knowhow over de use case waaraan de gegevens zijn gekoppeld. Deze service biedt de klant toegang tot een deskundig team bestaande uit ingenieurs die zijn opgeleid in de ontwikkeling en het gebruik van AI-modellen en agronomen met uitgebreide kennis van praktijkvoorbeelden.

De duur van deze dienst hangt sterk af van het type etikettering dat de klant nodig heeft, evenals van de hoeveelheid gegevens die moet worden verwerkt. De dienst wordt geleverd vanaf de definitie, samen met de klant, van de meest geschikte etiketteringsprocedure op basis van de vereisten van de use case van de klant. Deze eerste analyse zal ook een schatting geven van de tijd die nodig is om de service uit te voeren. In deze definitiefase zullen we het meest geschikte type annotaties selecteren om te produceren (bijvoorbeeld annotaties op pixelniveau van afbeeldingen versus één enkel label voor de hele afbeelding), evenals het niveau van granulariteit van labels (bijvoorbeeld plantkleur, variëteit, gewasklasse). We zullen het ook met de klant eens zijn over het verwachte annotatieformaat (bijvoorbeeld JSON, CSV) en de te gebruiken annotatietool (bijvoorbeeld als de klanten in de toekomst zelf aanvullende gegevens willen labelen). Zodra de definitiefase van de dienst is voltooid, zal agrifoodTEF doorgaan met het opzetten en uitvoeren van de etikettering. Het eindresultaat van de dienst zijn de gelabelde datasets, vergezeld van een verslag met evaluaties van de gegevens op basis van kwaliteitsmaatstaven.

Deze servicebeschrijving is opzettelijk generiek. Elk exemplaar van deze service is in feite aangepast om deze aan te passen aan de behoeften en vereisten van de specifieke klant. Het volgende is een voorbeeld van een service-instantie. Voorbeelddienst: De klant is geïnteresseerd in het snel identificeren van de opkomst van de Peronospora (donkere meeldauw) ziekte in wijngaarden. Peronospora-symptomen kunnen worden gedetecteerd door veranderingen op het bladoppervlak te inspecteren (verschijning van kleine vlekken, geleidelijke veranderingen in de bladkleur). De klant heeft al een algoritme voor computervisie geïmplementeerd om bladeren als gezond of ongezond van afbeeldingen te classificeren. Er zijn echter aanvullende gegevens nodig om de prestaties en robuustheid van de oplossing te verbeteren. Deze gegevens zijn in het veld verzameld via service S00113, maar de klant vereist dat ze grondig worden geannoteerd door deskundige agronomen die de aanwezigheid van Peronospora-symptomen op het niveau van individuele bladeren kunnen herkennen. Om aan het verzoek van de klant te voldoen, wordt service S00290 uitgevoerd door eerst segmentatiemaskers te identificeren als het meest geschikte annotatieformaat. Hoewel het duurder en duurder is om te produceren, kunnen veelhoekige maskers nauwkeuriger de bladgebieden weergeven die door de ziekte zijn getroffen dan bijvoorbeeld rechthoekige begrenzingsdozen die ook gezonde bladgebieden omsluiten. Samen met de klant wordt vervolgens overeengekomen dat 60 % van de verzamelde beelden zal worden geannoteerd door 5 agronomiedeskundigen met i) segmentatiemaskers voor elke regio, indien een door de ziekte getroffen regio wordt gevonden, en ii) elke regio als “gezond” of “ongezond” zal worden bestempeld. Bovendien zullen we een beroep doen op Fleiss’ Kappa om ervoor te zorgen dat er een aanzienlijke mate van overeenstemming (0,60 of hoger) is bereikt tussen annotators bij het markeren van bladeren als “gezond/ongezond”.