Doel en reikwijdte
AI en robotica transformeren de landbouw, maar oplossingen die goed presteren tijdens demonstraties kunnen het moeilijk hebben wanneer ze in het veld worden ingezet. Beperkte computerresources, heterogene hardware, onbetrouwbare connectiviteit en onvolmaakte sensorgegevens kunnen allemaal van invloed zijn op de prestaties en betrouwbaarheid van het systeem.
Via agrifoodTEF biedt FBK kmo's en start-ups benchmarking- en validatiediensten om hun technologieën onder realistische bedrijfsomstandigheden te beoordelen, beperkingen vast te stellen en verbeteringen te begeleiden voordat ze in het veld worden geïmplementeerd.
De presentatie is gebaseerd op drie toepassingen: een boomgaardsysteem voor het tellen en dimensioneren van appelen, een beslissingsondersteunende oplossing voor wijngaardirrigatie en een geavanceerd AI-systeem voor de detectie van grasgrasziekten. Deze cases illustreren complementaire validatiebenaderingen, van softwareprestaties en stresstests tot veldgebaseerde sensorvergelijking. Voor software-intensieve applicaties heeft FBK een benchmarking toolkit ontwikkeld op basis van open-source tools die herhaalbare experimenten op echte edge hardware mogelijk maakt, verwerkingsknelpunten identificeert en betrouwbaarheidsrisico's onthult onder toenemende workloads.
Door praktische bevindingen en geleerde lessen te delen, zal de presentatie laten zien hoe evidence-based validatie binnen agrifoodTEF bedrijven helpt betere ontwerp- en implementatiebeslissingen te nemen.
Leerdoelen
- Uitdagingen in verband met de gereedheid van het veld: inzicht te krijgen in de belangrijkste factoren, zoals beperkt computergebruik, heterogene hardware, onstabiele connectiviteit en lawaaierige sensorgegevens, die ervoor zorgen dat AI- en roboticaoplossingen buiten het laboratorium ondermaats presteren.
- Validatiebenaderingen: aanvullende methoden te onderzoeken voor de beoordeling van agrovoedingstechnologieën, met inbegrip van softwarebenchmarking, stresstests en vergelijking van sensoren ter plaatse.
- Benchmarking aan de rand: leer hoe herhaalbare experimenten op echte edge hardware verwerkingsknelpunten en betrouwbaarheidsrisico's kunnen blootleggen bij toenemende workloads.
- agrovoedings-TEF-steun: Ontdek de benchmarking- en validatiediensten die FBK aanbiedt via agrifoodTEF en hoe kmo’s en start-ups er toegang toe hebben.
Leerresultaten
- Risicobewustzijn: de technische beperkingen identificeren die het meest waarschijnlijk van invloed zijn op een AI- of robotica-oplossing bij de overgang van demonstratie naar reële bedrijfsomstandigheden.
- Selectie van de methode: de validatiebenadering kiezen die het meest geschikt is voor een bepaalde toepassing, hetzij software-intensief, sensorgebaseerd of beide.
- Beslissingen op basis van feiten: benchmarking- en testresultaten interpreteren als leidraad voor ontwerpverbeteringen, hardwarekeuzes en implementatiestrategieën.
- Lessen uit de praktijk: Pas inzichten uit de boomgaard-, wijngaard- en grasgrasservices toe om te anticiperen op veelvoorkomende valkuilen in uw eigen projecten en deze te voorkomen.
Voor wie is dit bedoeld?
- Start-ups en kmo’s op het gebied van agrotechnologie
- Ontwikkelaars van AI en robotica
- Product- en technische managers
- Onderzoekers & innovatieadviseurs
Implementatie van AI
Data (dataruimte/bigdata)
Software / AI-model