Cel i zakres
Sztuczna inteligencja i robotyka przekształcają rolnictwo, ale rozwiązania, które dobrze sprawdzają się w demonstracjach, mogą mieć trudności, gdy zostaną wdrożone w terenie. Ograniczone zasoby obliczeniowe, niejednorodny sprzęt, niewiarygodna łączność i niedoskonałe dane z czujników mogą mieć wpływ na wydajność i niezawodność systemu.
Za pośrednictwem agrifoodTEF FBK oferuje MŚP i start-upom usługi analizy porównawczej i walidacji w celu oceny ich technologii w realistycznych warunkach operacyjnych, określenia ograniczeń i ukierunkowania ulepszeń przed wdrożeniem w terenie.
Prezentacja będzie opierać się na trzech aplikacjach: system sadowniczy do liczenia i sortowania jabłek, rozwiązanie wspierające podejmowanie decyzji w zakresie nawadniania w winnicy oraz zaawansowany system sztucznej inteligencji do wykrywania choroby trawy trawiastej. Przypadki te ilustrują uzupełniające podejścia do walidacji, od wydajności oprogramowania i testów warunków skrajnych po porównanie czujników w terenie. W przypadku aplikacji wymagających dużego oprogramowania FBK opracowało zestaw narzędzi do analizy porównawczej oparty na narzędziach open source, który umożliwia powtarzalne eksperymenty na rzeczywistym sprzęcie, identyfikuje wąskie gardła w przetwarzaniu i ujawnia ryzyko związane z niezawodnością przy rosnącym obciążeniu pracą.
Dzieląc się praktycznymi ustaleniami i wyciągniętymi wnioskami, prezentacja pokaże, w jaki sposób walidacja oparta na dowodach w ramach agrifoodTEF pomaga przedsiębiorstwom w podejmowaniu lepszych decyzji dotyczących projektowania i wdrażania.
Cele kształcenia
- Wyzwania związane z gotowością do pracy w terenie: zrozumieć główne czynniki, takie jak ograniczone obliczenia, niejednorodny sprzęt, niestabilna łączność i hałaśliwe dane z czujników, które powodują, że rozwiązania w zakresie sztucznej inteligencji i robotyki osiągają gorsze wyniki poza laboratorium.
- Podejścia do walidacji: zbadać uzupełniające metody oceny technologii rolno-spożywczych, w tym analizę porównawczą oprogramowania, testy warunków skrajnych i porównanie czujników w terenie.
- Benchmarking na krawędzi: Dowiedz się, w jaki sposób powtarzalne eksperymenty na rzeczywistym sprzęcie krawędziowym mogą narazić wąskie gardła przetwarzania i ryzyko związane z niezawodnością przy rosnącym obciążeniu pracą.
- wsparcie agrifoodTEF: odkryj usługi analizy porównawczej i walidacji oferowane przez FBK za pośrednictwem agrifoodTEF oraz dowiedz się, w jaki sposób MŚP i przedsiębiorstwa typu start-up mogą uzyskać do nich dostęp.
Efekty uczenia się
- Świadomość ryzyka: określić ograniczenia techniczne, które mogą mieć największy wpływ na rozwiązanie w zakresie sztucznej inteligencji lub robotyki podczas przechodzenia od demonstracji do rzeczywistych warunków eksploatacji.
- Wybór metody: wybrać podejście walidacyjne najlepiej dopasowane do danej aplikacji, niezależnie od tego, czy jest ono oparte na oprogramowaniu, czujnikach, czy na obu tych elementach.
- Decyzje oparte na dowodach: interpretowanie wyników analizy porównawczej i testów w celu ukierunkowania ulepszeń projektowych, wyborów sprzętowych i strategii wdrażania.
- Lekcje z praktyki: wykorzystaj spostrzeżenia z usług sadu, winnicy i trawy trawiastej, aby przewidzieć i uniknąć typowych pułapek we własnych projektach.
Dla kogo jest to szkolenie?
- Przedsiębiorstwa typu start-up i MŚP działające w sektorze rolno-technologicznym
- Programiści sztucznej inteligencji i robotyki
- Menedżerowie ds. produktów i technologii
- Naukowcy i doradcy ds. innowacji
Wdrażanie sztucznej inteligencji
Dane (przestrzeń danych / bigdata)
Oprogramowanie / model AI