JapónAgricultura y producción de alimentos2015 – en cursoGranja de pepinos de la familia Koike
Clasificadora de pepinos de aprendizaje profundo hecha en casa
El hijo de un agricultor construyó una clasificadora de pepinos con herramientas de IA gratuitas; superó el 95 % en las pruebas, pero rondó el 70 % en la granja
Problema
En una pequeña granja familiar de Japón, los pepinos se clasificaban a mano en 9 categorías según forma, tamaño, color e imperfecciones. En plena cosecha, la madre del agricultor dedicaba hasta 8 horas al día a clasificar, la destreza se tardaba meses en aprender y no se podía contratar para ello a ayudantes de temporada. Las máquinas clasificadoras comerciales eran demasiado caras para las granjas pequeñas.
Enfoque
Makoto Koike, un antiguo ingeniero de sistemas embebidos del sector del automóvil que regresó a la granja, construyó una clasificadora con la biblioteca de código abierto TensorFlow de Google después de ver AlphaGo. Una Raspberry Pi controla las cámaras y comprueba que hay un pepino, y un modelo mayor en un ordenador con Linux le asigna una de las 9 categorías, tras lo cual una cinta transportadora y una palanca llevan el pepino a su caja. Lo entrenó con unas 7.000 fotos etiquetadas por su madre durante 3 meses, y el prototipo entró en uso en julio de 2016.
Cifras clave
Conclusión
Las herramientas de código abierto permitieron a una sola persona construir un prototipo funcional a muy bajo coste, pero las pocas fotos de entrenamiento, de baja resolución, no captaban el color, los arañazos ni las espinas, de modo que la precisión se quedó en torno al 70 % en la granja frente a más del 95 % en las pruebas. Los pepinos aún debían cargarse a mano y cada decisión tardaba varios segundos.
Categorías
- Tamaño
- Pequeña empresa
- Función empresarial
- Producción y calidad
- Tipo de innovación
- Innovación de procesos
- Tecnología de IA
- Visión artificialRobótica y automatización
- Adopción
- Desarrollo propio
- Objetivo
- Productividad y rapidez
- Respaldo
- Declaración de la propia empresa
Fuentes
Resúmenes de fuentes
Un especialista en relaciones con desarrolladores de Google describe cómo Makoto Koike construyó una clasificadora en 2 etapas con una Raspberry Pi y un servidor Linux que ejecuta modelos de TensorFlow. Indica unas 7.000 fotos de entrenamiento etiquetadas por su madre durante 3 meses, imágenes reducidas a 80 por 80 píxeles, una precisión superior al 95 % en las pruebas y de en torno al 70 % en el uso real. Atribuye la diferencia a la escasez de datos y a la baja resolución.
Quartz informa de que Koike dedicó 3 meses a etiquetar más de 7.000 imágenes. La máquina tenía una eficacia de en torno al 70 % tras iniciarse su uso en producción en julio de 2016.
El sitio tecnológico japonés describe la cinta transportadora, las cámaras y la palanca del prototipo y sus 9 categorías. Informa de en torno a un 70 % de decisiones correctas, varios segundos por pepino y carga manual, y señala que la madre clasificaba 8 horas al día en temporada alta. Apunta que cada granja establece sus propios criterios de clasificación.
La información completa figura en las fuentes originales.
