JapãoAgricultura e produção de alimentos2015 – em andamentoFazenda de pepinos da família Koike
Classificador de pepinos com aprendizado profundo, feito em casa
Filho de agricultor criou uma máquina de classificar pepinos com ferramentas gratuitas de IA; ela teve mais de 95% de acerto nos testes, mas cerca de 70% na fazenda
Problema
Em uma pequena fazenda familiar no Japão, os pepinos eram classificados à mão em 9 categorias, por forma, tamanho, cor e manchas. No pico da colheita, a mãe do agricultor passava até 8 horas por dia nessa tarefa, a habilidade levava meses para ser aprendida e não era possível contratar ajudantes sazonais para isso. As máquinas comerciais de classificação eram caras demais para pequenas fazendas.
Abordagem
Makoto Koike, ex-engenheiro de sistemas embarcados do setor automotivo que voltou para a fazenda, montou um classificador com a biblioteca de código aberto TensorFlow, do Google, depois de ver o AlphaGo. Um Raspberry Pi controla as câmeras e verifica se há um pepino presente, e um modelo maior, em um computador Linux, atribui uma das 9 categorias, após o que uma esteira e uma alavanca levam o pepino à sua caixa. Ele o treinou com cerca de 7.000 fotos rotuladas pela mãe ao longo de 3 meses, e o protótipo entrou em uso em julho de 2016.
Números principais
Lição
Ferramentas de código aberto permitiram a 1 só pessoa criar um protótipo funcional a custo muito baixo, mas as fotos de treinamento, poucas e de baixa resolução, deixaram escapar cor, arranhões e espinhos, e a precisão ficou em cerca de 70% na fazenda, contra mais de 95% nos testes. Os pepinos ainda precisavam ser colocados à mão, e cada julgamento levava vários segundos.
Categorias
- Porte
- Pequena empresa
- Função empresarial
- Produção e qualidade
- Tipo de inovação
- Inovação de processos
- Tecnologia de IA
- Visão computacionalRobótica e automação
- Forma de adoção
- Desenvolvimento interno
- Objetivo
- Produtividade e agilidade
- Evidência
- Declaração da própria empresa
Fontes
Resumos das fontes
Um especialista em relações com desenvolvedores do Google descreve como Makoto Koike montou um classificador em 2 etapas com um Raspberry Pi e um servidor Linux que executa modelos TensorFlow. Informa cerca de 7.000 fotos de treinamento rotuladas pela mãe ao longo de 3 meses, imagens reduzidas a 80 por 80 pixels, precisão de mais de 95% nos testes e de cerca de 70% no uso real. Atribui a diferença à escassez de dados e à baixa resolução.
A Quartz informa que Koike passou 3 meses rotulando mais de 7.000 imagens. A máquina tinha cerca de 70% de eficácia depois que o uso em produção começou, em julho de 2016.
O site japonês de tecnologia descreve a esteira, as câmeras e a alavanca do protótipo e suas 9 categorias. Informa cerca de 70% de julgamentos corretos, vários segundos por pepino e carregamento manual, e diz que a mãe classificava por 8 horas por dia no pico da safra. Observa que cada fazenda define suas próprias regras de classificação.
Os detalhes completos estão disponíveis nas fontes originais.
