El aprendizaje automático requiere una gran cantidad de datos Para que el sistema aprenda qué es correcto o incorrecto, se deben introducir datos de entrada. En otras palabras, nuestro sistema necesita aprender a identificar una manzana en diversas condiciones y a medir su tamaño con la mayor precisión posible. Nuestro enfoque requirió una visita de campo para recopilar grandes cantidades de datos, junto con un largo proceso de anotación para... Enseñarle al sistema cómo es realmente una manzanaPero esto permitió una mayor flexibilidad y robustez a la hora de medir el tamaño de la fruta en diferentes condiciones, incluido el clima, la iluminación, la escala y el ángulo.

 

La excursión de campo de 2 días nos llevó a la hermosa zona de Nelson en la Isla Sur de Nueva Zelanda, donde Compañía de frutas de HoddyHuertos de Tyrella & Huerto McLean amablemente accedió a que tomáramos Aproximadamente 3000 imágenes adecuadas de contenedores de manzanasTrabajar con productores innovadores y generosos como este es fundamental para el éxito de un proyecto como este. Nos sentimos honrados de poder colaborar estrechamente para construir Spectre.

 

Lamentablemente, no tuvimos mucha suerte con el clima, aunque esta zona es conocida por su abundante sol: tenemos imágenes más que suficientes en las categorías de clima "lluvioso" y "nublado", mientras que las condiciones "soleadas" solo se vieron brevemente.

Imagen de un conjunto de datos personalizado de un contenedor de manzanas lleno en condiciones nubladas

Una vez más, un agradecimiento muy especial a Hoddy's Fruit Company, Tyrella Orchards y McLean Orchard por toda su ayuda, ¡no hubiera sido posible sin ustedes!

 

La próxima entrada del blog entrará en más detalles sobre Cómo construimos el detector de manzanas inicial. ¡Mantenerse en contacto!

Vamos a hablar

Si desea saber cómo las galardonadas tecnologías frutícolas de Hectre pueden respaldar el éxito de su negocio, conéctese con nosotros.