L'apprendimento automatico richiede un grande quantità di dati da fornire in input al sistema affinché impari cosa è corretto/sbagliato in output. In altre parole: il nostro sistema deve imparare a identificare una mela in diverse condizioni e a misurarne le dimensioni nel modo più accurato possibile. Il nostro approccio ha richiesto un'escursione sul campo per raccogliere grandi quantità di dati, insieme a un lungo processo di annotazione per insegnare al sistema come appare realmente una melaCiò ha consentito una maggiore flessibilità e robustezza nella misurazione delle dimensioni dei frutti in diverse condizioni, tra cui condizioni meteorologiche/illuminazione, scala e angolazione.

La gita di 2 giorni ci ha portato nella splendida zona di Nelson, nell'Isola del Sud della Nuova Zelanda, dove Hoddy's Fruit Company, Frutteti Tyrella e Frutteto McLean ha gentilmente accettato di farci prendere circa 3000 immagini adatte di contenitori per meleCollaborare con coltivatori lungimiranti e generosi come questi è fondamentale per il successo di un progetto come questo. Siamo onorati di poter collaborare a stretto contatto per realizzare Spectre.

Purtroppo non siamo stati molto fortunati con il meteo, nonostante questa zona sia nota per le sue abbondanti giornate di sole: abbiamo più che sufficienti immagini nelle categorie meteo "piovoso" e "coperto", mentre le condizioni "soleggiato" sono state viste solo brevemente.