OneSoilは、世界180か国以上で使用されている農家向けの無料アプリを開発しています。私たちの仕事では、ビッグデータと機械学習を使用しています。別の探求は、グラウンドトゥルースデータを見つけることです。この重要なタスクを解決する方法は次のとおりです。
なぜOneSoilマシンラーニング？衛星画像を使用して、畑、作物、表現型の段階、収量、播種日、収穫日の境界を決定するため。これはすべて、すでにOneSoilアプリケーションに含まれているか、近い将来に表示される予定です。
衛星画像を使用してフィールドの境界を決定する例を見てみましょう。農民にとって、自分の畑の境界線を描くことは、自分の農場をデジタル化するプロセスの最初のステップです。これは、他のアプリケーション作業が不可能な基盤です。そして、タスクはそれほど単純ではありません。以前は、ATVのGPSトラッカーを使用してフィールドを移動し、オルソフォトマップに苦労していたため、農家はそれを解決しました。つまり、費用と時間がかかりました。一方、OneSoilは、衛星画像を使用してフィールド境界を認識することを学びました。アプリケーションを開き、[フィールドの追加]ボタンを押して、認識されたフィールドのあるマップ上で独自のものを選択します。それだけです。
どうやってやったの？最初は、ベラルーシとバルト海のいくつかの農場からのデータしかありませんでした。これを使用して、機械学習アルゴリズムがフィールドの境界を予測することを学習しました。それは次のように機能しました：実際のフィールド（農場のおかげで境界がわかっていた）ごとに、アルゴリズムが予測した境界と一致する領域を計算しました。アルゴリズムが不要なセクションを丸で囲んだ場合、罰金が科せられます。それで彼は勉強しました。このインジケーターは、交差オーバーユニオンと呼ばれ、0から1までの値を取ることができます。1は完全に一致します。私たちの国では、この指標は地域によって異なりますが、平均して0.85〜0.88です。
次に、フィールドがどこにあるか、どこにないかを判断する方法を学習するために、ニューラルネットワークに何百万もの農地の画像を表示し始めました。アルゴリズムの学習には長い時間がかかります。特定の領域のフィールドの境界を決定する精度が高くなるまで、結果を確認して何度も改善します。精度が向上したことをどのように理解しますか？ここでも、計算をフィールドの実際のデータと比較します。現在、フィールド境界の定義に長けている57か国があります。
たとえばウクライナで自信を持ってフィールドを定義する場合、これはブラジルのどこかですべてが同じように機能することを意味するわけではありません。結局のところ、独自のフィールドと独自の農業特性があります。したがって、アルゴリズムを改良および改善するには、実際のデータが再度必要になります。
. , . ? .
OneSoil , , , . — R&D .
, . . (, ), , . , . , , . , . , . OneSoil , .
133 | 2,8 — , OneSoil. 2020 .
R&D , , . .
OneSoil Map 2018 (Guido Lemoine), Joint Research Center (JRC). (ESA) Data Science . « , - , — . — , ». R&D , JRC .
OneSoil — . , , . , , .
4 7 . , , — R&D. 2–3 . — . « 2020 100 » — .
2018 CEO . , . , : « ». .
, . . 50 , OneSoil .
392 | 126 — ground truth . 2020 .
オープンソースやさまざまなパートナーからのデータがたくさんある場合は、OneSoilアプリケーションですでに使用している（または近い将来に使用する）アルゴリズムを改善します。ユーザーからのデータが多い場合は、計算の精度を再び向上させます。これが、データとテクノロジーが相互に機能する方法です。