breadcrumbs icon
Voir

Image

Diagnostic des cultures et recommandations de produits via l'IA

Divertissement et médias - Balisage des métadonnées
Pour:
Gestionnaires d'actifs numériques.
But:
Réaliser la valeur des actifs historiques des médias numériques sportifs en utilisant l'intelligence artificielle (IA) pour aider à faire le travail de 15 stagiaires.
Objectif:
Amélioration du développement de produits / R&D, amélioration de l'efficacité opérationnelle
Classification des déchets solides basée sur l'IA
Pour:
Corporations gouvernementales municipales, Sociétés de gestion des déchets solides
Éducation - Générateurs de contenu automatisés
Pour:
Créateurs de cours en ligne.
But:
Générez, organisez et recommandez intelligemment du contenu éducatif.
Objectif:
Expérience client améliorée
Diagnostic des cultures et recommandations de produits via l'IA
Pour:
Agriculteurs, entreprises biochimiques, fabricants de traitements contre les maladies des cultures
Objectif:
Amélioration du développement de produits / R&D, amélioration de l'efficacité opérationnelle
Vision par ordinateur - Segmentation d'images
Pour:
Les agriculteurs
But:
Utilisation du traitement d'images pour la mise en place d'une application de suivi d'élevage.
Objectif:
Fonctionnement amélioré
Modèle de prévision et d'impact des catastrophes et des urgences
Pour:
Professionnels de la gestion des catastrophes au niveau national, Experts en adaptation au changement climatique, Agences gouvernementales, Communautés à risque
Grand public
Soins de santé - Améliorer le travail d'enquête
Pour:
Radiologues
But:
Utilisation de l'apprentissage automatique pour prédire le cancer du poumon à partir de tomodensitogrammes.
Objectif:
Anticiper les risques
Prédiction de la tuberculose multirésistante à partir d'images pulmonaires CT basées sur des techniques d'apprentissage en profondeur
Pour:
Les cliniciens et les professionnels de la santé prédisent les patients multirésistants (MDR) des patients sensibles aux médicaments (DS) sur la base d'images pulmonaires CT.
Objectif:
Amélioration de l'efficacité des employés
Grand public
Éducation - Contenu d'apprentissage intelligent
Pour:
Créateurs de cours en ligne et apprenants en ligne.
But:
Permettre aux créateurs de cours de se concentrer sur la prise de décision complexe et la créativité avec la vision par ordinateur et le traitement du langage naturel.
Objectif:
Amélioration de l'efficacité des employés
Un robot autonome améliore la précision chirurgicale grâce à l'IA
Pour:
Hôpitaux utilisant la chirurgie robotique autonome via le système STAR
Objectif:
Améliorer l'efficacité des opérations
Modèle de prévision et d'impact des catastrophes et des urgences
Pour:
Professionnels de la gestion des catastrophes au niveau national, experts en adaptation au changement climatique, agences gouvernementales, communautés à risque.
Grandes entreprises
Comptabilité et finance - Automatisez la gestion des factures et des dépenses
Pour:
Contrôleurs Financiers
But:
Utilisation du traitement d'image et de la reconnaissance optique de caractères pour créer des gains d'efficacité opérationnelle grâce à l'automatisation des workflows d'approbation et de rapprochement des dépenses.
Objectif:
Amélioration de l'efficacité des employés

Diagnostic des cultures et recommandations de produits via l'IA

Pour:
Agriculteurs, entreprises biochimiques, fabricants de traitements contre les maladies des cultures
Objectif:
Amélioration du développement de produits / R&D, amélioration de l'efficacité opérationnelle
Problème adressé
Des millions de dollars sont dépensés chaque année par les agriculteurs pour gérer les maladies des cultures, mais jusqu'à récemment, ils n'avaient souvent pas accès à un équipement de diagnostic fiable. De nombreuses souches de maladies des cultures peuvent être éliminées à l'aide de thérapies ciblées, mais il est crucial d'utiliser la bonne. Les agriculteurs peuvent rendre les meilleurs traitements inefficaces s'ils sont armés de diagnostics erronés. Les maladies des cultures sont extrêmement difficiles à identifier sans une connaissance approfondie du sujet. Ce n'est que lorsque la maladie traitée a été correctement diagnostiquée que les conseils de traitement peuvent être utiles. Mais le problème est que les pathologistes ne peuvent pas visiter tous les champs.
Description
La solution est d'apporter les données aux pathologistes. Pour cela, un processus de diagnostic a été conçu grâce à l'utilisation d'analyses d'images avancées alimentées par l'intelligence artificielle et l'apprentissage automatique. Les capacités sophistiquées d'apprentissage en profondeur du moteur ML de Google ont été utilisées pour créer des capacités de classification des maladies. Pour former le réseau neuronal, la plate-forme haute performance de Google et plus de 50 000 photos sont utilisées. Le temps de formation du réseau neuronal est considérablement réduit grâce aux unités de traitement Tensorflow (TPU) de Google, permettant des mises à jour rapides et abordables des modèles lorsque de nouvelles photos sont collectées et filtrées. Un agriculteur peut utiliser l'application pour smartphone pour prendre des photos des feuilles infectées sur ses cultures. Les services ML hébergés par GCP obtiennent ces photos et fournissent rapidement un diagnostic à l'agriculteur. L'évolutivité est offerte par ML Engine, une plate-forme hébergée sans serveur, sans qu'il soit nécessaire de gérer plusieurs serveurs. Dans l'ensemble, une solution numérique a été construite qui a permis de donner des recommandations de produits précises aux agriculteurs du monde entier sans avoir besoin d'envoyer des phytopathologistes sur le terrain chaque fois qu'un diagnostic est nécessaire.
perceive frame img
Voir - Image
understand frame img
Vision par ordinateur
Apprentissage en profondeur
act frame img
Aide à la décision - Recommander
Intéressé par le même projet ou un projet similaire ?
Soumettez une demande et obtenez une évaluation gratuite de votre projet.