精密農業AIプログラム向けの作物と圃場の画像のアノテーション
ある精密農業企業は、社内チームがこれまでラベル付けしたことのない、さまざまな作物の種類と生育条件にわたって、作物のストレスや病気の初期の兆候を検知するモデルを学習させるため、アノテーション済みの圃場と作物の画像を必要としていました。
Client snapshot
| Industry | 農業テクノロジーと精密農業 |
|---|---|
| Region | 東アフリカと西アフリカ |
| Engagement type | 作物の健康状態の検知のための作物と圃場の画像のアノテーション |
The challenge
クライアントのモデルには、複数の作物の種類と生育段階にわたる、健康な作物とストレスを受けた作物や病気の作物のラベル付きの例が必要でした。これは専門的なラベル付けの作業で、汎用のアノテーションの選択肢では正確に対応できませんでした。
The approach
Jwumaは、クライアントの作物の健康状態に関する参考ガイドと解説付きの例に沿って訓練したアノテーターを割り当て、クライアントの対象作物にわたって、圃場の画像にストレスや病気の指標のラベルを付けました。曖昧な健康状態の分類や境界線上の分類は、レビューのエスカレーションを行いました。
Results
クライアントは、対象とする作物の種類にわたって一貫してラベル付けされた作物の健康状態の学習データを受け取り、以前のより限られた学習セットでは難しかった、作物の初期のストレスをより確実に検知するモデルの力を支えました。
Frequently asked questions
作物の健康状態のアノテーションに、一般的な画像のラベル付けではなく専門的な訓練が必要なのはなぜですか？
健康な作物と、ストレスを受けたり病気になったりした作物を区別するには、一般的な物体認識ではなく、作物の種類と生育段階ごとの参考ガイドに基づく判断が必要だからです。
農業に特化したラベル付けの作業のために、アノテーターはどのように訓練されますか？
モデルが検知すべき作物の種類と健康状態の指標に特化した、クライアント提供の参考ガイドと解説付きの例に沿って訓練されます。
このタイプのプログラムは、多くの作物の種類や地域に拡大できますか？
はい。プログラムに追加する新しい作物の種類ごとに、アノテーターが作物に特化した訓練を受ける場合は可能です。
Related case studies
世界的なモビリティプラットフォーム向けの顔・本人確認データ
世界的なモビリティ・ライドシェアのプラットフォームが、ドライバーと乗客の安全確認システムを強化するため、厳格な同意と生体情報の取り扱い要件のもとで、複数の地域にわたる検証済みの顔と本人確認のデータを必要としていました。
ロボティクスAIプログラム向けのエゴセントリック動画データ収集
あるロボティクスAI企業は、身体性を持つAIモデルが単一の研究室の環境を超えて汎化できるように学習させるため、多様な環境と体型で一貫して撮影された、人間が日常の物理的な作業を行う一人称視点の動画を必要としていました。
対話型AIモデルのRLHF評価
ある対話型AI企業は、既存の場当たり的な評価者のプールが一貫性のない採点を生んだことから、RLHFのファインチューニングのプロセスでチャットボットの回答品質を評価するための、構造化され拡張可能な人間による評価パイプラインを必要としていました。
Published 2026-10-02 by Jwuma, operated by Corpshore AI. This case study is an anonymized composite representative of the kind of work Jwuma performs in this industry, described by industry, region and engagement type rather than by company name, since this engagement is not yet cleared for public naming. Discuss a similar program at client.corpshore.ai.