정밀 농업 AI 프로그램을 위한 작물 및 농지 이미지 어노테이션
한 정밀 농업 기업은 사내 팀이 이전에 라벨링해 본 적 없는 다양한 작물 유형과 재배 조건에 걸쳐, 작물 스트레스와 병해의 초기 징후를 탐지하는 모델을 학습시키기 위해 어노테이션된 농지 및 작물 이미지가 필요했습니다.
Client snapshot
| Industry | 농업 기술 및 정밀 농업 |
|---|---|
| Region | 동아프리카와 서아프리카 |
| Engagement type | 작물 건강 탐지를 위한 작물 및 농지 이미지 어노테이션 |
The challenge
고객사의 모델에는 여러 작물 유형과 생육 단계에 걸쳐 건강한 작물과 스트레스를 받았거나 병든 작물의 라벨링된 예시가 필요했습니다. 이는 범용 어노테이션 옵션이 정확하게 처리할 준비가 되어 있지 않은 전문적인 라벨링 작업이었습니다.
The approach
Jwuma는 고객사의 작물 건강 참조 가이드와 해설이 있는 예시로 훈련받은 어노테이터를 배정하여, 고객사의 대상 작물 유형 전반에서 농지 이미지에 스트레스와 병해 지표를 라벨링했으며, 모호하거나 경계에 있는 건강 상태 분류에는 검토 상향을 적용했습니다.
Results
고객사는 대상 작물 유형 전반에 걸쳐 일관되게 라벨링된 작물 건강 학습 데이터를 받았고, 이전의 더 좁은 학습 세트로는 불가능했던 수준으로 모델이 초기 단계의 작물 스트레스를 더 안정적으로 탐지하도록 뒷받침했습니다.
Frequently asked questions
작물 건강 어노테이션에 일반적인 이미지 라벨링이 아닌 전문 교육이 필요한 이유는 무엇인가요?
건강한 작물과 스트레스를 받았거나 병든 작물을 구분하려면 일반적인 사물 인식이 아니라 작물 유형과 생육 단계별로 참조 가이드에 따른 판단이 필요하기 때문입니다.
어노테이터는 농업 특화 라벨링 작업을 위해 어떻게 교육받나요?
모델이 탐지해야 하는 작물 유형과 건강 지표에 특화된, 고객사가 제공한 참조 가이드와 해설이 있는 예시로 교육받습니다.
이런 유형의 프로그램은 많은 작물 유형과 지역으로 확장할 수 있나요?
예. 프로그램에 추가되는 새로운 작물 유형마다 어노테이터가 작물별 교육을 받는 경우에 가능합니다.
Related case studies
글로벌 모빌리티 플랫폼을 위한 안면 및 신원 인증 데이터
한 글로벌 모빌리티 및 차량 호출 플랫폼은 엄격한 동의 및 생체 정보 처리 요건 아래에서 운전자와 승객의 안전 인증 시스템을 강화하기 위해, 여러 지역에 걸쳐 검증된 안면 및 신원 데이터가 필요했습니다.
로보틱스 AI 프로그램을 위한 에고센트릭 비디오 데이터 수집
한 로보틱스 AI 기업은 임바디드 AI 모델이 단일 실험실 환경을 넘어 일반화되도록 학습시키기 위해, 다양한 환경과 체형에 걸쳐 일관되게 촬영된, 사람이 일상적인 신체 작업을 수행하는 1인칭 비디오가 필요했습니다.
대화형 AI 모델을 위한 RLHF 평가
한 대화형 AI 기업은 기존의 임시 평가자 풀이 일관되지 않은 채점을 낳은 후, RLHF 미세 조정 과정에서 챗봇 응답 품질을 평가할 구조화되고 확장 가능한 사람 평가 파이프라인이 필요했습니다.
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.