Anotação de imagens de culturas e campos para um programa de IA de agricultura de precisão
Uma empresa de agricultura de precisão precisava de imagens anotadas de campos e culturas para treinar um modelo que deteta sinais precoces de stress e doença nas culturas, numa gama de tipos de cultura e condições de cultivo que a sua equipa interna nunca tinha etiquetado.
Client snapshot
| Industry | Tecnologia agrícola e agricultura de precisão |
|---|---|
| Region | África Oriental e Ocidental |
| Engagement type | Anotação de imagens de culturas e campos para deteção da saúde das culturas |
The challenge
O modelo do cliente precisava de exemplos etiquetados de culturas saudáveis versus culturas com stress ou doentes em vários tipos de cultura e fases de crescimento, uma tarefa de etiquetagem especializada que as suas opções de anotação de uso geral não estavam equipadas para tratar com exatidão.
The approach
A Jwuma atribuiu anotadores treinados com base no guia de referência de saúde das culturas e nos exemplos resolvidos do cliente, etiquetando imagens de campo quanto a indicadores de stress e doença nos tipos de cultura-alvo do cliente, com escalada de revisão para classificações de saúde ambíguas ou limítrofes.
Results
O cliente recebeu dados de treino de saúde das culturas etiquetados de forma consistente nos seus tipos de cultura-alvo, apoiando a capacidade do seu modelo de detetar o stress das culturas em fase inicial de forma mais fiável do que o seu conjunto de treino anterior, mais restrito, permitia.
Frequently asked questions
Porque é que a anotação da saúde das culturas exige formação especializada em vez de etiquetagem de imagens geral?
Porque distinguir culturas saudáveis de culturas com stress ou doentes exige um juízo orientado por referências, específico de cada tipo de cultura e fase de crescimento, e não um reconhecimento de objetos genérico.
Como são treinados os anotadores para tarefas de etiquetagem específicas da agricultura?
Com base num guia de referência fornecido pelo cliente e em exemplos resolvidos específicos dos tipos de cultura e dos indicadores de saúde que o modelo precisa de detetar.
Este tipo de programa consegue escalar para muitos tipos de cultura e regiões?
Sim, desde que os anotadores recebam formação específica de cultura para cada novo tipo de cultura acrescentado ao programa.
Related case studies
Dados de verificação facial e de identidade para uma plataforma global de mobilidade
Uma plataforma global de mobilidade e de transporte individual precisava de dados faciais e de identidade verificados em várias regiões para reforçar um sistema de verificação de segurança de condutores e passageiros, sob requisitos rigorosos de consentimento e de tratamento de dados biométricos.
Recolha de dados de vídeo egocêntrico para um programa de IA de robótica
Uma empresa de IA de robótica precisava de vídeo na primeira pessoa de humanos a realizar tarefas físicas do quotidiano, captado de forma consistente em ambientes e tipos de corpo diversos, para treinar um modelo de IA incorporada a generalizar para além de um único cenário de laboratório.
Avaliação de RLHF para um modelo de IA conversacional
Uma empresa de IA conversacional precisava de um pipeline de avaliação humana estruturado e escalável para avaliar a qualidade das respostas de chatbot no seu processo de ajuste fino por RLHF, depois de o seu conjunto de avaliadores ad hoc existente ter produzido pontuações inconsistentes.
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.