Zum Inhalt wechseln
Pattern - Header - Left Pattern - Header - Left

Landwirtschaftliche Prozesse mit Künstlicher Intelligenz modernisieren

Nordirlands Ministerium für Landwirtschaft, Umwelt und ländliche Angelegenheiten (DAERA) wollte durch Künstliche Intelligenz ihre landwirtschaftlichen Prozesse modernisieren.

Pattern - Header - Left Pattern - Header - Left
937 Case Study DAERA Navy 800X400
Department of Agriculture, Environment and Rural Affairs

Ministerium für Landwirtschaft, Umwelt und ländliche Angelegenheiten – Nordirland (DAERA)

Ministerium für Landwirtschaft, Umwelt und ländliche Angelegenheiten (DAERA) unterstützt die nachhaltige Entwicklung des Agrar-, Lebensmittel-, Umwelt-, Fischerei- und Forstsektors der nordirischen Wirtschaft. Die Organisation berücksichtigt die Bedürfnisse der Verbraucher, den Schutz der Gesundheit von Mensch, Tier und Pflanze, das Wohlergehen der Tiere sowie die Erhaltung und Verbesserung der Umwelt.

Branche Öffentlicher Sektor
Technologie Künstliche Intelligenz & Computer Vision

Die wichtigsten Erfolge

  • DAERA war in der Lage die Idee schnell und kosteneffizient zu prüfen
  • Einfacher Zugang zu Daten über den Aufenthalt der Tiere
  • 78 % bis 82 % der Tiere wurden korrekt lokalisiert

Die Herausforderung

Die Geschäftsanforderungen

DAERA war auf der Suche nach einem Technologie-Partner, der in der Lage war, ein System dank Künstlicher Intelligenz (KI) zu entwickeln, welches durch Satellitenbilder und Orthofotos Tiere identifizieren kann.

DAERA und Objectivity wurden von der Small Business Research Initiative (SBRI) zusammengeführt, um an diesem Projekt zu arbeiten – SBRI hilft Behörden mit den am besten geeigneten Technologieanbietern zusammenzubringen.

Vor der Beauftragung von Objectivity hatte DAERA keinen Zugriff auf Echtzeitdaten, aus denen hervorgeht, wo sich die Tiere bestimmter Betriebe befanden. Stattdessen führte die Organisation eine jährliche oder halbjährliche Aufzählung durch, um alle Schafe, Kühe usw. der Landwirte aufzulisten.

Eines der schwerwiegendsten Probleme, mit denen sich DAERA befasst hatte, betraf das Verwalten von Krankheiten bzw. Tierseuchen. Der Zugang zu genauen und zeitnahen Informationen über den Standort von Weidetieren ist wichtig, um die effektivsten Teststrategien zu bestimmen, und ermöglicht den Einsatz von Kontrollmaßnahmen im Falle eines Krankheitsausbruchs. Daher benötigte die Organisation das KI-System, um kranke Tiere schnell und präzise lokalisieren zu können.

DAERA suchte auch nach einem Mittel zur Überwachung der Treibhausgas- und Ammoniakemissionen. Einer der KPIs der Organisation bestand darin, die Dichte der Tiere in jeder Region Nordirlands zu analysieren, um sicherzustellen, dass sie eine bestimmte Menge pro Hektar nicht überschreitet. Diese Informationen würden DAERA ermöglichen, die Treibhausgas- und Ammoniakemissionen genauer zu kontrollieren.

Das KI-System würde auch die Arbeit lokaler Forscher erleichtern. Es würde ihnen die Möglichkeit geben, die Daten der Tierzählung umfassend zu nutzen, um Modelle für den Agrar- und Ernährungssektor zu erstellen und weiterhin detaillierte Untersuchungen zur Agrar- und Umweltpolitik durchzuführen.

Was wir tun

Projekt Details

DAERA beauftragte Objectivity mit der Analyse und Bewertung, ob durch den Einsatz von KI ihre Bedürfnisse in der von ihnen angenommenen und erhofften Weise erfüllt werden können. Zunächst analysierte das KI-Team von Objectivity die vorhandenen Satellitendaten der Organisation und erstellte einen Trainingsdatensatz. Anschließend bereitete das Team die Infrastruktur für Deep-Learning-Experimente vor, um den Prozess der Erstellung und Bestätigung zukünftiger Experimente zu automatisieren. Danach führte Objectivity umfassende Recherche zu dem durch, was bereits global in diesem wissenschaftlichen Bereich erreicht worden war. Da bereits hochmoderne Forschungen zum Thema Geolokalisierung von Tieren bestehen. Das Team waren interessiert daran, wie diese bestehenden Ansätze ihren technologischen Blickwinkel bei der Realisierung dieses Projekts beeinflussen können.

Anschließend stellte Objectivity 5 heimliche KI-Helden ein, sogenannte Datenanmerker, die die Daten so vorbereiteten und anpassten, dass sie zur Struktur des neuronalen Netzwerks passten. Das Datenanmerkungsteam wurde eingerichtet, um Objekte von Interesse in beiden Arten von Bilddaten zu markieren: Orthofoto-Mappen und Satelliten. Der kontinuierliche Prozess der Datenqualitätssicherung wurde mit Hilfe der Leistungsdatenanalyse durchgeführt.

Testimonials Pattern - Right

DAERA have been impressed by Objectivity’s approach and technical capability in the innovative use of AI and Machine Learning to solve a particular problem. They have proven to be a very competent and professional organisation.

Ross Donaghy

Digital Services Manager

Die KI-Experten von Objectivity verfolgten diese Bemühungen mit der Aufteilung des Trainingsdatensatzes in zwei Teile - den Trainingssatz und den Testsatz. Daher wurden die Daten ausschließlich im Trainingssatz trainiert, damit ihre „Intelligenz“ im Testsatz getestet werden konnte. Darüber hinaus wurde der Testsatz so strukturiert, dass er der tatsächlichen Struktur Nordirlands am ehesten entspricht. Wenn zum Beispiel 80% von Nordirland als Ackerland ausgewiesen ist, würde der Testsatz, um genaueste Ergebnisse zu erzielen, dieselben Parameter annehmen.

Als nächstes erstellte das Team zusätzliche Tests unter Verwendung der von ihnen aufgebauten Infrastruktur und erstklassiger Ausstattung und Grafikprozessoren (GPU). Sie erstellten auch eine Pipeline, welche die geografischen Daten verarbeitet und Informationen wie die genauen Koordinaten eines bestimmten Tieres bereitstellt. Mit dieser Funktion ist es möglich herauszufinden zu welcher Farm es gehört.

Darüber hinaus konnte Objectivity DAERA beraten, welche KI-Modelle am effektivsten und kostengünstigsten sind - Orthofoto-Karten, 30 cm-Satellitenbilder oder 50 cm-Satellitenbilder. Das Team analysierte alle Versuche und Tests und konnte das beste Model ermitteln.

Mit diesem Wissen war für DAERA klar, dass Ihr Anliegen tatsächlich realisierbar ist. Die Organisation war sich im Klaren, welcher Bild-Ansatz die zeit- und kosteneffizientesten Ergebnisse liefert, und kann nun die anderen, weniger optimalen Optionen eliminieren.

Darüber hinaus zeigte die erste Phase des Projekts, wie viel intelligente und automatisierte Technologie zur Rationalisierung von Prozessen beitragen kann - und bot DAERA die einmalige Gelegenheit, eine neue, voll funktionsfähige Lösung auf der Grundlage der entwickelten KI-Modelle einzuführen.

Ergebnisse nach Zahlen

  • Abhängig von der Auflösung beträgt der durchschnittliche Unterschied zwischen der tatsächlichen Anzahl der Tiere und den vorhergesagten Objekten pro Paket 1,29 bis 2,70 Objekte.
  • Abhängig vom Datenformat wurden 78% bis 82% der Tiere korrekt gesichtet (ein großer Vorteil gegenüber der Zählrate).

Fallstudien

01 / 02

Kontakt

Starten Sie Ihr Projekt mit Objectivity

CTA Pattern - Contact - Middle