КЕЙС

Датасет создания автоматизированного мониторинга и анализа состояния сельскохозяйственных культур на плантациях

Разметка растений

Обсудить проект

Сегментация

Разметка данных

Разделение изображения на семантически независимые сегменты для определения границ объектов

Выделение объектов на фото для обучения системы их распознаванию и интерпретации

Агропромышленность

Классификация

Использование технологий машинного обучения в задачах автоматизации и оптимизации процессов в сельско-хозяйственных предприятия

Способность оценивать и разделять объекты по заранее заданным признакам

МЫ ПРЕДЛАГАЕМ УСЛУГИ РАЗМЕТКИ
ДЛЯ ПРЕДОСТАВЛЕННЫХ ВАМИ ДАННЫХ

СБОР ДАННЫХ ДЛЯ ЭТОГО ПРОЕКТА
НЕ ОСУЩЕСТВЛЯЕТСЯ

Описание кейса

Смотреть на Kaggle

Скачать PDF

Сбор данных:

Плантации полезных культур корнеплодов и овощей (капуста, кабачки, картошка, репа и др.) сняты с помощью дронов с высоты птичьего полёта

Разметка данных:

1. Семантическая сегментация для определения класса культур

2. Инстанс-сегментация полигонами для определения разного состояния культур на изображении

3. Разметка key points представлена координатами в .xml таблице

Инструменты:

В зависимости от сложности разметки и требуемого качества мы размечаем данные в CVAT или PhotoShop, применяем AI предразметку и ведем контроль качества перед передачей данных

НАМ ДОВЕРЯЮТ

AI решения для аграрного сектора:

1.

Составление карт полей и плантаций с указанием благоприятности районов и условий

2.

Контроль за системой автоматического полива для предотвращения гибели культур, а также настройка автоматического распыления удобрений и ядохимикатов

3.

Поиск и детекция сорняков между грядками на больших пространствах

4.

Анализ и оценка состояния насаждений, плотности посадки

5.

Мониторинг сельскохозяйственных угодий для поиска растений, поражённых паразитами, пострадавших или погибших из-за засухи или избыточного полива

6.

Отслеживание роста и развития культур для определение степени зрелости плодов

НА ИТОГОВУЮ СТОИМОСТЬ ПРОЕКТА ВЛИЯЮТ:

Объем работ

Сложность разметки

Сроки

Качество разметки

Гарантия качества наших данных 95%. При заказе разметки с качеством выше 95% мы предлагаем enterprise решения

Заказать расчет стоимости

Тимлиды проекта

Вадим Старосотников

Мария Кузьмина

Артур Казукевич

Project manager

Python-developer

Senior quality control manager

Сотрудничество

с Training Data -

это

Команда экспертов:

Гибкий подход:

Ожидания и гарантии:

Безопасность:

Согласование инструментов и метрик под каждый проект

Оптимизация затрат и времени

Контроль качества, согласно договору

Предоставление отчетности на каждом этапе

Подписание NDA

Полный пакет закрывающих документов

Работа на сервере заказчика по запросу

Передача данных через защищенные хранилища

35 топ-менеджеров проектов

100% постоплата

Персональный менеджер

24/7 поддержка проекта

Enterprise тарифы для поточных проектов

6 лет в разметке данных

40+ языков

100+ стран

250000+ ассесоров

Не нашли нужной информации?

Оставьте заявку для связи с нашим Аккаунт-менеджером и расчёта стоимости датасета!

Проект нашего клиента:

Laboro Tomato — это набор изображений растущих помидоров на разных стадиях их созревания, предназначенный для задач обнаружения объектов и сегментации экземпляров. Мы также предлагаем два набора помидоров, разделенных по размеру. Набор данных был собран на местной ферме двумя отдельными камерами с разным разрешением и качеством изображения

Cмотреть кейс