Contexte
Abelio, un leader dans les solutions agricoles numériques, utilise la Computer Vision pour traiter les images aériennes, comme les images de drones et de satellites, afin de fournir aux agriculteurs des informations exploitables qui les aident à naviguer dans les défis de l'agriculture moderne.
À mesure que leurs opérations de Computer Vision se développaient, Abelio a rencontré certains goulots d'étranglement :
- Gestion de volumes de données croissants pendant les saisons agricoles.
- Ré-entrainement rapide des modèles pour respecter des délais serrés (délai de 48 heures entre l'acquisition des images et les informations).
- Assurer la traçabilité et la reproductibilité des expériences dans divers environnements.
Abelio a surmonté ces défis avec Picsellia ; améliorant l'organisation des données, accélérant les processus de ré-entrainement fréquent des modèle et assurant leur stabilité. Notre plateforme de Computer Vision leur a permis d'élargir leur impact, permettant à davantage d'agriculteurs de prendre des décisions éclairées.
À propos d'Abelio
Abelio s'associe à des coopératives agricoles pour exploiter la puissance de l'imagerie aérienne et de l'IA, transformant les images en informations exploitables pour les agriculteurs. En traitant les images capturées par drones et satellites, Abelio soutient l'agriculture de précision, aidant les agriculteurs à relever des défis comme la fertilisation, l'irrigation, la prévention des maladies et la détection des mauvaises herbes.
Par exemple, Abelio peut aider les agriculteurs à appliquer la quantité exacte d'engrais pour maximiser la rentabilité des cultures tout en minimisant l'impact écologique négatif. Abelio peut également aider à optimiser l'utilisation de l'eau pendant les périodes de croissance critiques, estimer la santé des cultures pour prévenir les épidémies de maladies et identifier les mauvaises herbes efficacement pour réduire les coûts de traitement.
Le parcours d'Abelio avec la Computer Vision
Initialement, Abelio s'appuyait sur des outils AWS comme S3 pour le stockage des données, EC2 pour l’entraînement des modèles et SageMaker pour leur déploiement. Bien que fonctionnel, ce système fragmenté présentait plusieurs problèmes :
- AWS S3 manquait d'outils pour la visualisation des images, compliquant la gestion des ensembles de données.
- L’intensification des opérations pendant les saisons de pointe créait des inefficacités dans la gestion de grands volumes d'images.
- Le ré-entrainement des modèles pour respecter des délais de livraison serrés était chronophage et sujet aux erreurs.
À mesure que leur activité grandissait, Abelio a ressenti le besoin d'une plateforme MLOps intégrée pour la Computer Vision. Pendant les saisons de pointe, ils ont fait face à une augmentation quadruple du traitement des images, nécessitant une solution pour gérer efficacement le stockage, l'organisation et la gestion des flux de travail.
Améliorations clés avec Picsellia
- Gestion centralisée des données Stockage récupération et organisation simplifiés des images.
- Ré-entrainement efficace Cycles de ré-entrainmenet réduits à 48 heures.
- L'outil de campagne d'annotation A permis le suivi des progrès, le contrôle de la qualité et les flux de travail d'annotation indépendants.
Ces avancées ont permis à Abelio de se concentrer sur l'amélioration des performances des modèles, la livraison d'informations plus rapides et la mise à l'échelle de leurs opérations.
Impact commercial
Les fonctionnalités intégrées de Picsellia ont transformé l'approche d'Abelio en matière de Computer Vision :
- Temps de modélisation : En rationalisant la gestion des données et workflows de ré-entrainements de modèles, Abelio a réduit le temps d’itération sur un modèle à 48 heures, respectant le délai serré pour les agriculteurs.
- Précision des modèles : L'amélioration de la fiabilité des datasets et du suivi a stabilisé les modèles, augmentant la précision et le rappel moyens.
- Gestion des volumes de données : Picsellia a permis à Abelio de gérer efficacement la nature difficile de la saisonnalité des données.
- Efficacité de l'annotation : La fonctionnalité de campagne d'annotation a aidé Abelio à superviser l’avancement, à améliorer la qualité de l'annotation et à rationaliser les flux de travail de l'équipe.
Avec Picsellia, Abelio a également amélioré le suivi des modèles, assurant la reproductibilité et la traçabilité notammenent en versionnant ses dataset, ses modèles et les paramètres d’entrainement. Cela a conduit à une meilleure analyse grâce à la comparaison d’expériences, réduisant les erreurs et améliorant la fiabilité des modèles en production.
Perspectives
Avec la plateforme scalable et collaborative Picsellia, Abelio s'est positionné pour élargir ses offres en agriculture de précision. La plateforme permet aux équipes de R&D et de production de travailler ensemble de manière transparente, permettant à Abelio de répondre rapidement aux besoins de leurs clients.
