AiGen
Kirkland, WA
Agricultura, Fabricación de equipos de energía renovable
AWS Lambda, AWS S3, AWS SNS, AWS SQS, AWS PostGresSQL.
Aigen ha desarrollado robots automatizados para agricultores que escanean imágenes de cultivos para identificar malas hierbas y luego eliminarlas. Para que los robots funcionen eficazmente, necesitan procesar datos e imágenes rápidamente para poder identificar y eliminar las malas hierbas que afectan a una planta e inmediatamente pasar a la siguiente. Si bien los robots están diseñados para ejecutar la identificación y eliminación de malas hierbas en el borde de una infraestructura de IoT, Aigen necesitaba implementar un entorno de nube para entrenar los modelos de datos que permiten a los robots mejorar su análisis de cultivos y la eliminación de malas hierbas. Para resolver este desafío, Aigen recurrió a Avahi Technologies, que diseñó una infraestructura de Amazon Web Services (AWS) para respaldar las capacidades de aprendizaje automático que Aigen requería para entrenar el modelo de datos. La solución acelera la recopilación de datos y produce un modelo con errores reducidos que Aigen puede iterar y luego probar en el campo en los robots. Con el tiempo, el entrenamiento continuo del modelo ayudará a los robots a desempeñarse mejor en la identificación y eliminación de malas hierbas.
Para ayudar a construir un futuro sin productos químicos nocivos utilizados para cultivar alimentos, Aigen está lanzando el primer servicio robótico impulsado por IA, conectado en red y alimentado por los elementos. El servicio robótico de la compañía reduce la carga de trabajo de los agricultores y su dependencia de los combustibles fósiles, al tiempo que mejora el rendimiento al navegar, analizar y desherbar de forma autónoma los cultivos en hileras. Los vehículos ofrecen una forma escalable y sin productos químicos de cultivar alimentos más saludables, funcionando al 100% con energía renovable con paneles solares que se duplican como velas para aprovechar el viento.
Desafío del cliente: acelerar la velocidad del entrenamiento del modelo de datos
Aigen ha desarrollado robots automatizados para agricultores que escanean imágenes de cultivos para identificar malas hierbas y luego eliminarlas. Los robots permiten a los agricultores reducir el costo de contratar mano de obra manual y disminuir su dependencia de los productos químicos, algunos de los cuales ahora están prohibidos y otros cuyo costo está aumentando. Los robots también abordan el desafío de erradicar las malas hierbas que han evolucionado para volverse resistentes a los herbicidas. Para que los robots funcionen eficazmente, necesitan procesar datos e imágenes rápidamente para poder identificar y eliminar las malas hierbas que afectan a una planta e inmediatamente pasar a la siguiente. Además de analizar los escaneos de plantas, otras variables que los robots deben tener en cuenta para identificar con precisión las malas hierbas incluyen el tipo de cultivo, el tipo de suelo y el método de cultivo utilizado por cada agricultor. Los robots también deben considerar la cantidad de sol, sombra y agua a la que están expuestas las plantas. Si bien los robots están diseñados para ejecutar la identificación y eliminación de malas hierbas en el borde de una infraestructura de IoT, Aigen necesitaba implementar un entorno de nube para entrenar los modelos de datos que permiten a los robots mejorar su análisis de cultivos y la eliminación de malas hierbas. “Nuestro sistema basado en la visión diferencia entre malas hierbas y cultivos y luego golpea mecánicamente las malas hierbas”, explica Hemdeep Dulthummon, Jefe de Estrategia y Operaciones de Aigen. “Para que los robots hagan esto de manera efectiva, necesitamos una alta confianza en los datos que recopila nuestro modelo de entrenamiento”.
La velocidad es la razón clave para entrenar los modelos de datos en la nube en lugar de en las instalaciones. “Hay una pequeña ventana de oportunidad durante la temporada de crecimiento para recopilar datos y entrenar el modelo”, dice Dulthummon. “Queríamos crear una base de recursos informáticos para que cuando nuestro modelo falle, falle rápido. Entonces tenemos más tiempo para analizar los datos y mejorar el rendimiento de los robots”.
Solución del socio: Avahi incorpora capacidades de aprendizaje automático en la arquitectura sin servidor
Para implementar la infraestructura de nube requerida para respaldar los modelos de entrenamiento, Aigen primero seleccionó Amazon Web Services por su capacidad para proporcionar una gama de recursos informáticos que son escalables, altamente seguros y confiables, en servidores, almacenamiento, bases de datos, redes, lagos de datos, análisis, aprendizaje automático, inteligencia artificial, IoT y tecnologías de seguridad. A partir de ahí, Dulthummon encontró el socio ideal para diseñar e implementar la infraestructura de AWS: Avahi Technologies. Avahi se especializa en ayudar a empresas emergentes como Aigen que necesitan colaborar con socios en los que puedan confiar para asegurar la propiedad intelectual e implementar rápidamente una infraestructura de AWS. Avahi también cuenta con un personal de expertos con un profundo conocimiento de modelado de datos e IA. “Avahi nos impresionó con la forma en que se sumergieron en el alcance del proyecto para comprender nuestras necesidades y definir los entregables que requeríamos”, dice Dulthummon. “Dada su experiencia en la nube, nos sentimos cómodos asociándonos con Avahi sin considerar a nadie más”.
Dulthummon considera que encontrar el socio adecuado para este proyecto desde el principio es un beneficio clave. “Con una implementación de tecnología compleja como la nuestra, habríamos tenido que invertir mucho tiempo en examinar a varios socios potenciales y ponerlos al día para que pudieran definir y cotizar adecuadamente el proyecto”, dice Dulthummon. “Con el ritmo de nuestro negocio, no tuvimos tiempo para hacer esto, pero Avahi eliminó este problema al demostrar que podían hacer el trabajo a tiempo. Incluso trabajaron durante un día festivo para terminar la propuesta”.
Para automatizar el flujo de datos e imágenes de los robots Aigen conectados a una plataforma de IoT al entorno de AWS, Avahi implementó una infraestructura de computación sin servidor AWS Lambda. Para la codificación, Avahi aprovechó Terraform para crear una arquitectura de infraestructura como código, que agiliza las actualizaciones del entorno y acelera las implementaciones futuras si Aigen necesita establecer otro entorno de modelado de datos.
Los servicios clave de la arquitectura incluyen AWS Machine Learning, que se integra con Labelbox, una aplicación de terceros para construir y ajustar modelos de datos. Otra integración de aplicaciones de terceros es Likely, que cura datos para el aprendizaje automático y ayuda a Aigen a seleccionar los datos de entrenamiento correctos. El equipo de Avahi se tomó el tiempo para comprender ambas aplicaciones de terceros para configurar sus API para que interactúen fácilmente con la infraestructura de AWS, como se muestra en la imagen a continuación.
Resultados y beneficios: el entrenamiento mejorado del modelo de datos mejora el rendimiento del robot
Aigen colaboró con Avahi para configurar la infraestructura de modelado de datos para que acelere la recopilación de datos y produzca un modelo con errores reducidos que Aigen puede iterar y luego probar en el campo en los robots. Con el tiempo, el entrenamiento continuo del modelo ayudará a los robots a desempeñarse mejor en la identificación y eliminación de malas
hierbas. La solución también segmenta el conjunto de datos dorados de Aigen del modelo de datos, un atributo clave para el aprendizaje automático, y automatiza la carga de datos e imágenes agrícolas desde la plataforma de IoT en la que están conectados los robots. Avahi configuró el entorno de AWS para categorizar los datos recopilados por los robots para que Aigen pueda asegurarse de que el modelo tenga un buen conjunto de datos para trabajar.
“Cuando cargamos los datos, sabemos dónde están los datos y que están etiquetados correctamente”, dice Dulthummon. “Luego ejecutamos los datos a través del proceso de aprendizaje automático que incluye la secuenciación y el etiquetado para que podamos entrenar el modelo y guardarlo en la nube para que los robots accedan a él”. El modelo también clasifica los diferentes tipos de cultivos y ayuda a distinguirlos de las malas hierbas en las imágenes escaneadas. Con el modelo de entrenamiento consistente que permite el entorno de AWS, Aigen puede tener en cuenta las diferentes formas en que crecen las malas hierbas dependiendo de las variables. “A medida que nuestros robots deshierban, medimos nuestra eficiencia, recopilamos los datos y mejoramos nuestro modelo”, añade Dulthummon
. “Al entrenar el modelo, no siempre estamos utilizando el mismo conjunto de datos. Podemos extraer datos de diferentes robots para encontrar el modelo óptimo. Y con la infraestructura de AWS, sabemos qué datos se utilizaron y en qué se ha entrenado”.
Con la primera fase del proyecto completada, Aigen ahora está discutiendo la segunda fase con Avahi, que implica ajustar la recopilación de datos e imágenes de los robots en el borde. Al trabajar con Avahi en la primera fase, Dulthummon sabe que la infraestructura de AWS está configurada correctamente para respaldar la segunda fase, y que los conocimientos del equipo de Avahi ayudaron a evitar errores en el camino, lo que finalmente aceleró la finalización del proyecto. “Tenemos expertos técnicos sólidos que saben lo que se necesita para construir una infraestructura de nube, pero su enfoque está en nuestra aplicación front-end, y no tienen el ancho de banda para expandir lo que están haciendo”, dice Dulthummon. “Al asociarnos con Avahi, también redujimos el riesgo de que el proyecto fracasara”.
Al evaluar el valor de unir fuerzas con un socio como Avahi, Dulthummon recomienda que otros desarrolladores de software primero evalúen cuánto conocimiento tienen internamente. También es clave saber cuál es su “zona de genio”. “No intentes ser un genio en todo”, señala Dulthummon. “Si no tienes los recursos adecuados, simplemente apégate a tu zona de genio y asóciate con expertos en la nube como Avahi que asumen este tipo de desafíos todos los días. Hay una curva de aprendizaje para todo y el costo de oportunidad es alto. Si dedicas tiempo a algo en lo que no eres experto, estás restando valor a lo que eres bueno y que podría estar haciendo avanzar a tu empresa”.
Fundador, bravo foxtrot
