No case dessa semana trazemos o resultado de um grande desafio técnico:
Um módulo de Analytics para assegurar a detecção de linhas de plantio e posteriormente falhas de plantio com Deep Learning e Computer Vision baseada em imagens de Vant em períodos e condições diferentes.
Devido a mutabilidade e derivações nos parâmetros de detecção – como clima, características de imageamento, genética do cultivar, etc – foram necessários novos modelos de A.I para recomendação de calibração. Além disso o fluxo de Machine Learning para a detecção das linhas e falhas de forma autônoma, precisou se sustentar em um #MLOps eficiente, que permitisse o ingestionamento das imagens, a auto “mosaicagem”, a indexação relacional e em Cloud Storage o pré e o pós processamento, a compilação dos resultados em Data Warehouse com suporte a GIS, e os endpoints de API para BI e Dashboards.
Todo esse trabalho só pode ser feito pelo alto nível técnico do cliente, sua visão de Data-driven Innovation, a confiança a nós dispensada e o engajamento técnico profundo entre equipes, da SciCrop®, de TI, Analytics e Agrícola do cliente.
