Αξιοποίηση Τεχνητής Νοημοσύνης για την αγροδιατροφή DTTI Action in Food

Αξιοποίηση Τεχνητής Νοημοσύνης για την αγροδιατροφή DTTI Action in Food

Εκπαίδευση στην αξιοποίηση ΑΙ  (30/09/2024)
Στόχος του προγράμματος είναι να εξοπλίσει τη νέα γενιά (μαθητές/τριες και φοιτητές/τριες 15 – 25 ετών) με κρίσιμες δεξιότητες τεχνητής νοημοσύνης, επιχειρηματικότητας και βιώσιμης διατροφής και καινοτομίας.

Οι εκπαιδευτικοί Παπακωνσταντίνου Κωνσταντίνος και Καραγεώργου Παναγιώτα , οι οποίοι συμμετέχουν στο πρόγραμμα θα εκπαιδευτούν σε δεξιότητες τεχνητής νοημοσύνης και επιχειρηματικότητας, με εφαρμογές στον τομέα της αγροδιατροφής.

Στη συνέχεια θα ενδυναμώσουν τους/τις μαθητές/τριες να εμπνευστούν, να παρουσιάσουν και να υλοποιήσουν την επιχειρηματική τους stratup ιδέα μέσω των εργαλείων που θα διδαχθούν.

Το πρόγραμμα μας για το DDTI 2024-2025 (25/11/2024)

Η διαδικασία ανάπτυξης μιας εφαρμογής τεχνητής νοημοσύνης (TomatoScan 24.1) για τον εντοπισμό ασθενειών της ντομάτας από φωτογραφίες είναι ένα καινοτόμο έργο που συνδυάζει την τεχνολογία με τη γεωργία, προσφέροντας λύσεις στους αγρότες και τους καλλιεργητές. Η εφαρμογή αυτή θα αξιοποιήσει το Teachable Machine, μια πλατφόρμα που επιτρέπει τη δημιουργία μοντέλων μηχανικής μάθησης χωρίς την ανάγκη προγραμματισμού.

Διαδικασία Ανάπτυξης

  1. Καθορισμός Σκοπού: Ο αρχικός στόχος είναι να αναπτυχθεί μια εφαρμογή που θα επιτρέπει στους χρήστες να ανεβάζουν φωτογραφίες από τα φύλλα της ντομάτας τους και να εντοπίζουν πιθανές ασθένειες. Αυτό θα βοηθήσει τους αγρότες να προλάβουν τις ασθένειες πριν αυτές επηρεάσουν σοβαρά την παραγωγή τους.
  2. Συλλογή Δεδομένων: Η διαδικασία ξεκινά με τη συλλογή δεδομένων, δηλαδή φωτογραφιών ντομάτας που εμφανίζουν διάφορες ασθένειες. Αυτές οι φωτογραφίες θα χρησιμοποιηθούν για την εκπαίδευση του μοντέλου τεχνητής νοημοσύνης.
  3. Εκπαίδευση Μοντέλου: Χρησιμοποιώντας το Teachable Machine, οι μαθητές θα εισάγουν τις φωτογραφίες και θα κατηγοριοποιήσουν τις ασθένειες. Το εργαλείο αυτό επιτρέπει την εύκολη εκπαίδευση του μοντέλου με βάση τις εικόνες που παρέχονται.
  4. Δοκιμή και Βελτιστοποίηση: Αφού εκπαιδευτεί το μοντέλο, θα δοκιμαστεί με νέες φωτογραφίες για να διαπιστωθεί η ακρίβεια των προβλέψεων. Αν χρειαστεί, θα γίνουν βελτιώσεις στην εκπαίδευση του μοντέλου για να αυξηθεί η αποτελεσματικότητα.
  5. Δημιουργία Εφαρμογής: Μετά την επιτυχή εκπαίδευση και δοκιμή του μοντέλου, οι μαθητές θα αναπτύξουν μια φιλική προς τον χρήστη εφαρμογή που θα επιτρέπει στους χρήστες να ανεβάζουν φωτογραφίες και να λαμβάνουν άμεσες αναλύσεις.
  6. Δεοντολογία και Προστασία Δεδομένων: Καθ’ όλη τη διάρκεια της διαδικασίας, θα τηρηθούν οι ηθικές αρχές σχετικά με τη συλλογή και χρήση δεδομένων. Οι συμμετέχοντες θα ενημερωθούν για το πώς χρησιμοποιούνται οι φωτογραφίες τους και θα διασφαλιστεί ότι η διαδικασία είναι σύμφωνη με τις νομικές απαιτήσεις περί προστασίας προσωπικών δεδομένων.

Στόχοι του Έργου

Εκπαίδευση: Οι μαθητές θα αποκτήσουν πρακτική εμπειρία στη χρήση εργαλείων τεχνητής νοημοσύνης και στην ανάπτυξη εφαρμογών.

Κοινωνική Συνεισφορά: Η εφαρμογή στοχεύει στη στήριξη των αγροτών στην καταπολέμηση των ασθενειών των φυτών, συμβάλλοντας στην αύξηση της παραγωγικότητας και της ποιότητας των προϊόντων.

Καινοτομία: Προωθείται η χρήση τεχνολογίας αιχμής στον τομέα της γεωργίας, ενισχύοντας τη σύνδεση μεταξύ τεχνολογίας και καθημερινής ζωής.

Αυτή η πρωτοβουλία δείχνει πώς η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για την επίλυση πραγματικών προβλημάτων και την προώθηση της βιώσιμης γεωργίας, ενώ παράλληλα εκπαιδεύει τους νέους στις σύγχρονες τεχνολογίες.

Model TomatoScan 24.1

Πακέτο apk για android τηλέφωνο.

Η προσπάθεια συνεχίζεται με εκπαίδευση code (χρήση του EfficientNetB0 και MobileNetV2) για την δημιουργία του TomatoScan Plus  με ποσοστό επιτυχίας 95% (ακριβείας) και με βάση δεδομένων 27.000 φωτογραφίες. 

Περισσότερα για το πρόγραμμα : https://jagreece.org/programs/ekpaideusi-stin-axiopoiisi-ai/

Αφήστε μια απάντηση