Een veredelaar van groentezaden is voortdurend bezig met experimenten om betere rassen te ontwikkelen. Deze experimenten worden op zeer veel aspecten in detail beoordeeld. Beelddata van de experimenten in de vorm van foto’s vormt een belangrijke informatiebron voor de beoordeling. De handmatige analyse van deze beelddata is echter vlug zeer tijdrovend en vaak zijn hier ook experts voor nodig. Biedt het toepassen van machine learning hier uitkomst?
Sioux Mathware bekeek verschillende datasets van de klant en ontwikkelde een machine learning tool kit waarmee de klant eigenhandig een machine learning model kan trainen voor een bepaalde taak.
Hierbij is specifieke ook gekeken naar het optimaliseren van de workflow zodat de klant deze tooling snel en laagdrempelig in kan zitten om zelf te kunnen achterhalen wat haalbaar is. Met deze tool kit is de klant in staat om op basis van een zeer beperkt aantal beoordeelde foto’s een model te trainen dat vervolgens de beoordeling van de overige foto’s zelf kan doen. Hiermee wordt een hogere snelheid tegen lagere kosten bereikt bij een nagenoeg gelijk kwaliteitsniveau.
Door de bijdrage van Sioux Mathware worden de schaarse experts minder in beslag genomen door repetitieve taken en kunnen zij hun tijd nuttiger besteden. Sioux Mathware heeft niet een enkele data-analyse gedaan maar voor de klant een flexibele generieke oplossing ontwikkeld. Daarnaast is via een aantal interactieve tussenpresentaties aan de klant uitgelegd wat er gedaan is en hoe een en ander werkt. Hiermee heeft de klant naast een product ook veel extra kennis gekregen zodat ze met meer comfort deze nieuwe technieken in kan zetten.