发布于: Mar 31, 2021
【概要】计算机视觉是人工智能 (AI) 的一个领域，将机器学习管道简化为一致且可观察的工作流程，以便规模较小的业务部门能够更轻松地访问，这仍然是一个很有挑战的目标。这一点在农业科技领域尤为明显。亚马逊云科技的客户采用的农业应用包括根据产品的等级和缺陷对农产品进行分类，以及尽早有效地主动确定害虫控制措施，这些都是计算机视觉大有可为的一些领域。
节选自 亚马逊云科技官方博客，原文地址：https://aws.amazon.com/cn/blogs/china/ai-for-agritech-classifying-kiwifruits-using-amazon-rekognition-custom-labels/
作者：Steffen Merten，亚马逊云科技初创公司解决方案架构师。
计算机视觉是人工智能 (AI) 的一个领域，借助于价格合理且基于云的训练计算，更高性能的算法，优化的可扩展模型的部署和推理，该领域越来越受到人们的关注和欢迎。但是，尽管在单个人工智能 (AI) 和机器学习 (ML) 领域取得了这些进展，但是将机器学习管道简化为一致且可观察的工作流程，以便规模较小的业务部门能够更轻松地访问，这仍然是一个很有挑战的目标。这一点在农业科技领域尤为明显，在这个领域中，计算机视觉在通过自动化提高产能方面具有巨大潜力。这种情况也存在于健康和安全领域，在这些领域中，危险的工作可以由人工智能而不是农民来完成。亚马逊云科技的客户采用的农业应用包括根据产品的等级和缺陷对农产品进行分类（IntelloLabs、Clarifruit 和 Hectre），以及尽早有效地主动确定害虫控制措施 (Bayer Crop Science)，这些都是计算机视觉大有可为的一些领域。
尽管这些计算机视觉应用具有一定的吸引力，但通常只有大型农业企业才能使用，因为特定边缘硬件架构的训练–编译–部署–推断序列非常复杂，导致技术与可以从中获得最大利益的从业人员之间出现某种程度的分离。许多情况下，这种脱节的根源在于人工智能/机器学习的复杂性，以及其在农业、林业和园艺等初级领域的端到端应用中缺乏明确的路径。在大多数情况下，雇用经验丰富的合格数据科学家来探索机会，而管理人员和运营商无法直接进行试验和创新，这样的前景在财务和组织方面都是不切实际的。最近在新西兰举行的一次农业科技演讲中，一位高管与会者强调，缺乏端到端的 亚马逊云科技计算机视觉解决方案是试验的限制因素，为了证明组织买进更强大的技术评估是合理之举，需要进行试验。
下篇博文我们将为您揭开亚马逊云科技 AI/ML 服务如何协同工作的神秘面纱，并特别说明如何生成带标记的图像，针对该图像训练计算机视觉模型，以及如何使用 Amazon Rekognition 自定义标签部署自定义图像识别模型。按照教程进行操作，您应该能够在大约一小时内启动并运行自定义计算机视觉模型，并根据与您的特定需求相关的数据，做出关于进一步投资 AI/ML 创新的更明智的判断。
相关文章