I sensori digitali sono emersi come la tecnologia predominante per la raccolta di dati su larga scala in molti settori. In agricoltura, la quantificazione dei fenotipi attraverso modelli di intelligenza artificiale di deep learning che utilizzano i dati dei sensori digitali è alla base dello sviluppo di colture più produttive e più resilienti, nonché di nuove soluzioni per controllare erbe infestanti, parassiti e malattie.
Tuttavia, la rapida evoluzione delle tecnologie dei sensori digitali ha portato alla sostituzione dei vecchi tipi di sensori con quelli più nuovi. Questa transizione richiede spesso l’acquisizione, la riannotazione e il riaddestramento di dati aggiuntivi di modelli di machine learning preesistenti per mantenerne l’efficienza e l’accuratezza.
Intelligenza artificiale, machine learning, grandi modelli linguistici – interpretazione artistica. Credito immagine: Gerd Altmann tramite Pixabay, licenza gratuita
Corteva Agriscience, il cercatore di questa sfida, sta cercando nuovi metodi o modelli per universalizzare i dati raccolti da diversi sensori dello stesso tipo o simili, senza i costi aggiuntivi associati alla ri-raccolta o alla riannotazione dei dati e al riaddestramento dei modelli esistenti.
Questa è una sfida a premi che richiede l’invio di una proposta scritta e ci sarà un premio garantito per almeno una soluzione presentata. Inviando una proposta, Solver concede a Corteva il diritto di utilizzare qualsiasi informazione inclusa nella proposta.
Le iscrizioni a questa Sfida devono pervenire entro le 23:59 (ora della costa orientale degli Stati Uniti) in poi 19 settembre 2023.
Fonte: Wazoku
Da un’altra testata giornalistica. news de www.technology.org
