farmvibes ai
1.0.0
Farmvibes.ai를 사용하면 농업 및 지속 가능성에 대한 풍부한 지리 공간 통찰력을 개발할 수 있습니다.
여러 지리 공간 및 시공간 데이터 세트를 융합하여 통찰력 (예 : 탄소 발자국 추정, 성장률을 이해하고 관행을 감지하는 관행)을 융합시키는 모델을 구축하십시오. 위성 이미지 (RGB, SAR, 멀티 스펙트럼), 드론 이미지, 날씨 데이터 등을 함께 융합시킬 수 있습니다.
이 방법으로 데이터 세트를 융합하면보다 강력한 통찰력을 생성하고 융합 없이는 불가능한 새로운 통찰력을 잠금 해제 할 수 있습니다. 이 repo에는 여러 퓨전 워크 플로 (농업 관련 문제의 핵심으로 표시되고)가 포함되어있어 농업/농업에 쉽게 중점을 둔 강력한 원격 감지, 지구 관찰 및 지리 공간 모델을 구축하는 데 도움이됩니다. 현재 우리의 주요 초점은 모델이 최적화 된 농업 및 지속 가능성입니다. 그러나 프레임 워크 자체는 다른 도메인에 대한 모델을 구축하는 데 충분히 일반적입니다.
farmvibes.ai에는 세 가지 주요 조각이 있습니다. 첫 번째는 데이터 수집 및 사전 처리 워크 플로로 구성되어 농업에 맞게 조정 된 퓨전 모델에 대한 데이터를 준비하는 데 도움이됩니다. 또한 데이터의 사전 프로세싱 구성을 허용 할뿐만 아니라 기존 모델을 쉽게 조정할 수있는 모델 교육 노트북 예제를 제공합니다. 마지막으로, 데이터 수집을 지원하고 기존의 조정 및 조정 된 모델로 새로운 워크 플로를 만드는 컴퓨팅 엔진.
이 단계에서는 통찰력을 구축하기 위해 퓨즈하려는 데이터 세트를 선택할 수 있습니다. FarmVibes.ai에는 많은 데이터 세트 다운로더가 제공됩니다. 여기에는 Sentinel 1 및 2의 위성 이미지, 미국 경작지 데이터, USGS 고도 맵, NAIP 이미지, NOAA 날씨 데이터, 앰비언트 날씨의 비공개 날씨 데이터가 포함됩니다. 또한 Farmvibes.ai (예 : 드론 이미지 또는 기타 위성 이미지) 및 향후 커스텀 센서 데이터 (예 : 날씨 센서)를 위해 융합 할 준비를하려는 래스터 화 된 데이터 세트를 가져올 수도 있습니다.
FarmVibes.ai의 핵심 기술은 레이블이있는 곳에서 유형, 공간 및 시간을 넘어서는 ML 모델 데이터의 입력으로 사용하는 것입니다. 예를 들어, 위성 이미지 (광학 이미지에만 표시됨)에서 곡물 사일로를 감지 할 때는 상승 및 레이더 대역뿐만 아니라 광학에 의존하는 것이 좋습니다. 이 시나리오에서는 여러 데이터 양식을 다른 알려진 농업 인프라 엔티티와 결합하는 것도 중요합니다. 마찬가지로,보다 강력한 모델을 생성하기 위해 연중 여러 시간 동안 주어진 사일로의 이미지를 입력하여 사용하는 것이 중요합니다. 많은 데이터 스트림의 정보를 포함하여 근처 또는 이와 유사한 위치에서 과거 데이터를 통합하는 것은 지리 공간 모델의 견고성 (특히 수율, 성장 및 작물 분류 문제)을 향상시키는 것으로 나타났습니다. FarmVibes.ai는 지정할 수있는 매개 변수를 기반으로 쉽게 모델에 대한 입력 데이터를 생성합니다.
FarmVibes.ai를 통해 데이터 과학자는 데이터 세트를 선호도에 마사지 및/또는 조정할 수 있습니다. 튜닝은 데이터 다운로드 워크 플로 및 데이터 준비 워크 플로의 지시 된 비시 클릭 그래프로 지정된 구성 가능한 워크 플로를 통해 활성화됩니다. 준비 연산자는 훈련 및 추론 모듈에 입력 (예 : 모든 원시 데이터가 포함 된 융합 팬더 어레이 또는 텐서)을 작성하는 데 도움이됩니다.
FarmVibes.ai의 다음 단계는 내장 노트북을 사용하여 모델을 조정하여 세계의 일부 또는 계절에 대한 정확도를 달성하는 것입니다. 도서관에는 검출 관행 (예 : 수확 날짜 탐지), 기후 영향 추정 (계절 탄소 발자국 및 장기 지속 가능성), 미세 기후 예측 및 작물 식별을위한 노트가 포함되어 있습니다.
FarmVibes.ai는이 노트북과 함께 제공되어 퓨전 모델을 훈련하여 지리 공간 데이터 세트를 귀하의 요구에 맞게 강력한 통찰력으로 결합하도록 도와줍니다. 사용자는 모델을 원하는 성능으로 조정하고 모델을 FarmVibes.ai에 게시 할 수 있습니다. 그런 다음이 모델은 나중에 세계의 다른 지역, 다른 날짜 등에 사용할 수있는 추론 엔진에서 나중에 사용할 수 있습니다.
FarmVibes.ai의 마지막 단계는 데이터 커넥터, 사전 처리 및 모델 조각을 강력한 추론 워크 플로로 결합하는 것입니다. 그런 다음 생성 된 워크 플로는 관심 영역에서 추론을 수행하는 데 사용될 수 있으며 워크 플로에 입력으로 전달할 수 있습니다. FarmVibes.ai는 시간 범위에 대한 추론을 실행하도록 구성하고 업스트림 데이터가 업데이트 될 때마다 결과를 업데이트 할 수 있습니다 (예 : 새로운 위성 이미지 또는 센서 데이터가 추가됨). 퓨즈 데이터 준비 및 퓨전 모델 워크 플로로 구성된 워크 플로를 작성하여이를 수행합니다.
현재 우리는 사전 건축 사업자와 워크 플로를 사용하여 데이터 과학 시스템에서 로컬로 운영하는 Local FarmVibes.ai 클러스터를 오픈 소싱하고 있습니다. 이는 생성 된 모든 데이터가 컴퓨터에서 로컬로 유지됨을 의미합니다. 실제 워크 플로 및 구현은 Docker Images를 통해 제공되며 워크 플로 목록 문서에 설명을 사용할 수 있습니다.
사용자는 REST API (LocalHost) 또는 로컬 파이썬 클라이언트 (예 : Jupyter 노트북)를 통해 Local FarmVibes.ai 클러스터와 상호 작용할 수 있습니다.
시작 장소에 대한 정보는 QuickStart 안내서를 참조하십시오. FarmVibes.ai를 실행하기 위해 전용 Azure Virtual Machine을 설정하려면 VM 설정 문서에서 자세한 지침을 찾을 수 있습니다.
In the folder notebooks there are several examples to serve as starting points and demonstrating how FarmVibes.AI can be used to create Agriculture insights. 사용 가능한 노트북 중 일부는 다음과 같습니다.
helloworld : a simple example on how to use the client to run a workflow and visualize the response.harvest_period : showing how a NDVI time-series computed on top of Sentinel 2 data can be obtained for a single field and planting season and used to estimate emergence and harvest dates.carbon : illustrating how to simulate different soil carbon estimates based on different agriculture practices, leveraging the COMET-Farm API.deepmc : showing how one can build micro-climate forecasts from weather station data using the DeepMC model.crop_segementation : this example shows how to train a crop identification model based on NDVI data computed on top of our SpaceEye cloud-free image generation model. 이 예에서는 추론 워크 플로우에서 훈련 된 모델을 사용하여 스페이스 이미지를 생성 할 수있는 모든 영역에서 예측을 얻을 수 있습니다.우리는 사용 가능한 노트북의 전체 목록과 설명서에 설명을 제공합니다.
다양한 구성 요소에 대한 자세한 정보는 FarmVibes.ai 문서에서 찾을 수 있습니다. 이 저장소 에서이 정보는 다음과 같이 액세스 할 수 있습니다.
이 프로젝트는 기여와 제안을 환영합니다. 대부분의 기부금은 귀하가 귀하가 귀하의 기부금을 사용할 권리를 부여 할 권리가 있다고 선언하는 기고자 라이센스 계약 (CLA)에 동의해야합니다. 자세한 내용은 https://cla.opensource.microsoft.com을 방문하십시오.
풀 요청을 제출할 때 CLA 봇은 CLA를 제공하고 PR을 적절하게 장식 해야하는지 자동으로 결정합니다 (예 : 상태 점검, 댓글). 봇이 제공 한 지침을 따르십시오. CLA를 사용하여 모든 저장소에서 한 번만이 작업을 수행하면됩니다.
이 프로젝트는 Microsoft 오픈 소스 행동 강령을 채택했습니다. 자세한 내용은 추가 질문이나 의견이 있으면 행동 강령 FAQ 또는 [email protected]에 문의하십시오.
이 프로젝트에는 프로젝트, 제품 또는 서비스에 대한 상표 또는 로고가 포함될 수 있습니다. Microsoft 상표 또는 로고의 승인 된 사용에는 Microsoft의 상표 및 브랜드 지침이 적용되며 따라야합니다. 이 프로젝트의 수정 된 버전에서 Microsoft 상표 또는 로고를 사용한다고해서 혼란을 일으키거나 Microsoft 후원을 암시해서는 안됩니다. 타사 상표 또는 로고를 사용하면 타사 정책이 적용됩니다.
