Mit Durchblick zu optimierten Algorithmen – für eine intelligente & gesunde Landwirtschaft.
Herausforderung
Dank eigenen Sensoren besitzt databaum viele Daten, die für die tägliche Arbeit von Winzern und Bauern von Bedeutung sind. In Kombination mit Wetterprognosen können diese Daten genutzt werden, um die Feuchtigkeit der Pflanzenblätter zu prognostizieren. Denn bei hoher Feuchtigkeit steigt das Risiko für Krankheiten. Entsprechend wichtig ist es, die Pflanzen zum richtigen Zeitpunkt zu behandeln, und databaum hat dazu eine erste Version eines ML (Machine Learning)-Modells entwickelt.
Der Prozess
Durch eine Analyse des ML-Modells von databaum konnten verschiedene Verbesserungsvorschläge zur Optimierung des Algorithmus erarbeitet werden. In Absprache mit databaum wurde anschliessend definiert, welche Massnahmen umgesetzt werden sollen.
Danach wurde bei der Datengrundlage gestartet, wo invalide Daten identifiziert und Optimierungsmassnahmen für die Datenerfassung implementiert wurden. Zum Abschluss wurde der Code überarbeitet sowie der Datenoutput der Klassifizierung angepasst, wodurch die Effizienz und Genauigkeit des Modells noch weiter verbessert werden konnte.
Ergebnis
Bei der Analyse konnten wertvolle Erkenntnisse eruiert und daraus resultierend die Algorithmen verbessert werden. Diese Anpassungen helfen databaum dabei, die Auswertungs- und Vorhersagemodelle ihres Krankheitmanagement-Tools und dadurch ein wichtiges Kernstück ihres Angebots zu verbessern.
