Final Work Pitch

-

Om een kleine recap te doen naar mijn thesis wil ik graag mijn idee voor jullie pitchen, het is namelijk interessant om mijn motivatie achter de app en niet enkel het achterliggend idee te verduidelijken. 

Ik wil graag beginnen met jullie een retorische vraag te stellen.


  • Wat brengt letterlijk en figuurlijk leven in een anders levenloos en saai interieur? 
Planten!
  • Wat kopen mensen graag in de winkel? 
Groenten die er uit zien als verwacht.


  • Wat geeft een gevoel van voldoening?
Een gezonde moestuin.


Men zoekt altijd naar een manier om zijn huisplant te redden maar elke plant is anders. Het eerste wat de meeste mensen doen is dit probleem Googelen. Maar er zijn 101 symptomen die tegelijk kunnen optreden en die wijzen naar dezelfde of verschillende ziektes of deficiënties. Dit maakt het erg moeilijk om te googelen of te herkennen.


  • Wat is goed in patronen herkennen?
AI!

Oplossing:

Een app (PlantCare) maken waar we onze plant(en) op kunnen toevoegen en we van een uitgekozen plant een foto kunnen nemen die op zijn beurt door een AI word geanalyseerd voor het herkennen van ziektes en/of deficiënties.

Mogelijke toekomstige uitbreidingen:
De technologie die in dit project wordt gebruikt is in de toekomst ook toepasbaar op de industrie. Namelijk het kan de efficiëntie van vertical- en urban farming verbeteren door het vroeger detecteren van afwijkingen.

Ik hoop dat dit een beter beeld heeft gegeven van mijn topic in vergelijking met mijn initiële blogpost. 

Met vragen over mijn project ben ik altijd bereikbaar op mijn email: wissam.nasser@student.ehb.be 

Comments

Post a Comment

Popular posts from this blog

AI Implementation

-
Image
To start with the AI implementation of this project, I researched some similar exisiting projects until I found an open-source project on GitHub  from Marko Arsenovic, that was comparing different results achieved by AI models using a plant disease dataset. This was an ideal starting point for my own project. A chart was also provided to clarify the results achieved by his project. I noticied that AlexNet achieved good results while not taking a lot of time to train as you can see in the chart below provided by Marko Arsenovic. This project used an open-source dataset provided by the R&D unit of Penn State University called PlantVillage, to train the neural networks in plant disease identification. This dataset includes 38 classifications each represented by more than 1000 pictures and spread over 14 plant types. In order to verify that our AI model is performing correctly it is important to keep some data for validation. Thus, 80% of plant disease images was used fo...
Read more

Development Tools

-
In this blogpost I will cover the different tools I have used during the development process of this project. General The tool below is used in all implementations. Github This free hosting website was used for version control. It uses the git open-source VCS (Version Controll System) enabling a combination of both local and centralized version control. This allows for easy and efficient management of progress in development. AIDE Implementation AIDE or the AI Diagnosis Engine includes the pre-trained AI model. This model allows the diagnosis engine from the previous section to calculate the disease prediction rankings. It also handles the image pre-processing of incoming requests. The following components are involved in this process. Anaconda Distribution This tool is a python package manager and provides the ability to easily manage, test and deploy development environments. Pycharm This IDE made by the software company JetBrains, is used for Python...
Read more

Future...

-
Recent developments in computer vision and artificial intelligence have made it possible to achieve classifications of complex patterns in images. These developments have made the successful implementation of this solution architecture achievable. My implementation does not represent a production-ready product as it is a PoC. However, it does prove that a product resulting from this solution is achievable. With this implementation it is safe to say that all technical requirements have been satisfied to an acceptable degree for this thesis. Future To achieve a production ready product a few improvements must be implemented.   Legal Compliance in general and specifically with regards to privacy/integrity (GDPR) and       Data Storage laws must be researched and implemented. 2.    A feature must be implemented in the AI implementation that allows for live training to support continuous improvement of the AI. This live training will lead to e...
Read more