Date post: | 20-Jan-2017 |
Category: |
Documents |
Upload: | arthur-depicker |
View: | 184 times |
Download: | 0 times |
Innovatieve toepassingen van artificiele intelligentie (AI)in de levensmiddelensector
De Jaegher BramDe Kesel JonasDepicker ArthurVerbanck Thijs
Faculteit Bio-ingenieurswetenschappenUniversiteit Gent
Academiejaar 2013–2014
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 1 / 1
Inleiding
Overzicht Presentatie
Deel 1: Inleiding AIAI als wetenschapDatagedreven vs. kennisgebaseerde subdisciplines van AIMachine Learning
Deel 2: Toepassingen van AI in de levensmiddelensector
Deel 3: Gevalstudies
Deel 4: Conclusies
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 2 / 1
Deel 1: Inleiding AI
AI als wetenschap
Wat is AI?
De automatisatie van activiteiten die we associeren met menselijkeintelligentie, zoals zelfstandig problemen oplossen, bijleren doorervaring, zelfstandig keuzes maken ...
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 3 / 1
Deel 1: Inleiding AI
Datagedreven vs. kennisgebaseerde subdisciplines van AI
Mogelijke indeling voor dit project
Datagedreven AI: model wordt opgebouwd aan de hand vaninformatie, gepuurd uit data
Kennisgebaseerd AI: model is gebaseerd op kennis en beslissingsregels,opgesteld door experten
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 4 / 1
Deel 1: Inleiding AI
Machine Learning (ML)
ML is de wetenschap om computers te laten handelen zonder explicietgeprogrammeerd te worden
Gesuperviseerd leren: model opbouwen a.d.h.v. gelabelde data,classificatie- en regressieproblemen
Ongesuperviseerd leren: model opbouwen a.d.h.v. ongelabelde data,clustering
Reinforcement learning: robot die leert navigeren in een omgeving
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 5 / 1
Deel 1: Inleiding AI
Voorbeeld classificatie met gesuperviseerd ML
Gem. kleur LengteBreedte
OmtrekOppervlakte ... LABEL
foto 1 bruin a α ... AARDAPPELfoto 2 paars b β ... PRUIMfoto 3 bruin c γ ... KIWIfoto 4 rood d δ ... APPELfoto 5 groen e ε ... WATERMELOENfoto 6 paars b´ β´ ... PRUIMfoto 7 bruin c´ γ´ ... KIWIfoto 8 groen e´ ε´ ... WATERMELOENfoto 9 rood d´ δ´ ... APPEL... ... ... ... ... ...
foto X rood d δ ... ???foto Y groen e ε ... ???foto Z bruin c γ ... ???
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 6 / 1
Deel 2: Overzicht levensmiddelensector
Overzicht Presentatie
Deel 1: Inleiding AI
Deel 2: Toepassingen van AI in de levensmiddelensectorIndeling van de levensmiddelensector & bijhorende toepassingen
Deel 3: Gevalstudies
Deel 4: Conclusies
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 7 / 1
Deel 2: Overzicht levensmiddelensector
Indeling van de levensmiddelensector
Primaire productie
Classificatie: rijpheid controleren met artificiele neuzen
Transport en opslag voor verwerking
Classificatie: detectie van ongedierte en classificatie van aangetastevruchten
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 8 / 1
Deel 2: Overzicht levensmiddelensector
Indeling van de levensmiddelensector
Primaire productie
Classificatie: rijpheid controleren met artificiele neuzen
Transport en opslag voor verwerking
Classificatie: detectie van ongedierte en classificatie van aangetastevruchten
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 8 / 1
Deel 2: Overzicht levensmiddelensector
Indeling van de levensmiddelensector
Verwerking
Expertsystemen: optimalisatie van processenClassificatie: herkenning van gebreken in eindproduct
Transport en opslag na verwerking
Regressie: voorspelling van houdbaarheidsdata
Verkoop
Data Mining: market basket analysisReinforcement learning: integraal ketenbeheer
Consumptie
Classificatie: herkomstbepaling van (beschermde) productenExpertsystemen: samenstellen van menu’s
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 9 / 1
Deel 3: Gevalstudies
Overzicht Presentatie
Deel 1: Inleiding AI
Deel 2: Toepassingen van AI in de levensmiddelensector
Deel 3: GevalstudiesHerkenning van Rochefort 8◦
Classificatie van groenten en fruit
Deel 4: Conclusies
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 10 / 1
Deel 3: Gevalstudies
Classificatie van groenten en fruit
Artikel van Rocha et al. (2010): “Automatic fruit and vegetableclassification from images”
A.d.h.v. 834 gelabelde foto’s van vijf soorten groenten en fruit(watermeloen, aardappel, appel, pruim & kiwi) een model maken om206 ongelabelde foto’s te classificeren
Beeldverwerking
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 11 / 1
Deel 3: Gevalstudies
Classificatie van groenten en fruit
Algemeen resultaat a.d.h.v. confusiematrix: 87%
Aardappel Appel Kiwi Pruim WatermeloenAardappel 35 0 3 0 7Appel 2 36 0 0 0Kiwi 2 7 26 0 0Pruim 0 0 0 52 0Watermeloen 0 0 5 0 31
Voornamelijk features m.b.t. kleur
Feature Gemiddelde mean decrease giniVorm gerelateerde features 32,5Kleur gerelateerde features 83,4
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 12 / 1
Deel 4: Conclusies
Overzicht Presentatie
Deel 1: Inleiding AI
Deel 2: Toepassingen van AI in de levensmiddelensector
Deel 3: Gevalstudies
Herkenning van Rochefort 8◦
Classificatie van groenten en fruit
Deel 4: Conclusies
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 13 / 1
Deel 4: Conclusies
Toepassingen: vooral onderzoek, weinig praktische toepassingen
Uitzondering: market basket analysis, integraal ketenbeheer,classificatie- en regressieproblemen
Pro ↔ Contra
Voordeel: complexe problemen modelleren zonderdomeinspecifieke voorkennis
Nadeel: moeilijk om prestaties op aanvaardbaar niveau te krijgen
Gevalstudies
Relatief goede accuraatheden
Tweede plaats voor Rochefort 8◦ classificatie (95% accuraatheid)87% i.v.m. 97% in het originele (complexere) onderzoek quafotoclassificatie
Model opstellen is relatief eenvoudig
De Jaegher - De Kesel - Depicker - Verbanck (Faculteit Bio-ingenieurswetenschappen Universiteit Gent)Academiejaar 2013–2014 14 / 1