Studi Kasus
Deteksi objek untuk konglomerat agribisnis Asia
Penghitungan Inventarisasi Buah Perkebunan Kelapa Sawit
Perkenalan
Klien kami, sebuah perusahaan agribisnis terkemuka di Asia, termasuk perkebunan kelapa sawit yang luas, menghadapi inefisiensi operasional yang terkait dengan manajemen inventaris. Dengan kehadiran yang luas di seluruh wilayah, menjaga keakuratan inventaris sangatlah penting untuk efisiensi operasional.
Situasi / Masalah
Klien kami telah mengamati perbedaan inventaris yang signifikan, khususnya dalam pelacakan tandan buah segar kelapa sawit (dikenal dalam industri sebagai TBS) yang dipanen dari setiap perkebunan. Tantangan utamanya berasal dari fakta bahwa tandan buah kelapa sawit sulit dibedakan saat dikelompokkan bersama karena teksturnya yang berbulu dan penampilannya yang bergerombol. Penghitung manusia, yang bertanggung jawab untuk melacak buah yang dipanen, menghadapi masalah seperti kelelahan mata, yang meningkatkan kesalahan penghitungan.
Perbedaan inventaris ini tidak hanya menghambat produktivitas operasional perusahaan tetapi juga membahayakan kepatuhannya terhadap auditor, mengancam potensi denda dan kerugian pendapatan. Ketidakmampuan untuk melacak inventaris kelapa sawit secara akurat juga membuat perusahaan rentan terhadap kerugian yang tidak tercatat, termasuk kemungkinan pencurian buah.
Untuk mengatasi tantangan ini, klien mencari solusi yang lebih andal dan terukur yang akan meningkatkan akurasi penghitungan dan menyederhanakan manajemen inventaris. Tictag dilibatkan untuk mengembangkan solusi berbasis AI yang disesuaikan dengan lingkungan unik klien, yang rumit oleh dedaunan lebat yang mencegah penggunaan metode pengawasan tradisional seperti CCTV yang dipasang tinggi.
Solusi yang Diusulkan
Tictag mengusulkan solusi AI tertambah yang inovatif yang menggabungkan kecerdasan manusia yang bersumber dari masyarakat dengan otomatisasi berbasis AI. Tujuannya adalah untuk menciptakan model AI yang mampu membedakan tandan buah secara akurat dalam panen bahkan dalam lingkungan yang secara visual rumit, dengan tingkat akurasi lebih dari 85%.
Pendekatan Tictag melibatkan penggunaan kecerdasan manusia untuk memberi anotasi pada gambar tandan buah kelapa sawit secara manual, memastikan bahwa AI akan memiliki akses ke kumpulan data berkualitas tinggi untuk pelatihan. Metode ini juga menghormati kendala klien, seperti tidak dapat menggunakan solusi perangkat keras tertentu seperti kamera CCTV karena faktor lingkungan.
Apa yang Telah Dilakukan
Untuk melaksanakan proyek tersebut, Tictag mengambil langkah-langkah berikut:
- Pengumpulan Data: Tictag mengumpulkan gambar tandan buah kelapa sawit dari klien, ditransfer melalui tautan SFTP yang dilindungi kata sandi untuk memastikan kepatuhan terhadap peraturan privasi lintas batas.
- Persiapan Data: Dari gambar yang dikumpulkan, 100 gambar paling unik dipilih untuk melatih model AI. Gambar-gambar ini diberi tag secara manual oleh anotator manusia menggunakan anotasi poligonal untuk memastikan akurasi yang tepat.
- Kontrol Kualitas: Setiap gambar yang diberi tag ditinjau dengan cermat untuk mengetahui kualitasnya oleh anggota tim yang berpengalaman. Proses ini mendapatkan persetujuan klien, dengan akurasi penandaan data 100%.
- Pelatihan Model: Tictag menggunakan kumpulan data yang disetujui untuk melatih model AI, dengan tujuan awal mencapai tingkat akurasi 85% dalam membedakan tandan buah individual.
- Antarmuka Pengujian Klien: Tictag mengembangkan antarmuka pengguna (UI) yang memungkinkan klien menguji model AI dan menyempurnakan kinerjanya. Klien dapat mengunggah gambar tambahan ke UI model, yang memungkinkan pengoptimalan lebih lanjut dan peningkatan akurasi.
Apa yang Telah Dicapai
Tictag berhasil menghadirkan solusi AI dengan akurasi 85%, yang memenuhi persyaratan teknis dan tenggat waktu klien. Penerapan sistem semacam itu mengurangi upaya berulang-ulang yang melelahkan mata untuk mengidentifikasi tandan buah kelapa sawit secara individual, dan pada gilirannya memungkinkan staf operasional untuk terlibat dalam pemeriksaan sampel gambar acak yang tidak terlalu berulang dan lebih kognitif untuk memvalidasi akurasi.
Dengan mengambil rata-rata 5.000 gambar dari 50 tandan buah per gambar, per perkebunan per hari, penghematan waktu dari solusi semacam itu berjumlah sekitar 500 jam kerja untuk satu perkebunan, yang memungkinkan klien untuk meningkatkan efisiensi tenaga kerjanya sekitar 75%.
Uraian solusi Tictag di atas berfungsi sebagai dasar untuk penerapan solusi kedua dalam skala yang lebih besar untuk mencapai akurasi AI lebih lanjut sebesar 95%. Iterasi solusi ini, yang sedang berlangsung pada saat penulisan, akan diintegrasikan ke dalam ekosistem operasional klien dan diperluas ke produk lain dalam portofolio klien.