De hulp van Amazon Web Services (AWS)

februari 28, 2020

We nemen deel aan de Autonomous Greenhouse Challenge: tomaten telen zonder de kas in te gaan. We beheren de kas via onze laptops en nemen beslissingen op basis van de realtime gegevens zoals het binnenklimaat, externe omstandigheden en weersvoorspellingen. Om dit te kunnen doen, hebben we onder andere machine learning-applicaties ontwikkeld. Deze toepassingen bepalen de teeltstrategie en vervolgens de handelingen die we moeten uitvoeren om het gewenste klimaat te bereiken.

Uitdagingen voor machine learning

Er zijn echter veel uitdagingen bij het ontwikkelen en operationaliseren van grootschalige toepassingen voor machine learning. Het inherente aan machine learning is dat gegevens voortdurend evolueren en modellen stochastisch zijn. Dit houdt in dat je van tevoren geen zekerheid hebt over wat er zal gebeuren.

Om veranderingen binnen code te beheren, maken we in software engineering gebruik van versies (denk bijvoorbeeld aan de genummerde software-updates van je smartphone). Bij machine learning zijn er geen gestandaardiseerde oplossingen om wijzigingen in code, gegevens en modelkenmerken te beheren. Dit komt grotendeels door de (on)volwassenheid van het werkveld. Er zijn veel initiatieven die dit probleem proberen op te lossen, zoals MLflow en Data Version Control (DVC). Deze hebben op hun beurt ook weer beperkingen die we niet in deze blog zullen bespreken.

AWS Project & Solutions

De afgelopen weken hielpen twee machine learning-ingenieurs van Amazon Web Services (of AWS) ons bij het oplossen van een aantal van die problemen. AWS is een cloud provider en we gebruiken hun platform om servers, databases en machine learning-modellen op te draaien. Omdat 30MHz al een aantal jaren nauw met AWS samenwerkt en zij erg enthousiast zijn over wat we doen, kregen we de kans om meer dan twee weken op ons eigen kantoor in Amsterdam samen te werken met twee van hun ingenieurs. Een ongelooflijk leerzame periode.

De doelstellingen van het project waren tweeledig:

  1. Isoleer het machine-learningproces voor elke teler / klant van 30MHz. We hebben een schaalbaar proces ontwikkeld waarmee we automatisch machine learning-modellen kunnen trainen op basis van gegevens van wel duizenden telers. Dit hele modeltrainingsproces is geïsoleerd voor elke teler. Met deze oplossing slaan we twee vliegen in één klap. Ten eerste houden we vast aan de wensen van onze klanten om hun gegevens uitsluitend voor hun eigen behoeften te gebruiken. Ze zijn immers de eigenaren van de data en beslissen daarom wat ermee gebeurt. Ten tweede ontwikkelen we op die manier teeltpatronen die specifiek zijn voor elke teler.
  2. Ontwikkel een raamwerk om machine learning op schaal te ondersteunen. Zoals weergegeven in de onderstaande afbeelding, vormt machine learning-code slechts een fractie van de gehele oplossing. Samen met AWS hebben we veel van deze componenten ontwikkeld en geautomatiseerd. Dit biedt ons een aantal voordelen. Ten eerste verbetert het de kwaliteit en betrouwbaarheid van onze machine learning-applicaties, omdat we alles nauwlettend monitoren. En ten tweede kunnen we toekomstige projecten met dit framework versnellen omdat veel van de componenten in het framework herbruikbaar zijn.

Verbeteringen en automatisering

Met hun kennis en ervaring hebben we een groot deel van onze infrastructuur voor machine learning kunnen verbeteren en automatiseren. Het resultaat is een schaalbaar en robuust raamwerk voor machine learning-toepassingen op het 30MHz platform. Heb je spannende ideeën of vereisten hebt die betrekking hebben op machine learning, neem dan gerust contact met ons op.

Hoe kunnen we je helpen bij het digitaliseren van je teeltproces?
Analyseer allerlei informatie afkomstig uit verschillende databronnen zoals klimaatcomputers, sensoren en handmatige invoer op een centrale plek. Verbeter samen met adviseurs, distributeurs en onderzoekers het productieproces van jouw gewassen, planten, zaden of bollen. We gaan graag met je in gesprek over welk servicemodel het meest geschikt is voor jouw bedrijf.

Waarom we de klantenservice hebben gewijzigd

Om onze klanten nog beter te kunnen helpen, hebben we een aantal dingen veranderd met betrekking tot onze support. Zo zijn onze accountmanagers niet meer het centrale aanspreekpunt voor vragen. We hebben online een FAQ ingericht en er staat een speciaal team klaar om vragen binnen 48 uur te beantwoorden. Hoe doen we dat? We ...
Lees meer

5 best practices voor digitale tuinbouw in 2020

In het afgelopen decennium heeft de wereld een behoorlijke digitale transformatie doorgemaakt. En deze trend zet stevig door met de toenemende innovaties in alle sectoren, waaronder de tuinbouwsector. We geloven echter dat er op het gebied van digitale tuinbouw nog veel onbenutte mogelijkheden zijn. Wat is digital tuinbouw en waar begin je? We hebben 5 ...
Lees meer

We beginnen 2020 met deze platformverbeteringen

De eerste grote ronde met updates van 2020 is een feit. We hebben op basis van jouw feedback (waarvoor hartelijk dank) het platform gebruiksvriendelijker gemaakt door een aantal dingen te verbeteren. Functionaliteiten die je waarschijnlijk in eerste instantie helemaal niet opvallen. Maar er zijn ook wat meer noemenswaardige aanpassingen. We bespreken even kort met je ...
Lees meer