Γενική δομή του συστήματος
- Λογισμικό ανάπτυξης μοντέλου μηχανικής εκμάθησης για την αναγνώριση ποικιλίας ελαίας
- Υποστηρικτική υπηρεσία νέφους
- Διακομιστής επεξεργασίας των φωτογραφιών των ποικιλιών προς αναγνώριση και εξαγωγή μορφολογικών στοιχείων (ΜΑΙΧ)
- Εφαρμογή για έξυπνες φορητές συσκευές
Λογισμικό ανάπτυξης μοντέλου μηχανικής εκμάθησης για την αναγνώριση ποικιλίας ελαίας
Το λογισμικό για το μοντέλο βασίζεται σε δεδομένα που έχουν συλλεχθεί από το ΜΑΙΧ, χρησιμοποιεί 20 διαφορετικά χαρακτηριστικά της ελαίας και μπορεί να αναγνωρίσει 25 διαφορετικές ποικιλίες. Η υλοποίηση έχει γίνει με τη χρήση του περιβάλλοντος ανάπτυξης μοντέλων μηχανικής εκμάθησης Keras, ενώ το τελικό μοντέλο εξάγεται σε μορφή tflite για να μπορεί να χρησιμοποιηθεί από φορητές συσκευές.
Υποστηρικτική υπηρεσία νέφους
Οι serverless υπηρεσίες νέφους έχουν αρχίσει να διαδίδονται πολύ τα τελευταία χρόνια. Όπως φαίνεται και στην παραπάνω εικόνα, βασίζονται στην ιδέα πως ο χρήστης δεν χρησιμοποιεί κάποιο συγκεκριμένο απομακρυσμένο υπολογιστή ή εικονικό μηχάνημα (virtual machine – VM) για να εκτελέσει μια εργασία. Αντίθετα, μπορεί να επικεντρώνεται στην ανάπτυξη λογισμικού, δόμηση μιας βάσης δεδομένων, αποθήκευση αρχείων, εκτέλεση / ανάπτυξη εφαρμογών, ενώ ο υπολογιστής για την εκτέλεση αυτών αποφασίζεται από τον πάροχο της υπηρεσίας.
Το πλεονέκτημα των serverless υπηρεσιών είναι πως ο χρήστης δεν ασχολείται με τη συντήρηση του λογισμικού που είναι εγκατεστημένο στον απομακρυσμένο υπολογιστή, όπως για παράδειγμα ενημερώσεις ασφαλείας του λειτουργικού συστήματος, και ενημερώσεις βιβλιοθηκών λογισμικού, μια διαδικασία που είναι χρονοβόρα και πολλές φορές μπορεί να οδηγήσει σε προβλήματα (πχ ασυμβατότητα μεταξύ λογισμικού).
Η υποστηρικτική πλατφόρμα της εφαρμογής έχει υλοποιηθεί στην υπηρεσία νέφους Firebase της Google, η οποία επιτρέπει τη γρήγορη και ασφαλή σύνδεση με εφαρμογές που εκτελούνται σε φορητές συσκευές. Η πλατφόρμα αυτή περιλαμβάνει λειτουργικότητες που υποστηρίζουν την εφαρμογή ΕΛΑΙΩΝ, όπως σύνδεση χρηστών, αποθήκευση προγενέστερων αναγνωρίσεων ποικιλίας ελαίας, καθώς και αποθήκευση μοντέλων εκμάθησης.
Εφαρμογή για έξυπνες φορητές συσκευές
Στα πλαίσια του έργου ΕΛΑΙΩΝ αναπτύχθηκε η εφαρμογή με το όνομα Eliapp*, που επιτρέπει την αναγνώριση ποικιλιών ελαίας με τη χρήση φορητών συσκευών. Η Eliapp χρησιμοποιεί την κάμερα της φορητής συσκευής για να στείλει μια φωτογραφία του καρπού στο λογισμικό που έχει αναπτυχθεί από το ΜΑΙΧ, προκειμένου να γίνει η αναγνώριση των μορφολογικών του στοιχείων. Τα αποτελέσματα επιστρέφονται στην εφαρμογή, η ο οποία τα τροφοδοτεί στο μοντέλο μηχανικής εκμάθησης για να αναγνωρίσει την ποικιλία της φωτογραφίας.
Το μοντέλο εκμάθησης μπορεί να αναγνωρίσει μέχρι και 25 ποικιλίες. Η εφαρμογή έχει υλοποιηθεί με το περιβάλλον Flutter της Google, το οποίο επιτρέπει την υποστήριξη συσκευών Android και iOS με το ίδιο λογισμικό. Παράλληλα, η Eliapp συνδέεται με την serverless υπηρεσία Firebase, προκειμένου να υποστηρίζει την εγγραφή και σύνδεση χρηστών, αποθήκευση δεδομένων, καθώς και επιλογή του μοντέλου μηχανικής εκμάθησης που θα χρησιμοποιείται
*Η εφαρμογή δημοσιεύτηκε, με τίτλο Dimitris Theodoropoulos, Konstantinos Blazakis, Dionisios Pnevmatikatos and Panagiotis Kalaitzis, ” ELAION: ML-based System For Olive Classification With Edge Devices” στο συνέδριο International Conference on Embedded Computer Systems: Architectures, Modeling and Simulation (SAMOS) 2023.