PestCast
A PestCast egy SaaS termék amelynek segítségével előre lehet jelezni a különböző kártevők megjelenését
Összefoglaló
Az ügyfelünk az amerikai Virginia állam egy legnagyobb parkgondozó vállalata. A személyi kiadások mellett, a legnagyobb költségüket a kártevőírtásra használt vegyszerek jelentették.
Az egyik módja ennek a költségnek a csökkentésére a vegyszerek célzottabb alkalmazása. Ez gyakorlatban annyit jelent, hogy a kártevőírtó szereket rövidebb ideig, ugyanolyan hatékonysággal használják. Ügyfelünk azzal keresett meg minket, hogy egy olyan megoldást fejlesszünk, ami technológia segítségével lerövidíti a kártevőírtási ablakot.
Hogyan oldottuk meg a problémát
Gépi tanulással a kártevők ellen
ProblémaMivel nem rendelkeztünk szakági ismeretekkel, nem tudtuk, hogy egyáltalán mitől függ az, hogy mikor jelenik meg egy-egy kártevő. Ezért azzal kezdtük, hogy az ügyfél szakértő munkatársait interjúztattuk. Így tudtuk meg, hogy szoros összefüggés van a kartevők megjelenése és a megjelenés előtti hetek időjárása között.
MegoldásRendelkeztünk egy adatbázissal, ami dokumentálta visszamenőleg ötven évre, hogy különböző földrajzi tájegységeket mikor jelentek meg a különböző kártevő. Ezt az adatbázist és historikus meteorológiai adatokat felhasználva betanítottunk egy gépi tanulás algoritmust, hogy előre jelezze a csapadék, illetve az átlag- és csúcshőmérsékletek alapján, hogy az idén mikor várható egy-egy kártevő megjelenése.
Az algorimus finomítása
ProblémaAz eredmények biztatóak voltak, azonban csupán egy külső adatbázisra hagyatkozva nem értük el az elvárt pontosságot. A vegyszerezési intervallum továbbra is túl tág volt. Ezért elkezdtünk ötletelni arról, hogy hogyan tudunk több adathoz jutni.
MegoldásWe realised that we could turn the app into a SaaS product. This would mean more people started using it, which we could turn into an advantage by allowing users to report pest occurrences. The faster the SaaS product scales, the more accurate our ML algorithm becomes.
Ezen a ponton tudatosult bennünk, hogy az applikációt átalakíthatnánk egy SaaS termékké. Ez azt jelentené, hogy több ember használja majd, akik az extra adatokat biztosítani tudnák nekünk. Így minél gyorsabban skálázódott a SaaS termék, annál pontosabb lett a gépi tanulás algoritmus.
Galéria megnyitása
Közelgő kártevők
A gépi tanulás algoritmus mint lokáció meghatározza, hogy melyik kártevők fognak valószínűsíthetően megjelenni a következő időszakban.
Kártevő megjelenésének rögzítése
Sajnos az algoritmus nem 100% pontos és időnként előfordulhat, hogy hamarabb megjelenik egy kártevő. Ilyen esetekben arra ösztönözzük a felhasználókat, hogy ezt jelentség be az applikáció segítségével. Ezek az adatok segítenek abban, hogy az algoritmust tovább finomhangoljuk és jobb eredményeket adjunk a jövőben.
Kártevő információs oldal
A központi funkciókon kívül, az applikáció tudásbázisként is működik, segítve a felhasználókat, hogy azonosítsák és megfékezzék a kártevők elszaporodását.