OneSoil为农民开发了免费的应用程序，这些应用程序在全球180多个国家中使用。在我们的工作中，我们使用大数据和机器学习，而对我们的另一项追求是找到地面真实数据。这是我们解决这项艰巨任务的方法。
为什么选择OneSoil机器学习？为了确定田间，作物，物候阶段，产量，播种日期和收获日期的边界，使用卫星图像。所有这些都已经在OneSoil应用程序中，或者将在不久的将来出现在其中。
让我们看一下使用卫星图像确定场边界的示例。对于农民来说，划定田野界限是数字化农场的第一步。这是没有其他应用程序工作的基石。而且任务并不是那么简单：以前，农民解决了这个问题，原因是他们带着ATV上的GPS追踪器到田间旅行，与正射影像图打交道，总之，这既昂贵又漫长。另一方面，OneSoil学会了使用卫星图像识别区域边界的方法：打开应用程序，按“添加区域”按钮，在地图上选择具有识别区域的自己的区域-就是这样。
我们是怎么做的？最初，我们只有白俄罗斯和波罗的海少数农场的数据，使用这些机器学习算法可以学习预测田间边界。它的工作方式是这样的：对于每个真实领域（由于农场而我们知道的边界），我们计算了与算法预测的边界一致的区域。如果该算法圈出了多余的部分，那么它会收到罚款。于是他学习了。该指标称为交集交集，它可以取0到1之间的值，其中1是完美匹配。在我国，该指标因地区而异，但平均为0.85-0.88。
然后，我们开始向神经网络展示数百万张农田的图像，以便它学习如何确定田野在哪里和在哪里。该算法需要花费很长时间来学习，我们会仔细研究结果并对其进行多次改进，直到确定特定区域的场边界的准确性提高为止。我们如何理解准确性已经提高？同样，我们将计算结果与现场的实际数据进行比较。现在有57个我们擅长定义领域边界的国家。
当我们自信地确定田地时，例如在乌克兰，这并不意味着一切都将在巴西的某个地方工作-毕竟，它们都有自己的田地和自己的农业特色。因此，我们再次需要真实数据来完善和改进我们的算法。
. , . ? .
OneSoil , , , . — R&D .
, . . (, ), , . , . , , . , . , . OneSoil , .
133 | 2,8 — , OneSoil. 2020 .
R&D , , . .
OneSoil Map 2018 (Guido Lemoine), Joint Research Center (JRC). (ESA) Data Science . « , - , — . — , ». R&D , JRC .
OneSoil — . , , . , , .
4 7 . , , — R&D. 2–3 . — . « 2020 100 » — .
2018 CEO . , . , : « ». .
, . . 50 , OneSoil .
392 | 126 — ground truth . 2020 .
当我们从开源和不同合作伙伴那里获得大量数据时，我们将改进已经在OneSoil应用程序中使用的算法（或将在不久的将来使用）。当我们从用户那里获得大量数据时，我们将再次提高计算的准确性。这就是数据和技术相互配合的方式。