AI tidak cukup hanya bekerja di dataset.
RHG Coffee AI Living Lab digunakan sebagai real-world environment untuk mengeksplorasi computer vision, multimodal AI, AI Agent, RAG, edge AI, prediction, anomaly detection, dan deployment AI dalam kondisi lapangan yang berubah secara alami.
RHG Coffee AI Living Lab
Real-World AI Test Environment
Real Field Dataset
Coffee Plantation
Rejang Lebong · Bengkulu
Area
±2.02 ha
Environment
Real Field
Primary Focus
Applied AI
AI harus tetap bekerja saat dunia nyata tidak sempurna.
Dataset bersih tidak selalu mewakili kondisi production. Field Lab memberi kesempatan untuk menguji AI terhadap variasi yang benar-benar ditemukan di lapangan.
Natural Visual Variance
Cahaya, bayangan, sudut kamera, background, blur, dan jarak berubah secara alami.
Real Biological Variation
Daun, buah, tanaman, dan kondisi biologis tidak selalu memiliki bentuk yang seragam.
Temporal Changes
Objek dan kondisi lapangan dapat diamati kembali untuk membentuk data perubahan dari waktu ke waktu.
Device Variation
Dataset dapat diuji menggunakan kamera smartphone dan perangkat dengan kualitas berbeda.
Connectivity Constraints
Cocok untuk mengevaluasi kebutuhan edge AI dan workflow yang tidak selalu bergantung pada cloud.
Real Dataset Development
Data dapat dikumpulkan, dianotasi, dievaluasi, dan digunakan untuk eksperimen model secara bertahap.
Fokus utama kami sekarang adalah Applied AI.
GIS, drone, dan sensor dapat digunakan sebagai sumber data bila dibutuhkan. Namun inti pengujiannya adalah bagaimana model AI memahami, memprediksi, beradaptasi, dan bekerja pada data dunia nyata.
Vision & Multimodal AI
Pengujian AI yang memahami gambar dan teks secara bersamaan untuk diagnosis visual, inspection, object recognition, dan visual question answering.
AI Agent & Tool Use
AI Agent yang dapat membaca data lapangan, mengambil informasi dari database, memanggil API, dan membantu menentukan tindakan berikutnya.
RAG & Knowledge AI
AI berbasis knowledge yang menggabungkan dokumentasi, SOP, hasil observasi, database, dan pengetahuan domain untuk jawaban yang lebih terarah.
Edge & Offline AI
Pengujian model AI pada perangkat lokal seperti smartphone atau edge device agar inference tetap berjalan saat koneksi internet terbatas.
Prediction & Time-Series AI
Pengembangan model untuk membaca pola historis, perubahan lingkungan, data sensor, dan observasi berkala untuk forecasting.
Anomaly Detection
AI untuk menemukan kondisi tidak normal pada tanaman, sensor, lingkungan, pola pertumbuhan, atau data operasional.
Few-Shot & Zero-Shot AI
Eksperimen agar model dapat mengenali kategori atau kondisi baru dengan data training yang lebih sedikit.
AI Reliability Testing
Pengujian robustness terhadap cahaya, cuaca, blur, sudut kamera, background, perangkat, dan kondisi lapangan yang berubah.
Agriculture Computer Vision
Deteksi penyakit, kondisi daun, kematangan buah, jumlah objek, kesehatan tanaman, dan perubahan visual menggunakan kamera.
Contoh eksperimen yang dapat dikembangkan di Lab.
Experiment di bawah merupakan research concept, bukan klaim bahwa seluruh sistem sudah aktif. Setiap eksperimen dapat dikembangkan bertahap berdasarkan dataset, perangkat, dan kebutuhan partner.
Research Stage
Concept · Data Collection · Prototype · Evaluation
Coffee Disease Vision AI
Model computer vision untuk mendeteksi indikasi penyakit atau kondisi abnormal pada daun dan tanaman kopi dari foto lapangan.
Coffee Vision-Language Assistant
Pengguna mengunggah foto tanaman lalu bertanya dalam bahasa alami mengenai kondisi visual yang terlihat pada gambar.
AI Field Agent
AI Agent yang menggabungkan hasil inspeksi, foto, catatan, database, dan data lain untuk membantu menentukan area yang perlu diperiksa.
Knowledge-Grounded Diagnosis
Menggabungkan hasil computer vision dengan RAG agar jawaban AI dapat menggunakan knowledge base dan dokumentasi yang relevan.
Edge AI Offline Detection
Pengujian model vision pada smartphone atau edge device untuk melihat performa inference tanpa ketergantungan koneksi cloud.
Coffee Fruit Detection & Counting
Computer vision untuk mendeteksi dan menghitung buah kopi pada citra sebagai dasar eksplorasi estimasi produksi.
Ripeness Classification
Eksperimen klasifikasi visual tingkat kematangan buah kopi menggunakan citra dari kondisi lapangan nyata.
Plant Anomaly Detection
Model yang belajar mengenali kondisi normal kemudian menandai visual tanaman yang berbeda atau membutuhkan pemeriksaan.
AI Yield Prediction
Eksplorasi prediksi hasil menggunakan kombinasi observasi tanaman, histori, jumlah buah, kondisi lingkungan, dan data periodik.
Environmental Anomaly AI
AI untuk mengenali perubahan tidak biasa dari data lingkungan apabila sensor lapangan mulai digunakan.
Few-Shot Disease Adaptation
Pengujian kemampuan model beradaptasi terhadap kondisi atau kelas baru dengan jumlah contoh lokal yang terbatas.
Real-World Model Robustness
Menguji bagaimana performa AI berubah akibat cahaya, hujan, blur, bayangan, jarak, perangkat kamera, dan background berbeda.
Tidak hanya mengejar accuracy.
Model yang bagus di benchmark belum tentu siap digunakan. Pengujian diarahkan pada kualitas model sekaligus kesiapan deployment.
Accuracy
Apakah prediksi AI benar pada data yang benar-benar berasal dari lapangan?
Robustness
Apakah performa tetap stabil ketika kondisi gambar dan lingkungan berubah?
Latency
Berapa cepat model memberikan inference pada cloud, smartphone, atau edge device?
Data Efficiency
Berapa banyak data lokal yang diperlukan sebelum model memberikan hasil yang berguna?
Grounding
Apakah jawaban generative AI dapat didukung oleh knowledge dan data yang tersedia?
Operational Value
Apakah hasil AI menghasilkan insight atau workflow yang benar-benar dapat digunakan?
Dari kondisi nyata menjadi AI yang dapat diuji.
Capture
Image · Video · Observation
Dataset
Store · Label · Version
Model
Train · Adapt · Evaluate
Deploy
Cloud · Mobile · Edge
Agent
Reason · Retrieve · Act
Dataset Development
Local data menjadi aset R&D.
Field AI Agent.
Tujuannya bukan hanya membuat model yang memberikan label. AI dapat dikembangkan menjadi agent yang membaca berbagai sumber data dan membantu pengguna memahami apa yang terjadi di lapangan.
RHG Field AI
Concept interface
AI Research Collaboration
Butuh environment nyata untuk menguji AI?
RHG terbuka untuk pembahasan pilot project dengan perusahaan, startup AI, agritech, universitas, researcher, vendor hardware, maupun tim R&D yang membutuhkan data atau environment lapangan untuk pengembangan dan evaluasi teknologi.
RHG Applied AI Field Lab
Coffee AI Living Lab · Rejang Lebong, Bengkulu