Штучний інтелект підказує фермерам, коли збирати врожай
Фермерські господарства у США та Великій Британії тестують моделі штучного інтелекту, які прогнозують дату збору врожаю з урахуванням погоди. Для ягід вікно збору може тривати лише кілька днів, тож помилка в прогнозі коштує грошей.
Чому дата збору врожаю впливає на прибуток
Okanagan Specialty Fruits вирощує яблука на понад 1250 акрах у штаті Вашингтон. Плоди йдуть на нарізані шматочки, які часто купують готелі та школи. Компанія інвестує в технології, щоб підвищити продуктивність.
Минулого року перший день збору зірвався через спеку: температура сягнула 38 °C, і працювати на відкритому повітрі стало небезпечно. Роботу зупинили о 10-й ранку.
Ціни на ягоди, зокрема полуницю та лохину, можуть різко коливатися. Якщо дату збору визначено неправильно, сезонних працівників наймають тоді, коли вони не потрібні, або ризикують пропустити найбільший прибуток.
Вам потрібно знати більше, ніж коли ваші фрукти дозріють. Скільки часу у вас є, щоб їх зібрати?
Джоел Картер (переклад)
Як системи бачать стиглість: камери, дрони і смартфони
Камери канадської компанії Vivid Machines закріплюють на тракторах. Вони знімають дерева на ходу, а ШІ розпізнає на кадрах бутони, квіти та плоди. За словами Картера, система добре знаходить дуже дрібні квіткові бутони, які важко помітити оком.
FruitCast аналізує відео з дронів, зйомку людини зі смартфоном або камеру на сільськогосподарській техніці. Модель враховує погоду й умови зрошення.
Ми робимо саме те, що могли б робити фермери, але в масштабі, якого вони не можуть досягти.
Раймонд Мартін, співзасновник і операційний директор FruitCast (переклад)
Точність прогнозів залежить від історичних даних, які вводять у систему. Загальні дані з інтернету не дадуть придатного прогнозу для конкретного господарства.
Наскільки точні прогнози FruitCast
FruitCast публікує власні показники точності. Компанія стверджує таке:
| Горизонт прогнозу | Відхилення від фактичного обсягу | Точність за заявою компанії |
|---|---|---|
| Один тиждень | до 10 % | 90 % |
| Три тижні | до 17 % | 83 % |
Компанія також гарантує похибку менше 20 %. Angus Soft Fruits, яка працювала з FruitCast, каже, що ШІ для прогнозування стиглості ще не є готовим рішенням, а галузь далека від повністю інтегрованої системи прогнозів. Driscoll's підтвердив BBC, що частина його незалежних фермерів у Великій Британії використовувала технологію FruitCast.
Дослідження: вимірювання цукру без розрізання плоду
Багато фермерів уже використовують ручні рефрактометри (brix-метри), щоб оцінити вміст цукру в плодах. Прилад вимірює, наскільки світло змінює напрямок після проходження через рідину, і так визначає кількість розчинених речовин. Деякі моделі працюють з інфрачервоним світлом, тому плід не потрібно розрізати.
Дослідниця Ясаман Гасемпур з Princeton University каже, що міліметрові хвилі проникають глибше. Її команда створила на їх основі детектор стиглості. Студенти перевіряли прилад на місцевому ринку в Нью-Джерсі, і працівники ринку вирішили, що вони роблять щось підозріле.
Що це означає для фермерів і ринку
Прогноз дає найбільшу користь там, де вікно збору коротке, як у ягід, і де помилка в даті означає втрату врожаю або зайві витрати на найм. Для яблук вікно триваліше: за словами Картера, для сорту Granny Smith воно становить три тижні.
Головний бар'єр — довіра. Фермери мають бути впевнені, що технологія працює. Частина з них не хоче передавати сторонній системі дані про добрива та план поливу. Бен Палоне з Western Growers бачить у прогнозах інструмент оптимізації, але важливі рішення щодо збору, за його оцінкою, і далі ухвалюють люди.
Примітка редакції: Точність прогнозів (90 %, 83 %, похибка менше 20 %) — самооцінка FruitCast, незалежної перевірки в джерелі немає.
Примітка редакції: Площа 1250 акрів подана в джерелі як «понад», точна цифра не вказана.
Примітка редакції: Вартість дронів «від 100 доларів» наведена з курсом £74 без уточнення моделі обладнання.
Часті питання
Як AI прогнозує дату збору врожаю?
Модель аналізує зображення дерев або рослин, які роблять камери на тракторах, дрони чи смартфон. Алгоритм розпізнає бутони, квіти й плоди, а також враховує погоду та умови поливу. Точність залежить від якості історичних даних конкретної ферми, тому прогноз має бути прив'язаний до господарства.
Наскільки точні прогнози FruitCast?
За заявою компанії, прогноз обсягу збору за тиждень відхиляється від фактичного не більше ніж на 10 %, тобто точність становить 90 %. За три тижні похибка сягає 17 %, або 83 % точності. Компанія також гарантує відхилення менше 20 %. Незалежної перевірки цих цифр у матеріалі немає.
Які культури вже прогнозують за допомогою AI?
FruitCast прогнозує врожай полуниці, малини, ожини, лохини та томатів. Наступним компанія планує винограду. Okanagan Specialty Fruits тестує систему Vivid Machines для яблук, а дослідники Princeton University розробляють детектор стиглості на міліметрових хвилях. За словами операційного директора Angus Soft Fruits, рішення ще не є завершеним.
Чи потрібне дороге обладнання для прогнозу збору?
Не обов'язково. Кевін Ван з Університету Флориди розробив інструмент для підрахунку культур за знімками дронів, які коштують від 100 доларів США (£74). Цзін Чжан з North Carolina State University рахує лохину на звичайних фото зі смартфона. Проте фермери можуть побоюватися передавати дані про добрива і полив.
Джерела
