Штучний інтелект та Big Data підвищують урожай виноградників

А чи можливо якимось чином мінімізувати негативний вплив слабопрогнозованих природних явищ на врожай сільськогосподарських культур? Оптимізувати використання ресурсів? Запитання здавалося б банальні. Тільки вирішуються вони зараз на зовсім іншому технологічному рівні.
Сьогодні ми говоритимемо про високі технології при вирощуванні винограду в Каліфорнії. Періоди спеки, із супутньою посухою в один період року і заморозки - в інший, все це призводить до того, що прогнозувати, скільки зібрати винограду звичайно можна, ґрунтуючись на статистиці минулих років та прогнозах погоди, але все ж таки це грубі застарілі інструменти.

Як так ? Це розуміння приходить тільки після того, як ми ознайомимося з технологіями штучного інтелекту в агровиробництві, що застосовуються компанією Глорією Феррер для відстеження зростання, оптимізації використання води для поливу та прогнозування врожайності на 300 акрах виноградників у окрузі Сонома (штат Каліфорнія). Це виноробний регіон Карнерос.

Як штучний інтелект допомагає у сільському господарстві

За словами менеджера компанії Курца, він просто в захваті від можливостей, що відкриваються. Точніше це не майбутнє, а вже апробована реальність, яка є доступною при використанні ШІ в сільському господарстві. Найбільш просунуті, навчені досвідом агроспостережень і висококваліфіковані експерти не здатні досягти такого високого ступеня деталізації.

Як це працює

ІІ поєднує комп'ютерне навчання (тренування нейронної мережі) на основі збору та обробки великих наборів даних. Сама ідея не нова і може використовуватися від розпізнавання вашої особи в смартфоні до відомого чат-бота GPT-3 і генерації реалістичних зображень неіснуючих особистостей. Gloria Ferrer Caves and Vineyards використовує поєднання різних технологій штучного інтелекту, що дозволяє створити алгоритм, заснований на тисячах зображень окремих лоз, знятих камерою високої роздільної здатності, яка регулярно переміщається виноградником.

Цей алгоритм допоможе виноробу визначити майбутній урожай винограду.

1. Камера розміром кріпиться до передньої частини авто.
2. Пристрій робить тисячі знімків кожної рослини, що дозволяє зберігати її цифровий образ у базі !

А ось інша думка - від генерального директора компанії Tule Technology Тома Шапланда, яка спеціалізується на передових технологіях інноваційного зрошення: "можна сказати, що ШІ це комп'ютерна система, яка робить теж що й люди, тільки набагато швидше і точніше, оскільки оперує колосальними масивами даних ".

Проблеми та рішення

Як було раніше? Тільки чомусь було. У багатьох виробників і зараз так, по-старому... Агрономи на виноградниках традиційно покладалися на хронологію (порівнювали дані минулих років), щоб стежити за здоров'ям лози та потенційною врожайністю.
Але навіть найретельніші та скрупульозніші фахівці на виноградниках не можуть отримати репрезентативну вибірку, настільки детальну, щоб оцінити кінцеву врожайність із мінімальною похибкою.

Вже зазначений нами Курц додав, що "найкращі у світі оцінювачі врожаю», які виконують свої оцінки вручну, мають помилку близько 20% до того, як посіви зацвітуть".

20% це багато ! Така похибка може "з'їсти" весь прибуток, якщо він становить меншу цифру.

Далі він продовжував: «Наразі ми підписуємо договори про те, якою буде наша врожайність під час збирання врожаю», — сказав Курц, проходячи через стрункі рядки винограду сорту шардоне. "І нам дуже важливо отримати достовірний результат. Це наші гроші."

Урожайність виноградника важлива у процесі виноробства. Як і в рецепті пирога, співвідношення винограду має бути правильним, щоб створити бажаний смак вина.
Якщо потрібно 1000 тонн винограду для вин, які можна продавати, а оцінка покаже, що прогнозується врожай 850 тонн, тобто є нестача 150 тонн, потрібно вирішувати проблему заздалегідь.

Вище ми писали, що в пам'яті зберігається цифровий зліпок кожної лози (кожного листочка та вигину!). Але як цього можна досягти ?

• Камера робить дуже детальне зображення на рівні пікселів;
• Система шукає ті ж візерунки та особливості, як і люди, коли оглядають лозу;
• Оцінюється розмір, колір, кількість грон, листя, вусики, пагони.

Наведемо приклад. Виявлено лозу, яка зіпсована шкідниками. Це показала чергова відеозйомка. Пошкоджені рослини знизять врожай, що прогнозується, і "штучний розум" все це врахує і оновить свій прогноз.

Достатньо лише звернутися до додатку на своєму смартфоні.

Однак моніторинг урожайності — це лише мала частина того, що технологія, що описується, привнесе в сільське господарство.

Посуха та випаровування

Для вимірювання того, наскільки міцно виноградна лоза тримає воду, зазвичай застосовується таке обладнання як барокамера для виноградного листа. Це дозволяє дізнатися, про те, наскільки лоза піддається стресу, що є критичним показником для забезпечення якості винограду.
Технічно це робиться так. Береться лист із виноградної лози, загортається в поліетиленовий пакет і прикладається до нього тиск у резервуарі за допомогою азоту. При досягненні певного тиску повітря, лист виділяє воду, тим самим даючи показання, які говорять про те, наскільки рослина знаходиться в стресовому стані.
Оцінка залишається за людиною. Яку треба довго вивчати. Мине багато часу, щоб досягти цього специфічного виду експертності. І все одно неминучі помилки.

Основна мета дослідження – відповісти на 2 питання:

• з'ясувати наскільки рослини потребують вологи;
• чи потрібно включати полив і на скільки.

Використання ШІ дозволить більш точно прогнозувати, як рослини реагуватимуть на різні рівні води, використовуючи прогностичні моделі. Ми вже писали про тренди у розвитку лабораторного обладнання на перспективу. Ось ще один в "інноваційну скарбничку".

А це по-перше, водне харчування рослин, а по-друге, оптимальне використання водних ресурсів. Ну і, звичайно, витрати. Оскільки це витрати, що лягають на собівартість.

Як було раніше? Починаючи з травня фермери включали воду і лилася вона по 8 годин на день... А на фермі, що розглядається нами, не так. Розумний контроль за витратою води це конкурентоспроможність та додатковий прибуток !