Mesterséges intelligencia segíti a gazdákat a betakarítás időzítésében

A betakarítás megfelelő pillanatának kiválasztása gyakran sorsdöntő jelentőségű a mezőgazdaságban, ahogy arról a BBC beszámolt. Amikor tavaly Washington államban elérkezett az alma betakarításának első napja, a gyümölcs érett volt, a szedők pedig készen álltak, ám az időjárás közbeszólt. „38 Celsius-fok volt, ami nem biztonságos az emberek számára ilyen hőségben” – emlékszik vissza Joel Carter, az Okanagan Specialty Fruits munkatársa. A cégnek 10 órakor le kellett állítania a munkát, ami rávilágított arra, hogy a mesterséges intelligencia (AI) által vezérelt előrejelző modellek mennyire hasznosak lehetnek a gazdálkodók számára, különösen akkor, ha a munkaidő-ablakok szűkek.

Carter szerint a gazdáknak nemcsak azt kell tudniuk, mikor érik be a gyümölcs, hanem azt is, mennyi idejük van a betakarításra. Az Okanagan Specialty Fruits több mint 1250 hektárnyi (kb. 506 hektár) almaültetvénnyel rendelkezik, ahol a termést szeletelt formában értékesítik iskoláknak és szállodáknak. A vállalat folyamatosan fektet be technológiákba a hatékonyság növelése érdekében, még a genetikailag módosított almafajták esetében is, amelyek lassabban barnulnak. A tervezés azonban rendkívül bonyolult feladat.

Az új eszközök, amelyek képesek megszámolni és elemezni a fán vagy szőlőtőkén lévő termést, illetve megjósolni az érés idejét, egyre elterjedtebbek. Ez különösen fontos a magas értékű bogyós gyümölcsök, például az eper vagy az áfonya esetében, ahol az árak jelentősen ingadozhatnak. A rossz időzítés azt eredményezheti, hogy a gazdák feleslegesen alkalmaznak szezonális munkaerőt, vagy lemaradnak a legnagyobb profitról, ami komoly pénzügyi veszteséget jelenthet.

Az Okanagan Specialty Fruits már kísérletezik a Vivid Machines kanadai cég kameráival, amelyeket traktorokra szerelnek. A járművek mozgása közben a rendszer képeket rögzít, az AI pedig azonosítja a rügyeket, virágokat és a gyümölcsöket. Carter szerint a rendszer még az apró virágrügyeket is kiválóan felismeri, amelyeket szabad szemmel nehéz észrevenni. Ugyanakkor hangsúlyozza, hogy az előrejelzések pontossága nagyban függ a rendszerbe táplált történelmi adatok minőségétől, mivel minden farm egyedi adottságokkal rendelkezik, és az AI nem tudja csupán az internetes adatokból kitalálni egy adott ültetvény hozamát.

Míg az alma esetében a betakarítási ablak akár három hétig is tarthat, a bogyós gyümölcsöknél ez sokkal rövidebb. Raymond Martin, a brit FruitCast társalapítója szerint, ha az epertermés beérik, azonnal szüretelni kell, különben a teljes termés gyorsan megbetegedhet. A cégük drónok, okostelefonok vagy járműre szerelt kamerák felvételeit elemzi, hogy nagyüzemi szinten nyújtson előrejelzéseket eperre, málnára, szederre, áfonyára és paradicsomra, jövőre pedig már a szőlőre is.

Martin szerint bár a tapasztalt gazdák általában tisztában vannak az érési folyamatokkal, a hatalmas, több hektáros területeken, ahol beltéri és kültéri termesztés is folyik, nehéz átlátni a teljes képet. A FruitCast rendszere pontosan ezt a léptéket hidalja át. Az idei év különösen kihívást jelentett a forró időjárás és a súlyos aszály miatt, amely sok gyümölcsnövényt termikus nyugalmi állapotba kényszerített, ezzel lassítva a termelést.

A FruitCast modellje figyelembe veszi az időjárási és öntözési körülményeket is. A vállalat állítása szerint előrejelzéseik egy héttel a szüret előtt 90%-os pontossággal, három héttel előtte pedig 83%-os pontossággal találják el a ténylegesen leszedett mennyiséget. A cég kevesebb mint 20%-os hibahatárt garantál. Az Angus Soft Fruits az egyik olyan vállalat, amely már együttműködött a FruitCast csapatával.

Neill Finlayson, az Angus Soft Fruits operatív igazgatója ugyanakkor óvatosságra int: szerinte az AI-alapú érettség-előrejelzés még nem tekinthető „kész megoldásnak”. Úgy véli, bár jelentős előrelépés történt, az iparág még messze van attól, hogy egy teljesen integrált előrejelző ökoszisztémát hozzon létre. A kaliforniai központú, de az Egyesült Királyságban is jelentős tevékenységet folytató Driscoll’s szintén megerősítette, hogy egyes független termelőik már tesztelték a technológiát.

A kutatók eközben új módszereket keresnek a gyümölcsök részletes elemzésére. Jelenleg sok gazda használ kézi brix-mérőket a cukortartalom mérésére, amelyek a fény törésmutatója alapján dolgoznak. Yasaman Ghasempour, a Princeton Egyetem kutatója azonban milliméteres hullámhosszú rádióhullámokat használó érettségérzékelőt fejlesztett ki. Ezek a hullámok mélyebben behatolnak a gyümölcsbe, és kiválóan reagálnak a nedvességtartalomra, valamint a cukorszintre.

Ghasempour és csapata egy olyan detektort alkotott, amelyet akár a gazdák, akár a vásárlók is használhatnának a boltban a tökéletesen érett gyümölcs kiválasztására. Amikor a diákok egy New Jersey-i piacon tesztelték a készüléket, a személyzet eleinte gyanakodva figyelte őket, azt gondolva, hogy valami gyanús dolog történik. A technológia azonban a jövőben segíthet a betakarítási időpontok pontosabb meghatározásában is.

Jing Zhang, az Észak-Karolinai Állami Egyetem kutatója szerint a technológia értékét a gyakorlatban kell bizonyítani, mivel a gazdák számára az újítások bevezetése bonyolult folyamat. A termelőknek meg kell bízniuk a kutatási eredményekben ahhoz, hogy beruházzanak rájuk. Zhang jelenleg egy olyan rendszeren dolgozik, amely okostelefonos képek alapján automatikusan megszámolja az áfonyabokrokon lévő termést.

A legegyszerűbb rendszerek nem feltétlenül drágák. Kevin Wang, a Floridai Egyetem munkatársa egy olyan eszközt fejlesztett ki, amely 100 dollár (kb. 37 000 forint) értékű drónokról származó képeket dolgoz fel. A jövőben ezek az adatok közvetlenül táplálhatják az érési előrejelzéseket. Ugyanakkor Wang rámutat arra, hogy a gazdák tartózkodóak lehetnek a kereskedelmi szempontból érzékeny adatok, például a trágyázási vagy öntözési stratégiák megosztásával kapcsolatban.

Ben Palone, a Western Growers szövetség automatizálási és kereskedelmi igazgatója úgy véli, bár az előrejelzések hasznos optimalizációs eszközök, a gazdák továbbra is az emberi döntéshozatalra támaszkodnak. A kritikus betakarítási döntéseknél a tapasztalt szakemberek jelenléte továbbra is nélkülözhetetlen marad, még a legfejlettebb mesterséges intelligencia rendszerek mellett is. A technológia tehát inkább kiegészíti, mintsem helyettesíti a gazdák szakértelmét.

Összességében a mezőgazdasági technológia fejlődése egyértelműen a precíziós gazdálkodás irányába mutat. A klímaváltozás okozta kiszámíthatatlan időjárási körülmények között az AI-alapú modellek segíthetnek a termelőknek abban, hogy minimalizálják a veszteségeket és maximalizálják a hozamot. A szakértők szerint a következő években a hangsúly az integráción és a bizalomépítésen lesz, hogy a gazdák bátrabban alkalmazzák ezeket az innovatív megoldásokat a mindennapi munkájuk során.