Фото: із відкритих джерел
У господарстві Ryvers Aardbeien (провінція Антверпен, Бельгія) прогноз збору полуниці формують на основі коротких відео зі смартфона. Платформа Fruit Forecast поєднує розпізнавання стадій розвитку рослин із температурними та іншими даними, щоб одразу видати прогноз на чотири тижні.
Про це повідомляє сайт Аграрії разом з посиланням на Freshplaza.
У тепличному господарстві Ryvers Aardbeien у місті Мер (провінція Антверпен, Бельгія) прогнозування збору полуниці перевели у формат коротких відео зі смартфона. Виробник використовує програмне забезпечення Fruit Forecast із весни, щоб точніше планувати виробництво та узгоджувати збір, потребу в робочій силі й продажі.
Для формування прогнозу працівники знімають приблизно хвилинний ролик у додатку: спочатку 25 рослин у рядку з одного боку (щоб були добре видимі квіти та плоди), потім ще 25 рослин з іншого боку. Цього обсягу відео, за описом у матеріалі, достатньо для отримання на платформі надійного прогнозу.
Ryvers постачає продукцію до Coöperatie Hoogstraten і є одним із виробників у Бельгії та за її межами, які працюють із Fruit Forecast. На екрані прогноз відображається з горизонтом до чотирьох тижнів уперед: у прикладі з господарства зазначено, що в перший тиждень виробництво ще обмежене, а далі обсяги з «підсвічуваної» культури зростають тиждень за тижнем упродовж листопада.
Як працює прогнозування
Платформа може формувати прогноз окремо за сортами. У Ryvers вирощують шість сортів і будують прогноз по кожному сорту та по кожній теплиці. Рішення, як зазначено, застосовують як для сортів короткого дня (June-bearing), так і для ремонтантних (everbearing), у скляних теплицях і в тунелях.
Додаткового обладнання не потрібно: відео знімають на смартфон у застосунку, після чого завантажують на платформу. Далі модель ШІ розпізнає стадію росту та розвиток культури й поєднує ці результати з growing degree hours та іншими даними — зокрема прогнозами погоди, даними про сорт і масу плоду — щоб одразу сформувати чотиритижневий прогноз. У матеріалі також зазначено, що моделі навчали на великих масивах даних із виробництва полуниці, зібраних протягом кількох років.
Планування збору та потреби в працівниках
Окремий акцент — на плануванні робочої сили. За словами учасників проєкту, точніше розуміння моментів пікової віддачі дає змогу заздалегідь оцінити, скільки людей потрібно на збирання.
У платформу також додали «календар збирачів» (picker calendar), яким, як зазначено, вже користуються окремі виробники. Інструмент прогнозує, скільки збирачів потрібно щодня для кожного поля. Якщо виробник вирішує розтягнути збір на два дні, це можна змінити в системі — і прогноз оновлюється відповідно.
Зворотний зв’язок із господарств і точність
У матеріалі описано, що на практиці режим selfie виявився зручнішим через обмежений простір між рядами: людина, яка знімає, одразу бачить, що потрапляє в кадр. Інструкції зі зйомки та роботи з платформою оформлені у вигляді окремих посібників.
Дані про фактичний збір можна вносити вручну або передавати автоматично з інших систем через API — зазначається, що кілька виробників уже використовують таке підключення.
Розробники також відзначають, що точність моделі зростає зі збільшенням масиву даних від господарств. У матеріалі наведено типові відхилення прогнозу: близько 10% на тиждень уперед, 20% — на два тижні та 30% — на три тижні.
Окремо згадується, що під час послідовних хвиль спеки влітку виробники помічали зростання точності прогнозів, оскільки програмне забезпечення швидко «навчалося» враховувати вплив екстремальних умов на культуру.
Для виробників, які працюють із підсвічуванням у теплицях, прогнозування обсягів має додаткову вагу через високу вартість такого вирощування: у матеріалі підкреслюється важливість розуміння, скільки кілограмів удасться зібрати. Також наведено приклад запиту від одного з виробників — чи є сенс залишати квіти на рослинах наприкінці циклу та чи встигне сформуватися врожай; у цьому випадку, за описом, за допомогою інструмента визначили потрібну середню температуру за 24 години, щоб це було можливим.
