Οι ερευνητές εισάγουν το εργαλείο AI για να βοηθήσουν τους ελαιοκαλλιεργητές να προβλέψουν το χρόνο συγκομιδής

Περίληψη

Η Επιχειρησιακή Ομάδα Predic 1 ανέπτυξε με επιτυχία μια πλατφόρμα για την πρόβλεψη της συγκομιδής ελιάς έως και μια ολόκληρη σεζόν εκ των προτέρων με ακρίβεια έως και 90%, χρησιμοποιώντας μεθοδολογίες εξόρυξης δεδομένων και αλγόριθμους μηχανικής μάθησης. Το έργο, που χρηματοδοτείται από ευρωπαϊκά γεωργικά ταμεία, στοχεύει στην παροχή μιας δωρεάν διαθέσιμης διαδικτυακής εφαρμογής για τη βελτίωση της διαχείρισης των εκμεταλλεύσεων και τη βελτιστοποίηση των πόρων στον ελαιοκομικό τομέα, με τη δυνατότητα ενίσχυσης της λήψης αποφάσεων και της βιωσιμότητας στον κλάδο.

Μετά από περισσότερα από τρία χρόνια ανάπτυξης, τα αποτελέσματα της εργασίας της Επιχειρησιακής Ομάδας Predic 1 παρουσιάστηκαν τον περασμένο μήνα σε συνέδριο στο Mengíbar, Jaén.

Η αποστολή της ομάδας ήταν να παραδώσει μια πλατφόρμα ικανή πρόβλεψη ελαιοκομίας μια ολόκληρη σεζόν εκ των προτέρων, έναν στόχο που είπαν ότι πέτυχαν με ακρίβεια έως και 90%.

Η εργασία πραγματοποιήθηκε από μια κοινοπραξία που αποτελείται από το Πανεπιστήμιο της Jaén, το Cetemet, τη Citoliva, την Cooperativas Agro-alimentarias de Andalucía, μια ένωση αγροτών και τη Nutesca, χρησιμοποιώντας παραδοσιακούς ελαιώνες Picual στη Jaén, την Κόρδοβα και τη Γρανάδα ως δοκιμαστικές περιπτώσεις.

Σύμφωνα με τη Μαρία Ιζαμπέλ Ράμος, καθηγήτρια στο Τμήμα Χαρτογραφικής, Γεωδαιτικής και Φωτογραμμετρικής Μηχανικής του Πανεπιστημίου της Χαέν και αντίστοιχη συγγραφέας του 2022 μελέτη σχετικά με την τεχνολογία, τα συστήματα πρόβλεψης είναι ζωτικής σημασίας για το μέλλον του ελαιοκομικού τομέα.

"Σε επιστημονικό επίπεδο, η πρόβλεψη της συγκομιδής των καλλιεργειών είναι ένα από τα πιο περίπλοκα προβλήματα στη γεωργία ακριβείας», είπε. ​"Υπάρχουν αρκετές μελέτες που κάνουν αυτές τις προβλέψεις βασισμένες στη στενή σχέση μεταξύ της εκπομπής γύρης και της παραγωγής φρούτων, άλλες από αεροβιολογικές, φαινολογικές και μετεωρολογικές μεταβλητές, όλες με αποτελεσματική και αποδεκτή ακρίβεια από τον Ιούλιο και μετά».

"Σκοπεύουμε να προωθήσουμε αυτήν την πρόβλεψη και να είμαστε σε θέση να κάνουμε βέλτιστες προβλέψεις την περίοδο πριν από την ανθοφορία… πολύ πριν ο αγρότης πραγματοποιήσει τον στρατηγικό σχεδιασμό και την οικονομική του επένδυση στο αγρόκτημα», πρόσθεσε ο Ramos.

Η ομάδα χρησιμοποίησε μεθοδολογίες εξόρυξης δεδομένων που χρησιμοποιήθηκαν προηγουμένως σε προγνωστικά έργα υγειονομικής περίθαλψης για τη δημιουργία μοντέλων παλινδρόμησης από μετεωρολογικά δεδομένα και ιστορικά δεδομένα συγκομιδής από όλη την αρχική περιοχή στόχο.

Αυτό συνδυάστηκε με τρέχοντα δεδομένα από drones εξοπλισμένα με θερμογραφικούς αισθητήρες και πολυφασματικές κάμερες, δορυφορικές εικόνες, φαινολογικές αξιολογήσεις, αναλύσεις φυλλώματος και εδάφους και δεδομένα που συλλέχθηκαν από μοντέλα αγροκτημάτων.

Το μοντέλο χρησιμοποιεί μηχανική μάθηση, το καλύτερα καθιερωμένο πεδίο τεχνητής νοημοσύνης και ένα με αποδεδειγμένο ιστορικό στη γεωργία, για να προβλέψει τις αποδόσεις των καλλιεργειών όσο το δυνατόν ακριβέστερα.

Η χρήση ενός αλγόριθμου μηχανής διανυσμάτων υποστήριξης κατέστησε δυνατή τη χρήση πολλαπλών πυρήνων, δηλαδή του γραμμικού και του Gaussian πυρήνα. Αυτό διευκολύνει την προσαρμογή του αλγόριθμου στη φύση των δεδομένων, επιτρέποντας την πραγματοποίηση άπειρων μετασχηματισμών.

Η πλατφόρμα θα είναι δωρεάν διαθέσιμη ως web-based εφαρμογή παρόμοια με SIGPAC, το σύστημα γεωγραφικών πληροφοριών της ισπανικής κυβέρνησης για αγροτεμάχια.

Οι χρήστες μπορούν να δουν μια διαδραστική γραφική αναπαράσταση των ζητούμενων πληροφοριών και να εξάγουν τα δεδομένα.

Ο Francisco Ramón Feito Higueruela, πρόεδρος γραφικών υπολογιστών και γεωματικής στο Πανεπιστήμιο της Jaén και τεχνικός συντονιστής του έργου, εξήγησε ότι καθώς ο αριθμός των χρηστών αυξάνεται και τα αποτελέσματα των μελλοντικών συγκομιδών ανατροφοδοτούνται στο σύστημα, η ακρίβεια των προβλέψεων θα βελτιώνεται . Θα είναι δυνατά πιο αποτελεσματικά μοντέλα προσαρμοσμένα σε κάθε περιοχή.

Ο José Menar Pacheco του Cooperativas Agro-alimentarias de Andalucía τόνισε τη σημασία του ρόλου του οργανισμού του στη διάδοση των αποτελεσμάτων του έργου και της γνώσης στα ενδιαφερόμενα μέρη.

Ελπίζει να εξασφαλίσει ευρεία ενημέρωση και υιοθέτηση των πορισμάτων του έργου για να βελτιώσει τη διαχείριση της φάρμας των μελών του και τη βελτιστοποίηση των πόρων. Αυτά τα μέλη αντιπροσωπεύουν περισσότερα από 11 εκατομμύρια ευρώ σε ετήσιο κύκλο εργασιών και πάνω από το 70 τοις εκατό της συνολικής παραγωγής ελαιολάδου της Ανδαλουσίας.

Το έργο χρηματοδοτείται από τα ευρωπαϊκά γεωργικά ταμεία για την αγροτική ανάπτυξη και την περιφερειακή κυβέρνηση της Ανδαλουσίας ως μέρος της πρόσκλησης για περιφερειακές επιχειρησιακές ομάδες της Ευρωπαϊκής Σύμπραξης Καινοτομίας στη γεωργική παραγωγικότητα και τη βιωσιμότητα στον ελαιοκομικό τομέα.

"Μέσα στο Κοινή Γεωργική Πολιτική, εφαρμόζεται μια σειρά από νέες μεταρρυθμίσεις, συμπεριλαμβανομένης της καταπολέμησης κλιματική αλλαγή με αυτούς τους περιβαλλοντικούς στόχους, καθώς και την επίτευξη ενός βιώσιμου και ανταγωνιστικού αγροτικού τομέα με την υποστήριξη των αγροτών, και όλα αυτά με μια ισχυρή δέσμευση για την ψηφιοποίηση του ελαιοκομικού τομέα για την επίτευξη αυτών των στόχων», δήλωσε ο Ramos.

Αυτή πρόσθεσε, ​"Η εκπλήρωση αυτών των στόχων εξαρτάται από την κατάλληλη λήψη αποφάσεων από κάθε έναν από τους φορείς που εμπλέκονται στον τομέα. Ως εκ τούτου, τα συστήματα πρόβλεψης είναι ένα κρίσιμο εργαλείο στη διαχείριση και τη λήψη αποφάσεων».

• Πανεπιστήμιο της Jaén