Искусственный интеллект подсказывает фермерам, когда собирать урожай

**Искусственный интеллект подсказывает фермерам, когда собирать урожай**

Выбор правильного времени для сбора урожая может стать решением, которое определит успех или провал всей кампании.

Когда в прошлом году в штате Вашингтон наступил первый день сбора яблок, плоды были спелыми, а сборщики — готовыми, но у погоды были другие планы.

«Было около 38°C… работать в такую жару небезопасно для людей», — вспоминает Джоэл Картер из компании Okanagan Specialty Fruits. — «Нам пришлось остановиться в 10 часов утра».

Он говорит, что модели искусственного интеллекта (ИИ), которые прогнозируют лучшие даты сбора урожая с учетом погоды, были бы очень ценны. «Вам нужно знать не только то, когда созреют фрукты. Сколько времени у вас есть на их сбор?» — говорит он. — «Именно в этом такие модели действительно помогают».

Компания Картера владеет более чем 1250 акрами яблоневых садов в Вашингтоне, и эти яблоки выращиваются для продажи в нарезанном виде — например, в отели и школы. Компания инвестирует в технологии в надежде повысить производительность. Даже сами яблоки генетически модифицированы так, чтобы они не темнели быстро после нарезки.

Но организация сбора урожая — дело сложное. Сейчас появляются новые инструменты, которые подсчитывают и анализируют плоды на деревьях или лозах и оценивают, когда они созреют. Это важно, поскольку цены на фрукты, особенно на дорогие ягоды, такие как клубника или голубика, могут резко колебаться. Если дата сбора определена неверно, сезонные рабочие могут быть забронированы тогда, когда они не нужны, а самая большая прибыль будет упущена.

Okanagan Specialty Fruits уже тестирует камеры канадской компании Vivid Machines. Камеры устанавливаются на крыши тракторов и делают снимки яблонь по мере движения машины. Затем ИИ распознает на кадрах почки, цветы или плоды.

«Сейчас Vivid предоставляет нам оценки урожая и даты сбора», — говорит Картер. По его словам, система особенно хорошо распознает очень мелкие цветочные почки, которые трудно быстро заметить невооруженным глазом.

Однако Картер добавляет, что точность прогноза сильно зависит от качества исторических данных, вводимых в систему. «Это не та ситуация, когда ИИ может просто прочесать интернет и выяснить, какова средняя [урожайность] для сорта Гренни Смит», — объясняет он. — «Все должно быть настроено индивидуально под вашу ферму».

Яблоки, по крайней мере, прощают некоторые ошибки — окно сбора для Гренни Смит длится три недели, говорит Картер. Для других культур, например ягод, оно может составлять всего несколько дней.

«Если клубника созрела, ее нужно собирать — иначе весь ваш урожай очень, очень быстро заболеет», — говорит Рэймонд Мартин, соучредитель и главный операционный директор FruitCast, британской компании, предоставляющей прогнозы сбора урожая местным производителям.

Его компания предлагает прогнозы созревания для клубники, малины, ежевики, голубики и томатов. «В следующем году мы перейдем на виноград», — добавляет Мартин.

Неужели опытные фермеры и так не знают, когда созреют их плоды, спрашиваю я? Мартин говорит, что обычно знают — но не обязательно по всей территории фермы, которая может занимать много акров или включать как открытый грунт, так и теплицы. «Мы делаем ровно то же самое, что могли бы сделать фермеры, но в таких масштабах, которые им не под силу».

Система анализирует видеозаписи созревающих плодов, которые могут быть собраны с помощью дронов, человеком со смартфоном, идущим по полю, или камерой, установленной на сельскохозяйственном автомобиле.

Этот год выдался сложным, отмечает Мартин: жаркая погода и сильная засуха затронули большую часть Великобритании.

Это вызвало стресс у многих ягодных культур, погрузив их в состояние температурного покоя и замедлив созревание плодов.

Для сбора ягод существует лишь узкое временное окно, говорит Рэймонд Мартин.

Модель FruitCast учитывает в своих прогнозах погодные условия и режим полива. Компания заявляет: «наши прогнозы за неделю до сбора попадают в пределы 10% от фактического объема (точность 90%), а за три недели — в пределы 17% (точность 83%). Мы гарантируем погрешность менее 20%…»

Angus Soft Fruits — одна из компаний, работавших с FruitCast. Технология ИИ для прогнозирования спелости фруктов пока не является «готовым решением», говорит операционный директор Нилл Финлейсон: «Этот путь еще продолжается, и хотя был достигнут значительный прогресс, отрасли еще далеко до создания полностью интегрированной экосистемы прогнозирования».

Driscoll's, продавец фруктов со штаб-квартирой в Калифорнии и крупным филиалом в Великобритании, также подтвердил BBC News, что некоторые из его независимых производителей в Великобритании использовали технологию FruitCast.

Исследователи также ищут новые способы детального анализа плодов. Многие фермеры уже используют портативные рефрактометры (брикс-метры) для измерения содержания сахара в урожае. Эти приборы работают, измеряя, насколько сильно меняется направление света (преломляется) при прохождении через сок, что показывает количество сухих веществ.

Некоторые из этих приборов используют инфракрасный свет, поэтому для измерения не нужно разрезать плод. Но Ясаман Гасемпур из Принстонского университета говорит, что миллиметровые волны, представляющие собой высокочастотные радиоволны, могут проникать глубже. «Они, по сути, очень хорошо реагируют на влажность, воду [и сахар]», — говорит она.

Она и ее студенты разработали детектор спелости на основе миллиметровых волн.

Ее студенты протестировали его на местном рынке в Нью-Джерси. «[Сотрудники] там немного испугались, решив, что мы замышляем что-то неладное», — смеется Гасемпур.

Такой детальный анализ еще не созревших плодов также мог бы помочь предсказать, когда они будут готовы.

Но в то время как некоторые производители, такие как Картер, хотят пробовать новые технологии, многие задаются вопросом, действительно ли они стоят этих инвестиций. «Внедрение — очень сложный процесс», — говорит Цзин Чжан из Университета штата Северная Каролина. — «Производитель должен доверять исследованиям и быть уверенным в том, работает это или нет».

Чжан работает над системой автоматического подсчета количества голубики.

Самые простые системы не обязательно должны быть дорогими. Кевин Ванг из Университета Флориды разработал другой инструмент для подсчета урожая, который может обрабатывать изображения.

В будущем эта информация может использоваться для прогнозирования спелости. Однако он отмечает, что некоторым фермерам может быть некомфортно делиться с третьими лицами и моделями ИИ коммерчески чувствительными деталями своих методов выращивания, такими как планы внесения удобрений и полива.

Бен Палоне — старший директор по автоматизации и коммерциализации в Western Growers, ассоциации, представляющей фермеров на западе США. Он говорит, что прогнозы урожая имеют определенный потенциал в качестве «инструмента оптимизации».

Но фермеры, скорее всего, по-прежнему будут полагаться на человеческий разум. «Производители предпочитают, чтобы в процессе участвовали люди для принятия некоторых из этих критически важных решений — особенно когда речь идет о сборе урожая», — говорит он.