Τεχνητή Νοημοσύνη Προβλέπει τον Χρόνο Συγκομιδής της Ελιάς

 


Η τεχνολογία και η γεωργία ενώνονται, με την τεχνητή νοημοσύνη να παίζει καθοριστικό ρόλο στην καλλιέργεια της ελιάς. Χρησιμοποιώντας προηγμένα συστήματα ανάλυσης δεδομένων, η τεχνητή νοημοσύνη μπορεί πλέον να προβλέπει τον ιδανικό χρόνο συγκομιδής, εξασφαλίζοντας μέγιστη απόδοση και ανώτερη ποιότητα ελαιολάδου.

Μετά από τρία και πλέον χρόνια ανάπτυξης, τα αποτελέσματα των εργασιών της επιχειρησιακής ομάδας Predic 1 παρουσιάστηκαν τον περασμένο μήνα σε συνέδριο στο Mengíbar της Jaén.

Η αποστολή της ομάδας ήταν να παραδώσει μια πλατφόρμα ικανή να προβλέψει τη συγκομιδή ελιάς μια ολόκληρη σεζόν νωρίτερα, στόχος που όπως είπαν πέτυχαν με ακρίβεια έως και 90 τοις εκατό.

Το έργο πραγματοποιήθηκε από μια κοινοπραξία αποτελούμενη από το Πανεπιστήμιο του Jaén, τη Cetemet, τη Citoliva, την Cooperativas Agro-alimentarias de Andalucía, μια ένωση αγροτών, και τη Nutesca, χρησιμοποιώντας ως δοκιμαστικές περιπτώσεις παραδοσιακούς ελαιώνες Picual στο Jaén, την Κόρδοβα και τη Γρανάδα.

Σύμφωνα με την María Isabel Ramos, καθηγήτρια στο Τμήμα Χαρτογραφικής, Γεωδαιτικής και Φωτογραμμετρικής Μηχανικής του Πανεπιστημίου του Jaén και συγγραφέα μιας μελέτης του 2022 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 σύνθετα προβλήματα στο πλαίσιο της γεωργίας ακριβείας», δήλωσε. «Υπάρχουν αρκετές μελέτες που κάνουν αυτές τις προβλέψεις βασισμένες στη στενή σχέση μεταξύ της εκπομπής γύρης και της παραγωγής καρπών, άλλες από αεροβιολογικές, φαινολογικές και μετεωρολογικές μεταβλητές, όλες με αποτελεσματικές και αποδεκτές ακρίβειες από τον Ιούλιο και μετά».

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

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

Αυτά συνδυάστηκαν με τρέχοντα δεδομένα από μη επανδρωμένα αεροσκάφη εξοπλισμένα με θερμογραφικούς αισθητήρες και πολυφασματικές κάμερες, δορυφορικές εικόνες, φαινολογικές εκτιμήσεις, αναλύσεις φυλλώματος και εδάφους και δεδομένα που συλλέχθηκαν από πρότυπες φάρμες.

Το μοντέλο χρησιμοποιεί τη μηχανική μάθηση, τον πιο καθιερωμένο τομέα της τεχνητής νοημοσύνης και έναν τομέα με αποδεδειγμένη επιτυχία στη γεωργία, για να προβλέψει τις αποδόσεις των καλλιεργειών με τη μεγαλύτερη δυνατή ακρίβεια.

Η χρήση ενός αλγορίθμου διανυσματικής μηχανής υποστήριξης κατέστησε δυνατή τη χρήση πολλαπλών πυρήνων, δηλαδή του γραμμικού και του γκαουσιανού πυρήνα. Αυτό διευκολύνει την προσαρμογή του αλγορίθμου στη φύση των δεδομένων, επιτρέποντας τη διενέργεια άπειρων μετασχηματισμών.

Η πλατφόρμα θα είναι ελεύθερα διαθέσιμη ως διαδικτυακή εφαρμογή παρόμοια με το SIGPAC, το σύστημα γεωγραφικών πληροφοριών της ισπανικής κυβέρνησης για τα αγροτεμάχια.

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

Ο Francisco Ramón Feito Higueruela, καθηγητής γραφικών υπολογιστών και γεωμετρίας στο Πανεπιστήμιο του Jaén και τεχνικός συντονιστής του έργου, εξήγησε ότι καθώς αυξάνεται ο αριθμός των χρηστών και τα αποτελέσματα των μελλοντικών συγκομιδών τροφοδοτούνται στο σύστημα, η ακρίβεια των προβλέψεων θα βελτιώνεται. Θα είναι δυνατή η εφαρμογή πιο αποτελεσματικών μοντέλων προσαρμοσμένων σε κάθε περιοχή.

Ο José Menar Pacheco από την Cooperativas Agro-alimentarias de Andalucía τόνισε τη σημασία του ρόλου του οργανισμού του στη διάδοση των αποτελεσμάτων και της γνώσης του έργου στους ενδιαφερόμενους.

Ελπίζει να διασφαλίσει την ευρεία ευαισθητοποίηση και υιοθέτηση των αποτελεσμάτων του έργου για τη βελτίωση της διαχείρισης των γεωργικών εκμεταλλεύσεων των μελών του και τη βελτιστοποίηση των πόρων. Τα εν λόγω μέλη αντιπροσωπεύουν πάνω 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 στο πλαίσιο της πρόσκλησης για περιφερειακές επιχειρησιακές ομάδες της Ευρωπαϊκής Σύμπραξης Καινοτομίας για την παραγωγικότητα και τη βιωσιμότητα της γεωργίας στον τομέα της ελιάς.

«Στο πλαίσιο της Κοινής Αγροτικής Πολιτικής, εφαρμόζεται μια σειρά νέων μεταρρυθμίσεων, συμπεριλαμβανομένης της καταπολέμησης της κλιματικής αλλαγής με αυτούς τους περιβαλλοντικούς στόχους, καθώς και της επίτευξης ενός βιώσιμου και ανταγωνιστικού γεωργικού τομέα με τη στήριξη των γεωργών, και όλα αυτά με μια ισχυρή δέσμευση για την ψηφιοποίηση του ελαιοκομικού τομέα για την επίτευξη αυτών των στόχων», δήλωσε ο Ramos.

Και πρόσθεσε: «Η εκπλήρωση αυτών των στόχων εξαρτάται από την κατάλληλη λήψη αποφάσεων από καθέναν από τους φορείς που εμπλέκονται στον τομέα. Ως εκ τούτου, τα συστήματα πρόβλεψης αποτελούν κρίσιμο εργαλείο στη διαχείριση και τη λήψη αποφάσεων».

Πηγή e-agrotis.gr

Νεότερη Παλαιότερη
1231

نموذج الاتصال