Ερευνητές παρουσιάζουν εργαλείο τεχνητής νοημοσύνης που βοηθά τους ελαιοκαλλιεργητές να προβλέψουν την εποχή της συγκομιδής
Χρησιμοποιώντας τη μηχανική μάθηση για την ανάλυση μιας σειράς δεδομένων από πρότυπες ελαιώνες, οι ερευνητές κατάφεραν να προβλέψουν το χρονικό σημείο της ελαιοσυγκομιδής με ακρίβεια 90%.
Μετά από περισσότερα από τρία χρόνια ανάπτυξης, τα αποτελέσματα της εργασίας της Επιχειρησιακής Ομάδας Predic 1 παρουσιάστηκαν τον περασμένο μήνα σε ένα συνέδριο στο Μενγκίμπαρ της Χαέν.
Σκοπός της ομάδας ήταν η δημιουργία μιας πλατφόρμας ικανής να προβλέπει τις ελαιοσυγκομιδές μια ολόκληρη σεζόν νωρίτερα, στόχος τον οποίο δήλωσαν ότι πέτυχαν με ακρίβεια έως και 90 τοις εκατό.
Η εργασία πραγματοποιήθηκε από μια κοινοπραξία που αποτελείται από το Πανεπιστήμιο της Χαέν, το Cetemet, το Citoliva, τις Cooperativas Agro-alimentarias de Andalucía, μια ένωση αγροτών, και τη Nutesca, χρησιμοποιώντας παραδοσιακούς ελαιώνες της ποικιλίας Picual στη Χαέν, την Κόρδοβα και τη Γρανάδα ως δοκιμαστικά πεδία.
Δείτε επίσης: Ερευνητές στην Ανδαλουσία αναπτύσσουν εργαλείο τεχνητής νοημοσύνης για τη βελτίωση της αποδοτικότητας της άρδευσηςΣύμφωνα με τη María Isabel Ramos, καθηγήτρια στο Τμήμα Χαρτογραφικής, Γεωδαιτικής και Φωτογραμμετρικής Μηχανικής του Πανεπιστημίου της Χαέν και συντάκτρια 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 είναι ένα από τα πιο σύνθετα προβλήματα της γεωργίας ακριβείας», δήλωσε. «Υπάρχουν αρκετές μελέτες που κάνουν αυτές τις προβλέψεις με βάση τη στενή σχέση μεταξύ της εκπομπής γύρης και της παραγωγής καρπών, ενώ άλλες βασίζονται σε αεροβιολογικές, φαινολογικές και μετεωρολογικές μεταβλητές, όλες με αποτελεσματική και αποδεκτή ακρίβεια 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 αγρότης πραγματοποιήσει τον στρατηγικό σχεδιασμό και τις οικονομικές επενδύσεις του στο αγρόκτημα», πρόσθεσε ο Ramos.
Η ομάδα χρησιμοποίησε μεθοδολογίες εξόρυξης δεδομένων που είχαν χρησιμοποιηθεί προηγουμένως σε έργα προγνωστικής υγειονομικής περίθαλψης για να δημιουργήσει μοντέλα παλινδρόμησης από μετεωρολογικά δεδομένα και ιστορικά δεδομένα συγκομιδής από ολόκληρη την αρχική περιοχή-στόχο.
Αυτά συνδυάστηκαν με τρέχοντα δεδομένα από drones εξοπλισμένα με θερμογραφικούς αισθητήρες και πολυφασματικές κάμερες, δορυφορικές εικόνες, φαινολογικές εκτιμήσεις, αναλύσεις φυλλώματος και εδάφους, καθώς και δεδομένα που συλλέχθηκαν από πρότυπες εκμεταλλεύσεις.
Το μοντέλο χρησιμοποιεί τη μηχανική μάθηση, τον πιο καθιερωμένο τομέα της τεχνητής νοημοσύνης και έναν τομέα με αποδεδειγμένο ιστορικό στην γεωργία, για να προβλέψει τις αποδόσεις των καλλιεργειών με τη μεγαλύτερη δυνατή ακρίβεια.
Η χρήση ενός αλγορίθμου μηχανής υποστήριξης διανυσμάτων (Support Vector Machine) κατέστησε δυνατή τη χρήση πολλαπλών πυρήνων, συγκεκριμένα των γραμμικών και των γκαουσιανών πυρήνων. Αυτό διευκολύνει την προσαρμογή του αλγορίθμου στη φύση των δεδομένων, επιτρέποντας την εκτέλεση άπειρων μετασχηματισμών.
Η πλατφόρμα θα είναι ελεύθερα διαθέσιμη ως διαδικτυακή εφαρμογή παρόμοια με το SIGPAC, το σύστημα γεωγραφικών πληροφοριών της ισπανικής κυβέρνησης για αγροτεμάχια.
Δείτε επίσης: Ερευνητές αναπτύσσουν αλγόριθμο για την πρόβλεψη του δυναμικού συγκομιδής από κλιματικά δεδομέναΟι χρήστες μπορούν να δουν μια διαδραστική γραφική αναπαράσταση των ζητούμενων πληροφοριών και να εξάγουν τα δεδομένα.
Ο Francisco Ramón Feito Higueruela, πρόεδρος του τμήματος υπολογιστικής γραφικής παράστασης και γεωπληροφορικής στο Πανεπιστήμιο της Jaén και τεχνικός συντονιστής του έργου, εξήγησε ότι καθώς αυξάνεται ο αριθμός των χρηστών και τα αποτελέσματα μελλοντικών συγκομιδών εισάγονται στο σύστημα, η ακρίβεια των προβλέψεων θα βελτιωθεί. Θα είναι δυνατή η δημιουργία πιο αποτελεσματικών μοντέλων προσαρμοσμένων σε κάθε περιοχή.
Ο José Menar Pacheco από τις Cooperativas Agro-alimentarias de Andalucía υπογράμμισε τη σημασία του ρόλου του οργανισμού του στη διάδοση των αποτελεσμάτων του έργου και της γνώσης στους ενδιαφερόμενους.
Ελπίζει να εξασφαλίσει ευρεία ευαισθητοποίηση και υιοθέτηση των ευρημάτων του έργου, ώστε να βελτιωθεί η διαχείριση των αγροκτημάτων των μελών του και η βελτιστοποίηση των πόρων. Τα μέλη αυτά αντιπροσωπεύουν ετήσιο κύκλο εργασιών άνω των 11 εκατομμυρίων ευρώ και πάνω από το 70% της συνολικής παραγωγής ελαιολάδου της Ανδαλουσίας.
Το έργο χρηματοδοτείται μέσω των ευρωπαϊκών γεωργικών ταμείων για την αγροτική ανάπτυξη και της περιφερειακής κυβέρνησης της Ανδαλουσίας, στο πλαίσιο της πρόσκλησης για περιφερειακές επιχειρησιακές ομάδες της Ευρωπαϊκής Εταιρικής Σχέσης Καινοτομίας για τη γεωργική παραγωγικότητα και τη βιωσιμότητα στον ελαιοκηπευτικό τομέα.
«Στο πλαίσιο της Κοινής Γεωργικής Πολιτικής, υλοποιούνται μια σειρά νέων μεταρρυθμίσεων, συμπεριλαμβανομένης της καταπολέμησης της κλιματικής αλλαγής με αυτούς τους περιβαλλοντικούς στόχους, καθώς και την επίτευξη ενός βιώσιμου και ανταγωνιστικού γεωργικού τομέα μέσω της στήριξης των αγροτών, και όλα αυτά με ισχυρή δέσμευση στην ψηφιοποίηση του ελαιολαδικού τομέα για την επίτευξη αυτών των στόχων», δήλωσε η Ramos.
Πρόσθεσε: «Η επίτευξη αυτών των στόχων εξαρτάται από τη λήψη των κατάλληλων αποφάσεων από κάθε έναν από τους φορείς που εμπλέκονται στον τομέα. Επομένως, τα συστήματα πρόβλεψης αποτελούν ένα κρίσιμο εργαλείο στη διαχείριση και τη λήψη αποφάσεων».