Istraživači predstavljaju AI alat koji pomaže maslinarima predvidjeti vrijeme berbe

Korištenjem strojnog učenja za analizu niza podataka s uzornih farmi, istraživači su uspjeli predvidjeti vrijeme berbe maslina s 90 posto točnosti.

Nakon više od tri godine razvoja, rezultati rada Operativne skupine Predic 1 predstavljeni su prošlog mjeseca na konferenciji u Mengíbáru, Jaén.

Zadatak grupe bio je isporučiti platformu sposobnu predvidjeti berbu maslina cijelu sezonu unaprijed, cilj koji su, kako kažu, ostvarili s točnošću do 90 posto.

Rad je proveo konzorcij koji čine Sveučilište u Jaénu, Cetemet, Citoliva, Cooperativas Agro-alimentarias de Andalucía, sindikat poljoprivrednika i Nutesca, koristeći tradicionalne maslinike sorte Picual u Jaénu, Córdóbi i Granadi kao testne slučajeve.

Vidi također: Istraživači u Andaluziji razvili AI alat za poboljšanje učinkovitosti navodnjavanja

Prema María Isabel Ramos, profesorici na Odsjeku za kartografsko, geodetsko i fotogrametrijsko inženjerstvo Sveučilišta u Jaénu i autorici studije iz 2022. o toj tehnologiji, prediktivni sustavi ključni su za budućnost maslinarskog sektora.

"Na znanstvenoj razini, predviđanje prinosa usjeva jedan je od najsloženijih problema unutar precizne poljoprivrede", rekla je. "Postoji nekoliko studija koje donose te prognoze na temelju uske povezanosti između emisije peluda i proizvodnje plodova, dok druge polaze od aerobioloških, …duge prije nego što poljoprivrednik po­č­ne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što poljoprivrednik počne s oprašivanjem… dugo prije nego što p

"Namjeravamo unaprijediti ovu prognozu i biti u mogućnosti davati optimalne prognoze u razdoblju prije cvatnje… mnogo prije nego što poljoprivrednik provede svoje strateško planiranje i ekonomsko ulaganje u farmu", dodao je Ramos.

Grupa je koristila metodologije rudarenja podataka, prethodno korištene u prediktivnim projektima u zdravstvu, kako bi stvorila regresijske modele na temelju meteoroloških podataka i povijesnih podataka o žetvi s cijelog početnog ciljanog područja.

To je kombinirano s trenutačnim podacima s dronova opremljenih termovizijskim senzorima i multispektralnim kamerama, satelitskim snimkama, fenološkim procjenama, analizama lišća i tla te podacima prikupljenima s modela farmi.

Model koristi strojevo učenje, najutemeljenije područje umjetne inteligencije s dokazanim rezultatima u poljoprivredi, kako bi predvidio prinose usjeva što je moguće preciznije.

Korištenje algoritma stroja s potpornim vektorima omogućilo je upotrebu više jezgri, i to linearnog i gausovskog jezgra. To olakšava algoritmu prilagodbu prirodi podataka, omogućujući provođenje beskonačnih transformacija.

Platforma će biti besplatno dostupna kao web-aplikacija slična SIGPAC-u, geografskom informacijskom sustavu španjolske vlade za poljoprivredne parcele.

Vidi također: Istraživači razvili algoritam za predviđanje potencijala prinosa na temelju klimatskih podataka

Korisnici mogu pregledati interaktivnu grafičku reprezentaciju traženih informacija i izvesti podatke.

Francisco Ramón Feito Higueruela, predstojnik katedre za računalnu grafiku i geomatiku na Sveučilištu u Jaénu i tehnički koordinator projekta, objasnio je da će se točnije predviđanje poboljšati kako se broj korisnika bude povećavao i kako se rezultati budućih berbi vraćaju u sustav, točnost predviđanja će se poboljšati. Bit će mogući učinkovitiji modeli prilagođeni svakom području.

José Menar Pacheco iz organizacije Cooperativas Agro-alimentarias de Andalucía istaknuo je važnost uloge svoje organizacije u širenju rezultata i znanja iz projekta među dionicima.

Nada se osigurati široku svijest i prihvaćanje nalaza projekta kako bi se poboljšalo upravljanje gospodarstvima njegovih članova i optimizacija resursa. Ti članovi ostvaruju godišnji promet veći od 11 milijuna eura i čine više od 70 posto ukupne proizvodnje maslinovog ulja u Andaluziji.

Projekt je financiran iz Europskih poljoprivrednih fondova za ruralni razvoj i andaluzijske regionalne vlade u sklopu poziva za regionalne operativne skupine Europskog partnerstva za inovacije u poljoprivrednoj produktivnosti i održivosti u sektoru masline­tor.

"U okviru Zajedničke poljoprivredne politike provodi se niz novih reformi, uključujući borbu protiv klimatskih promjena s ovim okolišnim ciljevima, kao i postizanje održivog i konkurentnog poljoprivrednog sektora podrškom poljoprivrednicima, i sve to uz snažnu predanost digitalizaciji maslinarskog sektora kako bi se postigli ovi ciljevi," rekla je Ramos.

Dodala je: "Ispunjenje tih ciljeva ovisi o donošenju odgovarajućih odluka od strane svakog sudionika u tom sektoru. Stoga su prediktivni sustavi ključan alat u upravljanju i donošenju odluka."