science >> Wetenschap >  >> Natuur

Met de hand geplukte speciale gewassen rijp voor precisielandbouwtechnieken

Precisielandbouwtechnieken kunnen aanzienlijke financiële voordelen hebben voor producenten van met de hand geplukte speciale gewassen, volgens een nieuw artikel van Richard Sowers, een professor in techniek en wiskunde aan de Universiteit van Illinois. Recente Illinois-alumnus Devasia Manuel, momenteel een machine learning-onderzoeker met de co-auteur van Google en Sowers aan het onderzoek, ontwikkelde een wiskundig model dat de optimale tijd bepaalde om de aardbeien van een teler van het veld naar de koelcel te transporteren. Krediet:L. Brian Stauffer

Timing van de oogst en het transport van zeer bederfelijke, met de hand geplukte gewassen zoals aardbeien, zodat deze delicate producten de consument op de best mogelijke smaak en versheid bereiken, is een ingewikkelde dans die Moeder Natuur samenbrengt met handenarbeid.

Echter, veel van de "slimme landbouw"-technieken en -technologieën die telers helpen meer te oogsten van wat ze sneller en efficiënter zaaien, zijn voornamelijk gericht op rijgewassen zoals maïs en sojabonen, telers van hoogwaardige AGF te omzeilen.

"De grote machines die werden gebruikt om rijgewassen te oogsten, zoals tarwe, maïs en sojabonen bieden een natuurlijk platform om de efficiëntie te verbeteren, " zei Richard Zaaiers, een professor in industriële en enterprise systems engineering en wiskunde aan de Universiteit van Illinois. "Echter, het verhaal is radicaal anders in hoogwaardige, met de hand geplukte gewassen zoals aardbeien, die per hectare vele malen waardevoller kan zijn dan maïs. Met handgeplukte gewassen, precisielandbouw blijft flink achter."

"Honderd acres maïs kan een waarde hebben van slechts $ 800, 000, terwijl hetzelfde aantal hectares geplant in aardbeien $ 7,5 miljoen waard kan zijn, " zei Devasia Manuel, een recente Illinois-alumnus. "Nog, aardbeienoogstmachines gebruiken weinig tot geen precisielandbouwtechnieken. Het is nogal verbazingwekkend."

manuel, momenteel een machine learning-onderzoeker bij Google, was de hoofdauteur van een paper met Sowers die een wiskundig model verkende voor het bepalen van de optimale tijd voor het transport van een aardbeiengewas van het veld naar de koelcel.

De methodologie van Zaaiers en Manuel wordt beschreven in een artikel dat in het tijdschrift is gepubliceerd Modellering van natuurlijke hulpbronnen .

Zaaiers en Manuel, dan een afgestudeerde student in Illinois, zagen arbeiders aardbeien oogsten op Crisalida Farms in Oxnard, Californië. Het algoritme van de onderzoekers onderzocht het bederf dat de teler zou kunnen oplopen als hij gedeeltelijk beladen vrachtwagens naar de koelstations zou sturen. in plaats van te wachten tot hun vrachtwagens vol waren om het fruit naar de koelopslag te vervoeren.

Met de hand geplukt fruit zoals aardbeien beginnen direct na de oogst te rotten, en de marktwaarde van het gewas kan met wel 10 procent per uur dalen als de geoogste producten in de hete zon liggen te wachten om naar de gekoelde opslag te worden vervoerd, zei Zaaiers.

"Telers willen hun gewassen graag volgens een optimaal beleid naar koelstations vervoeren, maar dat beleid moet een afweging zijn tussen het kwaliteitsverlies en de oogstsnelheid, ' zei Zaaiers.

In tegenstelling tot machinaal geoogste gewassen, het oogsten van met de hand geplukte gewassen varieert van werknemer tot werknemer en op het tijdstip van de dag, aangezien werknemers het warm krijgen en vermoeid raken, merkten de onderzoekers op in het onderzoek.

"Als uw werknemers 90 procent van een lading in slechts 15 minuten oppikken en dan langzamer gaan vanwege de hitte, het zou logisch zijn om de lading naar de koude opslag te brengen, ook al is de vrachtwagen slechts gedeeltelijk vol, Zaaiers zei. "Dat is een heel vereenvoudigd beeld, maar dat is wat we probeerden te bereiken. We hebben nagedacht over het modelleren van deze afwegingen en hebben enkele optimalisaties en simulaties gedaan, en we ontdekten dat er enkele aanzienlijke besparingen mogelijk waren."

Zaaiers weigerden dollarwaarden te noemen omdat hun bevindingen theoretisch waren en het model zou moeten worden gekalibreerd op de werkelijke oogst- en bederfgegevens van telers.

Echter, de bevindingen waren bemoedigend, Zaaiers zei, en de potentiële financiële beloningen zouden onderzoekers en gewasproducenten moeten motiveren om mogelijkheden te onderzoeken om precisielandbouwtechnieken toe te passen op het beheer van met de hand geplukte en speciale gewassen.