Boeren zijn de laatste begunstigden in een wereld van data-analyse. De afgelopen jaren is precisielandbouw heeft boeren geholpen slimmere beslissingen te nemen en een grotere opbrengst te produceren. Maar de meeste studies tot nu toe waren in rijgewassen die met grote machines werden geoogst, mogelijk gemaakt door gegevens verzameld door drones en andere middelen. Echter, Richard Zaaiers, een professor in industriële en bedrijfssysteemtechniek en wiskunde aan de Universiteit van Illinois in Urbana-Champaign, en een team van studenten heeft een algoritme ontwikkeld dat waardevolle informatie belooft aan boeren van met de hand geplukte gewassen.

Zaaiers, samen met studenten Nitin Srivastava en Peter Maneykowski hebben ze een algoritme ontwikkeld dat het personeelsbestand van zeer bederfelijke, met de hand geplukte gewassen zal helpen stroomlijnen. hun papier, Algoritmische geolocatie van oogst in handgeplukte landbouw, die zal verschijnen in Modellering van natuurlijke hulpbronnen , presenteert de resultaten van een studie uitgevoerd bij de oogst van aardbeienpercelen bij Crisalida Farms in Oxnard, Californië Minder dan een jaar geleden, Zaaiers co-auteur van een paper getiteld, Handgeplukte speciale gewassen 'rijp' voor precisielandbouwtechnieken, het aanpakken van de timing en het transport van dergelijke gewassen.

"De aardbeien die je op je ijs of cornflakes doet, worden momenteel geplukt door een ploeg van een tiental arbeiders, die meestal een loon verdienen per ingezamelde doos, Zaaiers merkte op. "Voor de consument, het is belangrijk dat de aardbeien van goede kwaliteit zijn en er mooi uitzien."

Volgens Zaaiers, de aardbeien die verschijnen in schelpdieren die je op de markt of bij je plaatselijke supermarkt vindt, zijn grotendeels in dezelfde staat als toen ze van het veld werden geplukt. Ze worden in een doos geladen, dan een grotere doos, dan op een pallet en tenslotte op een vrachtwagen. Op de markt wordt het proces dan omgekeerd.

"Een van de aspecten waarin ik geïnteresseerd ben, is het feit dat er mensen betrokken zijn bij het plukken, "Zei Sowers. "Net zoals de geschiedenis van surfen op internet van persoon tot persoon verschilt, langs soortgelijke lijnen, het vermogen van een werknemer om aardbeien te oogsten is anders. Dit roept de vraag op:hoe denk je over data in die branche? Omdat de menselijke variabiliteit een enorm effect heeft.

"Uitzoeken wat er in het veld gebeurt, is een belangrijke vraag, "voegde hij eraan toe. "Het identificeren dat bepaalde delen van het veld een oogst van hogere of lagere kwaliteit produceren, kan waardevol zijn in de oogststrategie."

In plaats van dat een werknemer gegevens moet invoeren tijdens de oogst, wat het proces zou vertragen, Het team van Sowers was in staat om de exacte beweging van elke werknemer te lokaliseren via GPS-tracking op een smartphone die elk bij zich had. Op basis van die gegevens, het team ontwikkelde een algoritme om het aantal voltooide dozen te voorspellen.

De data belooft uiteindelijk te leiden tot meer precisietechnieken voor het oogsten. Bijvoorbeeld, één set kwaliteitscontroles vindt meestal plaats aan de rand van het veld en vaak is er een achterstand van werknemers die in de rij staan ​​te wachten. Meer gegevens zullen beter helpen bij het plannen van de beste tijden om deze controle te bieden en om vorkheftrucks in te plannen om pallets op te halen en in een koeler te plaatsen. Tijd is van essentieel belang, aangezien warm weer een dramatisch effect kan hebben op de kwaliteit van de producten.

"Momenteel, we proberen gewoon te volgen, Zaaiers merkte op. "Je kunt niet beheren wat je niet kunt meten. We proberen te meten wat er in het veld werkelijk in het veld gebeurt, niet aan de rand van het veld waar momenteel gegevens worden verzameld. Als je van moment tot moment weet hoeveel er wordt geoogst, je kunt beter plannen, de oogstploegen herschikken of een nieuwe taak uitvoeren."

Sowers herhaalt verder het belang van deze meting voor de industrie, omdat een verkeerde berekening van het personeelsbestand de winst volledig zou kunnen elimineren.

"Als dat gebeurt, alle voedingsstoffen die erin gingen (water, meststoffen, stikstof, enz.) is gewoon verspild, "zei hij. "Als je middelen beter kunt toewijzen en de tijd dat sommige van die stapels bessen op het veld staan, kunt voorkomen of verminderen, dat is een overwinning."

Het team heeft met succes bewezen dat dit gedrag kan worden gevolgd en geanalyseerd en is van plan terug te keren naar Californië om het te verfijnen.

"Er is in deze branche steeds meer waardering voor data, Zaaiers zei. "Ik zou graag terug willen gaan en dit op grotere schaal doen, zodat we kunnen proberen dit te vergelijken met iets dat op productieniveau is. Om daadwerkelijk impact te hebben, we moeten de gegevens begrijpen en verwerken met een zekerheidsniveau dat zo goed is als of vergelijkbaar is met wat nodig is om daadwerkelijk beslissingen te nemen voor het opnieuw toewijzen van mensen en voor het optimaliseren van de lay-out van velden."