Sebbene negli ultimi anni siano state condotte altre ricerche sull'agricoltura di precisione, questo studio si rivolge specificamente alle colture, che attualmente vengono raccolti a mano. Credito:Dipartimento di ingegneria dei sistemi industriali e aziendali dell'Università dell'Illinois
Gli agricoltori sono gli ultimi beneficiari in un mondo di analisi dei dati. Negli ultimi anni, l'agricoltura di precisione ha aiutato gli agricoltori a prendere decisioni più intelligenti e a produrre una resa maggiore. Ma la maggior parte degli studi fino ad oggi sono stati in colture a file raccolte da grandi macchine, reso possibile dai dati raccolti da droni e altri mezzi. Però, Richard Sowers, un professore di ingegneria e matematica dei sistemi industriali e aziendali presso l'Università dell'Illinois a Urbana-Champaign, e un team di studenti ha sviluppato un algoritmo che promette di fornire preziose informazioni agli agricoltori delle colture raccolte a mano.
seminatori, insieme agli studenti Nitin Srivastava e Peter Maneykowski hanno sviluppato un algoritmo che aiuterà a semplificare la forza lavoro delle colture raccolte a mano altamente deperibili. La loro carta, Geolocalizzazione algoritmica del raccolto nell'agricoltura raccolta a mano, che apparirà in Modellazione delle risorse naturali , presenta i risultati di uno studio condotto durante la raccolta dei cespi di fragole presso Crisalida Farms a Oxnard, California Meno di un anno fa, Sowers è coautore di un articolo intitolato, Colture speciali raccolte a mano 'mature' per tecniche di agricoltura di precisione, affrontare la tempistica e il trasporto di tali colture.
"Le fragole che metti sul tuo gelato o sui tuoi cereali vengono per il momento raccolte da una squadra di una decina di lavoratori, che per lo più guadagnano uno stipendio per scatola raccolta, " Seminatori notato. "Per il consumatore, è importante che le fragole siano di buona qualità e abbiano un bell'aspetto".
Secondo Sower, le fragole che appaiono nei gusci di vongole che trovi al mercato o al tuo negozio di alimentari locale sono in gran parte nelle stesse condizioni in cui erano quando sono state raccolte dal campo. Sono caricati in una scatola, poi una scatola più grande, poi su un pallet e infine su un camion. Il processo viene quindi invertito al mercato.
"Uno degli aspetti che mi interessa è il fatto che ci siano esseri umani coinvolti nella raccolta, " Sowers ha detto. "Proprio come la cronologia di navigazione in Internet differisce da persona a persona, lungo linee simili, la capacità di un lavoratore di raccogliere le fragole è diversa. Questo fa sorgere la domanda:come pensi ai dati in quel settore? Perché la variabilità umana ha un effetto enorme.
"Capire cosa sta succedendo sul campo è una domanda importante, " ha aggiunto. "Identificare che alcune parti del campo stanno producendo un raccolto di qualità superiore o inferiore può essere prezioso nella strategia di raccolta".
Invece di richiedere a un lavoratore di inserire i dati durante la raccolta, che rallenterebbe il processo, Il team di Sowers è stato in grado di individuare l'esatto movimento di ciascun lavoratore tramite il tracciamento GPS su uno smartphone che ciascuno portava con sé. Sulla base di tali dati, il team ha sviluppato un algoritmo per prevedere la quantità di scatole completate.
I dati promettono alla fine di portare a tecniche di raccolta più precise. Ad esempio, una serie di controlli di qualità si verifica in genere ai margini del campo e spesso c'è un arretrato di lavoratori in attesa nella coda. Più dati aiuteranno a pianificare meglio i tempi migliori per fornire questo controllo, nonché a programmare i carrelli elevatori per prelevare i pallet e metterli in un dispositivo di raffreddamento. Il tempo è essenziale poiché il caldo può avere un effetto drammatico sulla qualità dei prodotti.
"Al momento, stiamo solo cercando di tracciare, " Seminatori notato. "Non puoi gestire ciò che non puoi misurare. Stiamo cercando di misurare cosa sta succedendo nel campo in realtà sul campo, non ai margini del campo in cui vengono attualmente raccolti i dati. Se sai momento per momento quanto viene raccolto, puoi programmare meglio, riorganizzare le squadre di raccolta o riordinare."
Sowers ribadisce ulteriormente l'importanza di questa misurazione per l'industria perché un calcolo errato della forza lavoro potrebbe eliminare completamente il profitto.
"Se ciò accade, tutti i nutrienti che vi sono entrati (acqua, fertilizzanti, azoto, ecc.) è solo sprecato, " ha detto. "Se puoi allocare meglio le risorse e prevenire o ridurre il tempo che alcune di quelle pile di bacche sono sedute nel campo, è una vittoria".
Il team ha dimostrato con successo che questi comportamenti possono essere monitorati e analizzati e sta pianificando di tornare in California per perfezionarli.
"C'è sempre più apprezzamento per i dati in questo settore, " Sowers ha detto. "Vorrei tornare indietro e farlo su una scala più ampia in modo da poter provare a confrontare questo con qualcosa che è a un livello di produzione. Per avere un impatto reale, dobbiamo comprendere ed elaborare i dati a un livello di certezza che sia buono o paragonabile a quello necessario per prendere effettivamente alcune decisioni per la riallocazione delle persone e per l'ottimizzazione della disposizione dei campi".