Odabir pravog trenutka za berbu može da bude presudan za uspeh poljoprivredne sezone. Preuranjena ili zakasnela berba može da utiče na kvalitet i količinu plodova, troškove rada i zaradu proizvođača. Zbog toga se razvijaju alati zasnovani na veštačkoj inteligenciji koji analiziraju voće na drveću i vinovoj lozi i predviđaju kada će biti spremno za branje.
Jedan od primera dolazi iz američke savezne države Vašington. Kada je prošle godine počela berba jabuka, plodovi su bili zreli, a berači spremni za posao. Međutim, visoke temperature promenile su planove.
„Bilo je oko 38 stepeni. Nije bezbedno da ljudi rade na takvoj vrućini“, kaže Džoel Karter iz kompanije Okanagan Specialty Fruits. Zbog vremenskih uslova, rad je morao da bude obustavljen već u 10 sati ujutru.
Karter smatra da bi modeli veštačke inteligencije koji predviđaju optimalne datume berbe, uzimajući u obzir i vremensku prognozu, bili veoma korisni.
„Nije dovoljno znati samo kada će voće sazreti. Važno je i koliko vremena imate da ga uberete. Tu su ovi modeli zaista korisni“, objašnjava on.
Kompanija Okanagan Specialty Fruits ima više od 1.250 hektara zasada jabuka u Vašingtonu. Njeno voće koristi se, između ostalog, za proizvodnju unapred isečenih komada jabuka koji se prodaju hotelima i školama. Kompanija ulaže u tehnologiju kako bi povećala produktivnost, a uzgaja i genetski modifikovane jabuke koje sporije tamne nakon sečenja.
Kamere i AI prate razvoj plodova
Planiranje berbe nije jednostavno. Cene voća, naročito skupljih bobičastih vrsta poput jagoda i borovnica, mogu znatno da variraju. Ako proizvođač pogrešno proceni vreme berbe, može da angažuje sezonske radnike kada za njima još nema potrebe ili da propusti period u kojem bi mogao da ostvari najveću zaradu.
Okanagan Specialty Fruits već testira kamere kanadske kompanije Vivid Machines. One se postavljaju na traktore i snimaju stabla dok se vozilo kreće kroz voćnjak. Veštačka inteligencija zatim analizira snimke i prepoznaje pupoljke, cvetove i plodove.
„Vivid nam trenutno daje procene prinosa i datuma berbe“, kaže Karter. Dodaje da sistem dobro prepoznaje čak i veoma sitne cvetne pupoljke, koje je teško uočiti golim okom.
Ipak, preciznost predviđanja u velikoj meri zavisi od kvaliteta istorijskih podataka koji se koriste za obuku sistema. Prema Karterovim rečima, veštačka inteligencija ne može jednostavno da prikupi informacije sa interneta i na osnovu njih pouzdano proceni prosečan prinos određene sorte jabuka. Predviđanja moraju da budu prilagođena konkretnom gazdinstvu.
Kod jabuka postoji nešto širi vremenski okvir za berbu. Karter navodi da se, na primer, jabuke sorte Granny Smith mogu brati tokom perioda od oko tri nedelje. Kod nekih drugih vrsta voća, naročito bobičastog, odgovarajući trenutak može da traje svega nekoliko dana.
Nekoliko dana može da napravi veliku razliku
„Kada jagode sazru, morate da ih uberete. U suprotnom, čitav rod može veoma brzo da oboli“, kaže Rejmond Martin, suosnivač i operativni direktor britanske kompanije FruitCast, koja proizvođačima voća nudi prognoze berbe.
FruitCast predviđa prinose i vreme berbe jagoda, malina, kupina, borovnica i paradajza, a planira da sledeće godine proširi usluge i na grožđe.
Iskusni poljoprivrednici uglavnom mogu da procene kada je njihovo voće zrelo, priznaje Martin. Problem nastaje kada gazdinstvo obuhvata velike površine ili kombinuje uzgoj na otvorenom i u zatvorenom prostoru.
„Radimo upravo ono što bi poljoprivrednici mogli sami da urade, ali u obimu koji oni ne mogu da postignu“, objašnjava Martin.
Sistem analizira snimke plodova u različitim fazama sazrevanja. Materijal može da se prikupi dronom, pametnim telefonom kojim neko snima redove u polju ili kamerom postavljenom na poljoprivrednu mašinu.
Ova godina bila je posebno izazovna za proizvođače u Velikoj Britaniji zbog visokih temperatura i ozbiljne suše. Takvi uslovi opteretili su brojne biljke, izazvali njihovo usporavanje usled toplotnog stresa i odložili razvoj plodova.
Model kompanije FruitCast uzima u obzir vremenske prilike i uslove navodnjavanja. Kompanija navodi da se njene procene nedelju dana unapred razlikuju od stvarno ubranih količina za manje od 10 odsto, dok tri nedelje unapred greška iznosi manje od 17 odsto. Takođe navodi da garantuje grešku manju od 20 odsto.
Među kompanijama koje su sarađivale sa FruitCastom je i Angus Soft Fruits. Njen direktor operacija Nil Finlejson ističe da tehnologija za predviđanje zrelosti voća još nije potpuno razvijeno rešenje.
„Ovaj proces i dalje traje. Ostvaren je značajan napredak, ali industrija je još daleko od potpuno integrisanog sistema za predviđanje“, kaže Finlejson.
Kompanija Driscoll’s, proizvođač i distributer bobičastog voća sa sedištem u Kaliforniji i velikim poslovanjem u Velikoj Britaniji, potvrdila je za BBC News da su pojedini nezavisni proizvođači sa kojima sarađuje u Velikoj Britaniji koristili tehnologiju kompanije FruitCast.
Novi senzori mogu da otkriju koliko je voće zrelo
Istraživači razvijaju i nove načine za detaljnu analizu plodova. Mnogi poljoprivrednici već koriste ručne refraktometre, uređaje kojima procenjuju sadržaj šećera u voću. Oni mere promenu pravca svetlosti pri prolasku kroz tečnost, što omogućava procenu količine rastvorenih materija.
Pojedini uređaji koriste infracrvenu svetlost, pa nije potrebno preseći plod da bi se obavilo merenje. Jasaman Ghasempur sa Univerziteta Prinston istražuje i mogućnost korišćenja milimetarskih talasa, odnosno visokofrekventnih radio-talasa koji mogu da prodru dublje u materijal.
„Oni veoma dobro reaguju na vlagu, vodu i šećer“, objašnjava Ghasempur.
Ona i njeni studenti razvili su uređaj za procenu zrelosti zasnovan na milimetarskim talasima. Takva tehnologija mogla bi da bude korisna poljoprivrednicima, ali i kupcima koji u prodavnici žele da izaberu savršeno zrelo voće. Studenti su uređaj isprobali na lokalnoj pijaci u Nju Džerziju.
„Zaposleni su se pomalo uplašili, misleći da radimo nešto sumnjivo“, kaže Ghasempur uz osmeh.
Detaljnija analiza plodova koji još nisu sazreli mogla bi da doprinese i preciznijem predviđanju trenutka kada će biti spremni za berbu.
Da li se ulaganje u AI isplati svakom proizvođaču?
Iako su pojedini proizvođači, poput Kartera, zainteresovani za nove tehnologije, drugi se pitaju da li je ulaganje u njih zaista opravdano.
„Uvođenje ovakvih rešenja je složen proces. Proizvođač mora da ima poverenja u istraživanje i da veruje da tehnologija zaista funkcioniše“, kaže Jing Džang sa Državnog univerziteta Severne Karoline.
Džang radi na sistemu koji automatski broji borovnice na osnovu fotografija žbunova snimljenih pametnim telefonom.
Neka rešenja ne moraju da budu skupa. Kevin Vang sa Univerziteta Floride razvio je još jedan alat za procenu prinosa koji može da koristi snimke sa dronova čija je cena oko
100 dolara. U budućnosti bi se takvi podaci mogli koristiti i za predviđanje zrelosti plodova.
Ipak, postoji i pitanje zaštite podataka. Neki proizvođači možda neće želeti da sa trećim stranama ili AI sistemima dele komercijalno osetljive informacije, poput planova za đubrenje i navodnjavanje.
Ben Paloun, direktor za automatizaciju i komercijalizaciju u organizaciji Western Growers, koja predstavlja poljoprivrednike na zapadu SAD, smatra da prognoze berbe imaju potencijal kao alat za optimizaciju proizvodnje.
Ipak, ljudska procena ostaće važna.
„Proizvođači žele da ljudi učestvuju u donošenju nekih veoma važnih odluka, posebno kada je reč o berbi“, zaključuje Paloun.
