Algoritme kunne strømline høst af håndplukkede afgrøder

Landmænd er de seneste modtagere i en verden af ​​dataanalyse. I løbet af de sidste par år, præcisionslandbrug har hjulpet landmænd med at træffe smartere beslutninger og producere et større udbytte. Men de fleste undersøgelser til dato har været i rækkeafgrøder høstet af store maskiner, muliggjort af data indsamlet af droner og andre midler. Imidlertid, Richard Sowers, en professor i industri- og virksomhedssystemteknik og matematik ved University of Illinois i Urbana-Champaign, og et team af studerende har udviklet en algoritme, der lover at give værdifuld information til landmænd om afgrøder plukket i hånden.

Såmænd, sammen med eleverne Nitin Srivastava og Peter Maneykowski har udviklet en algoritme, som vil hjælpe med at strømline arbejdsstyrken af ​​meget letfordærvelige håndplukkede afgrøder. Deres papir, Algoritmisk geolokalisering af høst i håndplukket landbrug, som vil dukke op i Naturressourcemodellering , præsenterer resultaterne af en undersøgelse udført ved høsten af ​​jordbærpletter på Crisalida Farms i Oxnard, Californien for mindre end et år siden, Sowers var medforfatter til et papir med titlen, Håndplukkede specialafgrøder 'modne' til præcisionslandbrugsteknikker, adressering af timingen og transporten af ​​sådanne afgrøder.

"De jordbær, du putter på din is eller korn, bliver for øjeblikket plukket af en besætning på omkring 10 arbejdere, som for det meste tjener en løn pr. indsamlet kasse, " Såmænd bemærkede. "For forbrugeren, det er vigtigt, at jordbærene er af god kvalitet og ser pæne ud."

Ifølge Sowers, de jordbær, der optræder i muslingeskaller, som du finder på markedet eller i din lokale købmand, er stort set i samme stand, som de var, da de blev plukket fra marken. De er fyldt i en kasse, så en større kasse, derefter på en palle og til sidst på en lastbil. Processen vendes derefter på markedet.

"Et af de aspekter, jeg er interesseret i, er det faktum, at der er mennesker involveret i at vælge, " Sowers sagde. "Ligesom internetbrowsinghistorikken er forskellig fra person til person, på samme måde, en arbejders evne til at høste jordbær er anderledes. Dette rejser spørgsmålet:hvordan tænker du om data i den branche? Fordi den menneskelige variation har en enorm effekt.

"At finde ud af, hvad der foregår i feltet, er et vigtigt spørgsmål, " tilføjede han. "At identificere, at visse dele af marken producerer en høst af højere eller lavere kvalitet, kan være værdifuldt i høststrategien."

I stedet for at kræve, at en arbejder indtaster data under høst, hvilket ville bremse processen, Sowers 'team var i stand til at identificere hver medarbejders nøjagtige bevægelse gennem GPS -sporing på en smarttelefon, der hver var medbragt. Baseret på disse data, holdet udviklede en algoritme til at forudsige mængden af ​​færdige kasser.

Dataene lover i sidste ende at føre til mere præcisionsteknikker til høst. For eksempel, ét sæt kvalitetskontrol finder typisk sted på kanten af ​​marken, og ofte er der et efterslæb af arbejdere, der venter i køen. Flere data vil bedre hjælpe med at planlægge de bedste tidspunkter for at give denne kontrol samt planlægge gaffeltrucks til at hente paller og lægge dem i en køler. Tid er afgørende, da varmt vejr kan have en dramatisk effekt på kvaliteten af ​​produkterne.

"I øjeblikket, vi prøver bare at spore, " Sowers bemærkede. "Du kan ikke klare det, du ikke kan måle. Vi forsøger at måle, hvad der foregår i marken faktisk i marken, ikke i udkanten af ​​feltet, hvor data i øjeblikket indsamles. Hvis du øjeblik for øjeblik ved, hvor meget der bliver høstet, du kan bedre planlægge, omarranger høstbesætninger, eller ny opgave."

Sowers gentager yderligere vigtigheden af ​​denne måling for industrien, fordi fejlberegning af arbejdsstyrken fuldstændig kunne eliminere profit.

"Hvis det sker, alle de næringsstoffer, der gik ind i det (vand, gødning, nitrogen, osv.) er bare spildt, "sagde han." Hvis du bedre kan allokere ressourcer og forhindre eller reducere den tid, nogle af disse stakke bær sidder i marken, det er en sejr."

Holdet har med succes bevist, at denne adfærd kan spores og analyseres og planlægger at vende tilbage til Californien for at forfine den.

"Der er en mere og mere påskønnelse af data i denne industri, " Sawers sagde. "Jeg vil gerne gå tilbage og gøre dette i større skala, så vi kan prøve at sammenligne dette med noget, der er i en produktionsklasse. For faktisk at have indflydelse, vi er nødt til at forstå og behandle dataene på et niveau af sikkerhed, der er lige så godt som eller sammenligneligt med, hvad der er nødvendigt for faktisk at træffe nogle beslutninger om omallokering af mennesker og for at optimere layoutet af felter."