Профессор Иллинойского университета в Урбана-Шампейн Ричард Соуэрс, вместе с командой студентов разработал алгоритм, который может предоставить фермерам полезную информацию о растениях, чей урожай собирается вручную.
Фермеры обычно последними получают преимущества от информационной аналитики, отмечает eurekalert.org. В последние пару лет точное земледелие помогало им принимать более умные решения и получать богатый урожай. Но большинство исследований были сосредоточены на пропашных культурах, которые собирают большие машины. Данные о них собирались с помощью дронов и других устройств. Теперь профессор Ричард Соуэрс, вместе со студентами Иллинойского университета, создал алгоритм, способный предоставить ценные сведения о растениях, собираемых вручную.
Выводы проекта представлены в Natural Resource Modeling. Исследователи сосредоточились на сборе клубники на Crisalida Farms в Окснарде, Калифорния.
«Ягоды, которые вы кладете в мороженое или кашу, собираются командой примерно из 10 рабочих, чья зарплата зависит от количества сданных контейнеров, — сказал Соуэрс. – Для покупателей важно, чтобы клубника была хорошего качества и красиво выглядела».
По словам профессора, ягоды, представленные на рынке или магазине, находятся почти в том же состоянии, как и во время сбора. Клубника попадает в коробку, та в – ящик, он – в паллет, который помещается в грузовик. На рынке процедура повторяется в обратном порядке.
«Одним из заинтересовавших меня фактов стало участие людей в сборе, — отметил Соуэрс. – Как и история в Интернет-браузере, способность сбора ягод меняется, в зависимости от человека. Я хотел понять, как используются данные в этой индустрии. Так как человеческий фактор играет в ней сильную роль».
В частности, специалист хотел лучше понять происходящее на поле. Вместо того, чтобы заставить рабочих вводить данные во время сбора (и замедлять процесс), команда Соуэрса смогла отследить их движения с помощью GPS на смартфонах людей. Основываясь на этих сведениях, команда разработала алгоритм, предсказывающий количество собранных коробок. Он может помочь оптимизировать контроль качества и распределение рабочей силы. Сейчас команда планирует заняться доработкой алгоритма.