Onderzoekers introduceren AI-tool om olijfboeren te helpen het tijdstip van de oogst te voorspellen

Samenvatting

De Predic 1 Operational Group heeft met succes een platform ontwikkeld om olijfoogsten tot een heel seizoen vooruit te voorspellen met een nauwkeurigheid tot 90 procent, met behulp van data mining-methodologieën en machine learning-algoritmen. Het project, gefinancierd door Europese landbouwfondsen, heeft als doel een gratis beschikbare webgebaseerde applicatie te bieden om het boerderijbeheer en de optimalisatie van hulpbronnen in de olijfsector te verbeteren, met het potentieel om de besluitvorming en duurzaamheid in de industrie te verbeteren.

Na meer dan drie jaar ontwikkeling werden de resultaten van het werk van de Predic 1 Operational Group vorige maand gepresenteerd op een conferentie in Mengíbar, Jaén.

De opdracht van de groep was om een ​​platform te bieden dat daartoe in staat is het voorspellen van de olijvenoogst een heel seizoen van tevoren, een doel dat ze naar eigen zeggen met een nauwkeurigheid van wel 90 procent hadden bereikt.

Het werk werd uitgevoerd door een consortium bestaande uit de Universiteit van Jaén, Cetemet, Citoliva, Cooperativas Agro-alimentarias de Andalucía, een boerenbond, en Nutesca, waarbij traditionele Picual-olijfgaarden in Jaén, Córdoba en Granada als testcases werden gebruikt.

Volgens María Isabel Ramos, professor aan de afdeling Cartografische, Geodetische en Fotogrammetrische Techniek van de Universiteit van Jaén en corresponderende auteur van een rapport uit 2022 studies Over de technologie zijn voorspellende systemen cruciaal voor de toekomst van de olijvensector.

"Op wetenschappelijk niveau is het voorspellen van de oogstoogst een van de meest complexe problemen binnen de precisielandbouw”, zegt ze. ​"Er zijn verschillende onderzoeken die deze voorspellingen doen op basis van de nauwe relatie tussen de uitstoot van stuifmeel en de fruitproductie, andere op basis van aerobiologische, fenologische en meteorologische variabelen, allemaal met efficiënte en acceptabele nauwkeurigheid vanaf juli.”

"We zijn van plan deze voorspelling te bevorderen en optimale voorspellingen te kunnen doen in de periode vóór de bloei... lang voordat de boer zijn strategische planning en economische investeringen in de boerderij uitvoert", voegde Ramos eraan toe.

De groep gebruikte datamining-methodologieën die eerder werden gebruikt in voorspellende gezondheidszorgprojecten om regressiemodellen te creëren op basis van meteorologische gegevens en historische oogstgegevens uit het oorspronkelijke doelgebied.

Dit werd gecombineerd met actuele gegevens van drones uitgerust met thermografische sensoren en multispectrale camera's, satellietbeelden, fenologische beoordelingen, blad- en bodemanalyses en gegevens verzameld van modelboerderijen.

Het model maakt gebruik van machine learning, het best gevestigde gebied van kunstmatige intelligentie en een gebied met een bewezen staat van dienst in de landbouw, om de gewasopbrengsten zo nauwkeurig mogelijk te voorspellen.

Het gebruik van een ondersteunend vectormachine-algoritme maakte het mogelijk om meerdere kernels te gebruiken, namelijk de lineaire en Gaussische kernels. Hierdoor kan het algoritme zich gemakkelijker aanpassen aan de aard van de gegevens, waardoor oneindige transformaties kunnen worden uitgevoerd.

Het platform zal gratis beschikbaar zijn als een webgebaseerde applicatie vergelijkbaar met SIGPAC, het geografische informatiesysteem van de Spaanse overheid voor landbouwpercelen.

Gebruikers kunnen een interactieve grafische weergave van de gevraagde informatie bekijken en de gegevens exporteren.

Francisco Ramón Feito Higueruela, voorzitter van computergraphics en geomatica aan de Universiteit van Jaén en technisch coördinator van het project, legde uit dat naarmate het aantal gebruikers toeneemt en de resultaten van toekomstige oogsten worden teruggekoppeld naar het systeem, de nauwkeurigheid van de voorspellingen zal verbeteren. . Er zullen efficiëntere modellen op maat van elk gebied mogelijk zijn.

José Menar Pacheco van de Cooperativas Agro-alimentarias de Andalucía benadrukte het belang van de rol van zijn organisatie bij het verspreiden van de projectresultaten en kennis onder belanghebbenden.

Hij hoopt te zorgen voor een breed bewustzijn en adoptie van de bevindingen van het project om het boerderijbeheer en de optimalisatie van de hulpbronnen van zijn leden te verbeteren. Deze leden zijn goed voor ruim €11 miljoen aan jaaromzet en ruim 70 procent van de totale olijfolieproductie van Andalusië.

Het project wordt gefinancierd via de Europese landbouwfondsen voor plattelandsontwikkeling en de Andalusische regionale overheid als onderdeel van de oproep voor regionale operationele groepen van het Europese Innovatiepartnerschap op het gebied van landbouwproductiviteit en duurzaamheid in de olijvensector.

"Binnen Gemeenschappelijk Landbouwbeleidwordt een reeks nieuwe hervormingen doorgevoerd, waaronder de strijd tegen klimaatverandering met deze milieudoelstellingen, evenals het verwezenlijken van een duurzame en concurrerende landbouwsector door boeren te ondersteunen, en dit alles met een sterke inzet voor de digitalisering van de olijvensector om deze doelstellingen te bereiken”, aldus Ramos.

Ze voegde toe, ​"De verwezenlijking van deze doelstellingen hangt af van de juiste besluitvorming door elk van de bij de sector betrokken actoren. Daarom zijn voorspellende systemen een cruciaal hulpmiddel bij management en besluitvorming.”

• Universiteit van Jaén