Jordbrukare är de senaste mottagarna i en värld av dataanalys. Under de senaste åren, precisionsjordbruk har hjälpt jordbrukare att fatta smartare beslut och producerat ett större avkastning. Men de flesta studierna hittills har gjorts i radgrödor som skördats med stora maskiner, möjliggjort genom data som samlats in med drönare och andra medel. Dock, Richard Sowers, professor i industriell och företags systemteknik och matematik vid University of Illinois i Urbana-Champaign, och ett team av studenter har utvecklat en algoritm som lovar att ge värdefull information till jordbrukare av grödor som plockas för hand.

Såmaskiner, Tillsammans med studenterna har Nitin Srivastava och Peter Maneykowski utvecklat en algoritm som hjälper till att effektivisera arbetskraften för mycket lättförgängliga handplockade grödor. Deras papper, Algoritmisk geolokalisering av skörd i handplockat jordbruk, som kommer att visas i Naturresursmodellering , presenterar resultaten av en studie som gjorts vid skörden av jordgubbsfläckar på Crisalida Farms i Oxnard, Kalifornien. För mindre än ett år sedan, Sowers var medförfattare till ett papper med titeln, Handplockade specialgrödor "mogna" för precisions jordbruksteknik, ta upp tidpunkten och transporten av sådana grödor.

"Jordgubbarna som du lägger på din glass eller flingor plockas för tillfället av en besättning på tio arbetare, som mest tjänar en lön per insamlad låda, "Såmar noterade." För konsumenten, det är viktigt att jordgubbarna är av god kvalitet och ser snygga ut. "

Enligt Sowers, jordgubbarna som visas i musselskal som du hittar på marknaden eller i din lokala livsmedelsbutik är i stort sett i samma skick som när de plockades från åkern. De laddas i en låda, sedan en större låda, sedan på en pall och slutligen på en lastbil. Processen vänds sedan om på marknaden.

"En av aspekterna som jag är intresserad av är det faktum att det finns människor som är involverade i att plocka, "Sowers sa." Precis som internethistorik skiljer sig från person till person, på liknande sätt, en arbetares förmåga att skörda jordgubbar är annorlunda. Detta väcker frågan:hur tänker du om data i den branschen? Eftersom den mänskliga variationen har en enorm effekt.

"Att ta reda på vad som händer på fältet är en viktig fråga, "tillade han." Att identifiera att vissa delar av fältet producerar en skörd av högre eller lägre kvalitet kan vara värdefullt i skördstrategin. "

Istället för att kräva att en arbetare anger uppgifter under skörden, vilket skulle bromsa processen, Sowers team kunde identifiera varje arbetares exakta rörelse genom GPS -spårning på en smart telefon som alla hade med sig. Baserat på dessa uppgifter, laget utvecklade en algoritm för att förutsäga mängden färdiga lådor.

Uppgifterna lovar att i slutändan leda till mer precisionstekniker för skörd. Till exempel, en uppsättning kvalitetskontroll sker vanligtvis vid kanten av fältet och ofta finns det en eftersläpning av arbetare som väntar i kön. Mer data hjälper bättre att planera de bästa tiderna för att ge denna kontroll samt schemalägga gaffeltruckar för att plocka upp pallar och sätta dem i en kylare. Tiden är avgörande eftersom varmt väder kan ha en dramatisk effekt på produkternas kvalitet.

"Just nu, vi försöker bara spåra, "Sowers noterade." Du kan inte hantera det du inte kan mäta. Vi försöker mäta vad som händer på fältet faktiskt på fältet, inte i utkanten av fältet där data för närvarande samlas in. Om du ögonblickligen vet hur mycket som skördas, du kan bättre schemalägga, ordna om skördebesättningar eller omarbeta. "

Sowers upprepar ytterligare mätningens betydelse för industrin eftersom felräkning av arbetskraften helt kan eliminera vinst.

"Om det händer, alla näringsämnen som gick in i det (vatten, gödningsmedel, kväve, etc.) är bara bortkastat, "sa han." Om du bättre kan fördela resurser och förhindra eller minska tiden som några av dessa högar bär sitter på åkern, det är en vinst. "

Teamet bevisade framgångsrikt att dessa beteenden kan spåras och analyseras och planerar att återvända till Kalifornien för att förfina det.

"Det finns en mer och mer uppskattning för data i denna bransch, "Sowers sa." Jag skulle vilja gå tillbaka och göra detta i större skala så att vi kan försöka jämföra detta med något som är i produktionsklass. För att faktiskt få effekt, vi måste förstå och bearbeta uppgifterna på en nivå av säkerhet som är lika bra som eller jämförbar med vad som behövs för att faktiskt fatta vissa beslut för omfördelning av människor och för att optimera layouten av fält. "