Os agricultores são os mais recentes beneficiários em um mundo de análise de dados. Ao longo dos últimos anos, a agricultura de precisão tem ajudado os agricultores a tomar decisões mais inteligentes e produzir maior rendimento. Mas a maioria dos estudos até agora tem sido em colheitas em linha colhidas por grandes máquinas, possibilitado por dados coletados por drones e outros meios. Contudo, Richard Sowers, professor de engenharia de sistemas industriais e empresariais e matemática na Universidade de Illinois em Urbana-Champaign, e uma equipe de alunos desenvolveu um algoritmo que promete dar informações valiosas aos agricultores de safras colhidas manualmente.

Semeadores, junto com os alunos Nitin Srivastava e Peter Maneykowski desenvolveram um algoritmo que ajudará a otimizar a força de trabalho de colheitas altamente perecíveis escolhidas a dedo. Seu papel, Geolocalização Algorítmica da Colheita na Agricultura Selecionada, que aparecerá em Modelagem de Recursos Naturais , apresenta os resultados de um estudo realizado na colheita de manchas de morango nas Fazendas Crisalida em Oxnard, Califórnia. Menos de um ano atrás, Sowers foi coautor de um artigo intitulado, Culturas especiais escolhidas a dedo 'maduras' para técnicas de agricultura de precisão, abordar o tempo e o transporte de tais colheitas.

"Os morangos que você coloca no seu sorvete ou cereal são colhidos no momento por uma equipe de cerca de 10 trabalhadores, que principalmente ganham um salário por caixa arrecadada, "Sowers observou." Para o consumidor, é importante que os morangos sejam de boa qualidade e tenham uma boa aparência. "

De acordo com Sowers, os morangos que aparecem em cascas de amêijoas que você encontra no mercado ou em sua mercearia local estão em grande parte nas mesmas condições em que estavam quando foram colhidos no campo. Eles são carregados em uma caixa, em seguida, uma caixa maior, em seguida, em um palete e, finalmente, em um caminhão. O processo é então revertido no mercado.

"Um dos aspectos que me interessam é o fato de que há humanos envolvidos na colheita, "Sowers disse." Assim como o histórico de navegação na Internet difere de pessoa para pessoa, em linhas semelhantes, a capacidade dos trabalhadores de colher morangos é diferente. Isso levanta a questão:como você pensa sobre os dados nesse setor? Porque a variabilidade humana tem um efeito enorme.

"Descobrir o que está acontecendo no campo é uma questão importante, "Ele acrescentou." Identificar que certas partes do campo estão produzindo uma colheita de qualidade superior ou inferior pode ser valioso na estratégia de colheita. "

Em vez de exigir que um trabalhador insira os dados durante a colheita, o que tornaria o processo mais lento, A equipe de Sowers conseguiu localizar o movimento exato de cada trabalhador por meio de rastreamento por GPS em um smartphone que cada um carregava consigo. Com base nesses dados, a equipe desenvolveu um algoritmo para prever a quantidade de caixas concluídas.

Os dados prometem levar a técnicas mais precisas de colheita. Por exemplo, um conjunto de controle de qualidade normalmente ocorre na borda do campo e, muitas vezes, há um acúmulo de trabalhadores esperando na fila. Mais dados ajudarão a planejar os melhores horários para fornecer esse controle, bem como programar as empilhadeiras para coletar os paletes e colocá-los em um refrigerador. O tempo é essencial, pois o clima quente pode ter um efeito dramático na qualidade do produto.

"No momento, estamos apenas tentando rastrear, "Sowers observou." Você não pode controlar o que não pode medir. Estamos tentando medir o que está acontecendo no campo, na verdade, no campo, não na borda do campo onde os dados estão sendo coletados. Se você souber a cada momento quanto está sendo colhido, você pode agendar melhor, reorganizar as equipes de colheita ou refazer as tarefas. "

A Sowers reitera ainda mais a importância dessa medição para a indústria porque um cálculo incorreto da força de trabalho pode eliminar completamente o lucro.

"Se isso acontecer, todos os nutrientes que entraram nele (água, fertilizantes, azoto, etc.) é simplesmente desperdiçado, "disse ele." Se você puder alocar melhor os recursos e prevenir ou diminuir o tempo que algumas dessas pilhas de frutas ficam no campo, isso é uma vitória. "

A equipe provou com sucesso que esses comportamentos podem ser rastreados e analisados ​​e está planejando retornar à Califórnia para refiná-los.

"Há uma valorização cada vez maior dos dados nesta indústria, "Disse Sowers." Eu gostaria de voltar e fazer isso em uma escala maior para que possamos tentar comparar isso com algo que está em um nível de produção. Para realmente ter um impacto, precisamos entender e processar os dados em um nível de certeza que seja tão bom ou comparável ao que é necessário para realmente tomar algumas decisões para realocar pessoas e otimizar o layout dos campos. "