AI-verktyg hjälper odlare att förutse när frukt är redo att skördas

AI-verktyg hjälper vissa fruktodlare att uppskatta när grödor är redo att plockas, men prognoserna bygger på gårdsspecifika uppgifter och tekniken är ännu ingen färdig lösning.

Okanagan Specialty Fruits, som har mer än 1 250 acres äppelodlingar i delstaten Washington, testar traktormonterade kameror från kanadensiska Vivid Machines. Systemet använder AI för att identifiera knoppar, blommor och frukt och ger sedan skördeuppskattningar och skördedatum. Företagets representant Joel Carter säger att systemet kan upptäcka mycket små blomknoppar, medan prognosernas träffsäkerhet beror på kvaliteten på historiska gårdsdata. Enligt Carter har Granny Smith-äpplen ett skördefönster på omkring tre veckor, jämfört med bara några dagar för vissa bär.

Storbritannienbaserade FruitCast gör prognoser för bland annat jordgubbar, hallon, björnbär, blåbär och tomater med hjälp av material från drönare, smarttelefoner eller kameror på lantbruksfordon. Medgrundaren Raymond Martin säger att verktygen hjälper till att bedöma grödor på stora gårdar. FruitCast uppger att prognoserna ligger inom 10 % av den plockade volymen en vecka i förväg och inom 17 % tre veckor i förväg, och att företaget garanterar mindre än 20 % fel.

Angus Soft Fruits operativa chef Neill Finlayson sade att prognostekniken har gjort framsteg, men att branschen fortfarande har en bit kvar till ett helt integrerat system. Forskare undersöker också millimetervågor för att upptäcka fruktmognad. Yasaman Ghasempour och hennes studenter vid Princeton University har utvecklat en detektor som odlare eller kunder skulle kunna använda.

Det är fortfarande svårt att få tekniken att få fäste. Jing Zhang vid North Carolina State University sade att odlare måste avgöra om det lönar sig att investera i ny teknik.