Yapay zekâ araçları bazı meyve üreticilerinin mahsullerin ne zaman toplanmaya hazır olacağını tahmin etmesine yardımcı oluyor. Ancak tahminler çiftliğe özgü verilere bağlı ve bu teknoloji henüz tamamlanmış bir çözüm değil.
Washington eyaletinde 1.250 dönümden fazla elma bahçesi bulunan Okanagan Specialty Fruits, Kanada merkezli Vivid Machines'in traktörlere monte edilen kameralarını deniyor. Sistem, tomurcukları, çiçekleri ve meyveleri yapay zekâyla tanıyor; ardından mahsul tahminleri ve hasat tarihleri sunuyor. Şirket temsilcisi Joel Carter, sistemin çok küçük çiçek tomurcuklarını seçebildiğini, tahmin doğruluğunun ise geçmiş çiftlik verilerinin kalitesine bağlı olduğunu söylüyor. Carter'a göre Granny Smith elmalarının hasat dönemi yaklaşık üç hafta; bazı meyvelerde, örneğin orman meyvelerinde, bu süre yalnızca birkaç gün olabiliyor.
Birleşik Krallık merkezli FruitCast; çilek, ahududu, böğürtlen, yaban mersini ve domates için tahminler hazırlıyor. Bunun için dronlarla, akıllı telefonlarla ya da tarım araçlarına takılan kameralarla çekilen görüntüleri kullanıyor. Şirketin kurucu ortağı Raymond Martin, araçların geniş çiftliklerdeki mahsulleri değerlendirmeye yardımcı olduğunu söylüyor. FruitCast, hasat edilen miktara ilişkin tahminlerinin bir hafta öncesinden %10, üç hafta öncesinden %17 sapma içinde olduğunu ve %20'den az hata garantisi verdiğini belirtiyor.
Angus Soft Fruits operasyon direktörü Neill Finlayson, tahmin teknolojisinin ilerleme kaydettiğini ancak sektörün tamamen entegre bir sistemden hâlâ uzakta olduğunu söyledi. Araştırmacılar meyve olgunluğunu tespit etmek için milimetre dalgalarını da inceliyor. Princeton University'den Yasaman Ghasempour ve öğrencileri, üreticilerin veya alışveriş yapanların kullanabileceği bir dedektör geliştirdi.
Teknolojinin benimsenmesi hâlâ bir sorun. North Carolina State University'den Jing Zhang, üreticilerin yeni teknolojiye yatırım yapmanın değip değmeyeceğine karar vermesi gerektiğini söyledi.
Yorumlar
0Henüz yorum yok. İlk yorumu siz yazın.