ИИ подсказывает фермерам, когда собирать урожай: как это работает и где пока не идеально
ИИ против погоды: как алгоритмы предсказывают идеальный день для сбора урожая
Когда в прошлом году в штате Вашингтон наступил первый день сбора яблок, фрукты были спелыми, а сборщики готовы — но погода распорядилась иначе. «Было около 38 градусов… работать в такую жару небезопасно, — вспоминает Джоэл Картер из Okanagan Specialty Fruits. — Нам пришлось остановиться в 10 утра». Он говорит, что модели искусственного интеллекта (ИИ), прогнозирующие идеальные даты сбора с учётом погоды, были бы полезны. «Нужно знать не только, когда фрукты созреют. Сколько у вас времени на сбор? Вот где эти модели действительно помогают».
У компании Картера более 1250 акров яблоневых садов в Вашингтоне, и фрукты выращиваются для нарезки — часто продаются отелям и школам. Фирма инвестирует в технологии в надежде максимизировать производительность. Даже яблоки генетически модифицированы, чтобы не темнеть после нарезки. Но планировать сбор урожая сложно. Появляются новые инструменты, которые подсчитывают и анализируют фрукты на дереве или лозе и предсказывают, когда урожай созреет. Это важно, потому что цены на фрукты, особенно на высокоценные ягоды вроде клубники или голубики, могут сильно колебаться. Ошибка с датой сбора означает, что вы бронируете сезонных рабочих, когда они на самом деле не нужны, и рискуете упустить максимальную прибыль.
Камеры на тракторах и анализ бутонов
Okanagan Specialty Fruits уже экспериментирует с камерами канадской фирмы Vivid Machines. Камеры устанавливаются на крыше тракторов и собирают изображения яблонь, пока трактор едет. ИИ распознаёт в этих кадрах бутоны, цветы или плоды. «Сейчас Vivid сообщает нам оценки урожая и даты сбора, — говорит Картер. — Система хорошо распознаёт очень маленькие цветочные бутоны, которые трудно увидеть невооружённым глазом». Но точность прогнозов заметно зависит от качества исторической информации, подаваемой в систему, добавляет он. «Это не то, где ИИ может просто поискать в интернете и выяснить средний урожай для Грэнни Смит. Это будет индивидуально для вашей фермы».
Яблоки, по крайней мере, относительно снисходительны — окно сбора для тех самых Грэнни Смит составляет три недели, говорит Картер. Для других фруктов, таких как ягоды, у вас может быть всего несколько дней. «Если урожай клубники поспел, его нужно собрать — иначе весь урожай очень быстро заболеет», — говорит Рэймонд Мартин, соучредитель и операционный директор FruitCast, британской компании, предлагающей прогнозы урожая для фермеров.
Его фирма предлагает прогнозы для клубники, а также малины, ежевики, голубики и томатов. «В следующем году переходим на виноград», — добавляет Мартин. Неужели опытные фермеры не знают, когда их фрукты созреют? Мартин говорит, что generally знают — но не обязательно по всей ферме, которая может занимать много акров или включать как открытые, так и закрытые площади. «Мы делаем именно то, что могли бы делать фермеры, но просто в масштабе, который им недоступен».
Погода, засуха и точность прогнозов
Система анализирует кадры созревающих фруктов, которые могут быть сняты дронами, человеком со смартфоном или камерой на сельхозтехнике. Этот год был сложным, отмечает Мартин: жаркая погода и сильная засуха ударили по большей части Великобритании. Это подвергло многие плодовые растения стрессу, введя их в тепловую спячку и замедлив производство плодов. Модель FruitCast учитывает погоду и условия орошения в своих прогнозах. Компания утверждает: «Наши прогнозы укладываются в 10% от фактического объёма сбора за неделю (точность 90%) и в 17% за три недели (точность 83%). Мы гарантируем погрешность менее 20%».
Angus Soft Fruits — одна из компаний, работавших с FruitCast. ИИ-технология для прогнозирования спелости ещё не «готовое решение», говорит операционный директор Нил Финлейсон: «Этот путь ещё продолжается, и, хотя достигнут значительный прогресс, отрасль всё ещё далека от полностью интегрированной экосистемы прогнозирования». Driscolls, калифорнийский продавец фруктов с крупными операциями в Великобритании, также подтвердил BBC News, что некоторые из его независимых производителей использовали технологию FruitCast.
Миллиметровые волны и подсчёт голубики
Исследователи также изучают новые способы анализа фруктов в мельчайших деталях. Многие фермеры уже используют ручные рефрактометры (brix-метры) для измерения содержания сахара в урожае. Эти устройства измеряют, насколько свет изменил направление, проходя через жидкость, — указывая на объём твёрдых веществ. Некоторые такие метры используют инфракрасный свет, что позволяет не разрезать фрукт. Но Ясаман Гассемпур из Принстонского университета говорит, что миллиметровые волны (высокочастотные радиоволны) могут проникать глубже. «Они очень хорошо реагируют на влажность, воду и сахар», — говорит она. Она и её студенты разработали детектор спелости на основе миллиметровых волн, который могли бы использовать фермеры — или даже покупатели, ищущие идеально спелые фрукты в магазинах.
Такой мелкозернистый анализ фруктов, если они ещё не созрели, также может помочь в прогнозах того, когда они созреют. Но хотя некоторые производители, такие как Картер, заинтересованы в тестировании новых технологий, многие задаются вопросом, стоит ли инвестировать. «Adoption очень сложен, — говорит Цзин Чжан из Университета штата Северная Каролина. — Производитель должен быть уверен в исследовании и в том, работает ли оно». Чжан работала над системой автоматического подсчёта голубики на смартфонных изображениях кустов.
Простейшие системы не обязательно дороги. Кевин Ван из Университета Флориды разработал другой инструмент подсчёта урожая, который может собирать изображения с дронов за $100. В будущем такая информация могла бы питать прогнозы спелости. Однако он указывает, что некоторые фермеры могут быть не готовы делиться коммерчески чувствительной информацией о своих стратегиях выращивания — например, планами удобрения и орошения — с третьими сторонами и ИИ-моделями.
Бен Палон, старший директор по автоматизации и коммерциализации в Western Growers, ассоциации, представляющей фермеров на западе США, говорит, что прогнозы урожая имеют потенциал как «инструмент оптимизации». Но фермеры, вероятно, продолжат полагаться на человеческий интеллект. «Производители любят, когда в процессе участвуют люди, принимающие некоторые из этих критически важных решений — особенно когда речь идёт о сборе урожая», — говорит он.
Ключевые факты
- Компании: Vivid Machines (Канада), FruitCast (Великобритания), Okanagan Specialty Fruits (США)
- Методы: камеры на тракторах, дроны ($100), смартфоны, миллиметровые волны
- Точность FruitCast: 90% за неделю, 83% за три недели
- Гарантия: менее 20% погрешности
- Окно сбора: яблоки — 3 недели, клубника — несколько дней
- Проблемы: adoption, доверие, обмен данными, зависимость от исторических данных
- Позиция фермеров: люди всё ещё нужны для критических решений
Сравнение: традиционный подход vs ИИ-прогнозы
| Аспект | Традиционно | С ИИ |
|---|---|---|
| Оценка спелости | Опыт, визуальный осмотр | Камеры, дроны, датчики |
| Масштаб | Ограничен размером фермы | Вся ферма, включая отдалённые участки |
| Точность | Зависит от опыта | 90% за неделю до сбора |
| Учёт погоды | Интуитивно | Модели учитывают температуру, засуху, орошение |
| Стоимость | Низкая | От $100 (дрон) до подписки |
| Доверие | Высокое | Требует доказательств |
Итог: ИИ уже помогает фермерам точнее определять даты сбора, но пока это скорее инструмент поддержки, чем замена человеческого опыта. Камеры, дроны и миллиметровые волны дают данные, но adoption идёт медленно: фермеры не спешат делиться информацией и доверять алгоритмам. Будущее — за гибридным подходом, где ИИ считает и предсказывает, а человек принимает окончательное решение. Особенно когда речь идёт о том, чтобы не потерять урожай из-за жары в 38 градусов.
ДРУГИЕ СТАТЬИ
29.09.2026
Суд присяжных в Калифорнии обязал Apple выплатить $5,7 млрд за нарушение патентов на вибрацию
Apple обязали выплатить 5,7 миллиарда долларов (4,3 миллиарда фунтов) в качестве компенсации после того, как суд присяжных в США установил, что компания использовала технологию другой фирмы без разрешения. Аудиокомпания Taction Technology заявила в 2021 году, что Apple нарушила два её патента на системы хаптики — технологии, обеспечивающие вибрацию при получении сообщения или нажатии кнопки. Эта технология встроена в такие устройства, как iPhone и Apple Watch.
Apple заявила, что н
25.09.2026
Самолёт с носом муравьеда и камерой вместо лобового стекла: зачем NASA строит X-59
Над США летает странный и удивительный реактивный самолёт. У него нос муравьеда, детали, позаимствованные у других самолётов, и кабина, настолько сдвинутая назад, что пилот полагается на камеру, чтобы видеть, куда он летит. Этот аппарат, X-59, возможно, и есть будущее авиаперелётов.
X-59 обязан своим эксцентричным дизайном проблеме сверхзвуковых хлопков. Ударная волна, создаваемая самолётом, преодолевающим звуковой барьер, ограничила Concorde полётами над морем и запрет
23.09.2026
Не все работники ИИ-индустрии верят, что технология убьёт человечество
Не все сотрудники крупных компаний, работающих над искусственным интеллектом, считают, что технология несёт гибель человечеству. В переписках и разговорах несколько человек, работавших в таких компаниях, как OpenAI, Meta и DeepMind, выразили скептицизм по поводу идеи, что неконтролируемое развитие ИИ приведёт к созданию инструментов, способных убивать людей массово. «Лол», «Ха-ха-ха» и «Принесите смехуёчки» — среди реакций, которые BBC получила на недавнюю волну громких предупре
21.09.2026
Виртуальные миры, в которых обучают роботов: как стартап из Кембриджа ускоряет обучение
Робот Фреддо идёт по офису и берёт пластиковую бутылку, предложенную сотрудником. Учитывая, что недавно робот побил рекорд Усэйна Болта на 100 метров, это не самое поразительное достижение. Но скорость, с которой Фреддо научился ходить, распознавать бутылку и хватать её, впечатляет. На освоение этих навыков ушло всего несколько минут. Разработчики утверждают, что конкурирующим системам могут потребоваться дни.
Я нахожусь в Vsim — британском стартапе из Ке
ПИШИТЕ
Техническая поддержка проекта ВсеТут