Les agriculteurs sont les derniers bénéficiaires dans un monde d'analyse de données. Au cours des dernières années, L'agriculture de précision aide les agriculteurs à prendre des décisions plus judicieuses et à produire un rendement plus important. Mais la plupart des études à ce jour ont porté sur des cultures en rangs récoltées par de grosses machines, rendu possible par les données collectées par des drones et d'autres moyens. Cependant, Richard Semeurs, professeur d'ingénierie des systèmes industriels et d'entreprise et de mathématiques à l'Université de l'Illinois à Urbana-Champaign, et une équipe d'étudiants ont développé un algorithme qui promet de donner des informations précieuses aux agriculteurs sur les cultures cueillies à la main.

Semeurs, avec les étudiants Nitin Srivastava et Peter Maneykowski, ils ont développé un algorithme qui aidera à rationaliser la main-d'œuvre des cultures hautement périssables cueillies à la main. Leur papier, Géolocalisation algorithmique des récoltes en agriculture cueillie à la main, qui apparaîtra dans Modélisation des ressources naturelles , présente les résultats d'une étude menée lors de la récolte des parcelles de fraises aux Fermes Crisalida à Oxnard, Californie Il y a moins d'un an, Sowers a co-écrit un article intitulé, Cultures spéciales cueillies à la main « mûres » pour les techniques d'agriculture de précision, concernant le calendrier et le transport de ces cultures.

« Les fraises que vous mettez sur votre glace ou vos céréales sont pour le moment cueillies par une équipe d'une dizaine d'ouvriers, qui gagnent majoritairement un salaire par boîte collectée, " Les semeurs ont noté. " Pour le consommateur, il est important que les fraises soient de bonne qualité et jolies."

Selon Semeurs, les fraises qui apparaissent dans les coquilles de palourdes que vous trouvez au marché ou à votre épicerie locale sont en grande partie dans le même état qu'elles étaient lorsqu'elles ont été cueillies dans le champ. Ils sont chargés dans une boîte, puis une plus grande boîte, puis sur une palette et enfin sur un camion. Le processus est ensuite inversé au marché.

"L'un des aspects qui m'intéresse est le fait qu'il y a des humains impliqués dans la cueillette, " A déclaré Sowers. " Tout comme l'historique de navigation sur Internet diffère d'une personne à l'autre, dans le même sens, la capacité d'un travailleur à récolter des fraises est différente. Cela soulève la question :que pensez-vous des données dans cette industrie ? Parce que la variabilité humaine a un effet énorme.

"Comprendre ce qui se passe sur le terrain est une question importante, " Il a ajouté. " Identifier que certaines parties du champ produisent une récolte de qualité supérieure ou inférieure peut être précieux dans la stratégie de récolte. "

Plutôt que d'exiger d'un travailleur qu'il entre des données pendant la récolte, ce qui ralentirait le processus, L'équipe de Sowers a pu localiser le mouvement exact de chaque travailleur grâce au suivi GPS sur un téléphone intelligent que chacun transportait avec eux. Sur la base de ces données, l'équipe a développé un algorithme pour prédire le nombre de boîtes remplies.

Les données promettent de conduire à terme à des techniques de récolte plus précises. Par exemple, un ensemble de contrôle de la qualité se produit généralement au bord du champ et il y a souvent un arriéré de travailleurs en attente dans la file d'attente. Plus de données permettront de mieux planifier les meilleurs moments pour fournir ce contrôle ainsi que de programmer les chariots élévateurs pour ramasser les palettes et les mettre dans une glacière. Le temps presse car le temps chaud peut avoir un effet dramatique sur la qualité des produits.

"À l'heure actuelle, nous essayons juste de suivre, " Sowers a noté. " Vous ne pouvez pas gérer ce que vous ne pouvez pas mesurer. Nous essayons de mesurer ce qui se passe sur le terrain en fait sur le terrain, pas au bord du champ où les données sont actuellement collectées. Si vous savez à chaque instant quelle quantité est récoltée, vous pouvez mieux planifier, réorganiser les équipes de récolte ou redéfinir les tâches. »

Sowers rappelle en outre l'importance de cette mesure pour l'industrie, car une erreur de calcul de la main-d'œuvre pourrait éliminer complètement le profit.

« Si cela arrive, tous les nutriments qui y sont entrés (eau, les engrais, azote, etc.) est juste gaspillé, " a-t-il dit. " Si vous pouvez mieux allouer les ressources et éviter ou réduire le temps que certains de ces tas de baies restent dans le champ, c'est une victoire."

L'équipe a prouvé avec succès que ces comportements peuvent être suivis et analysés et prévoit de retourner en Californie pour les affiner.

« Les données sont de plus en plus appréciées dans cette industrie, " Sowers a déclaré. "J'aimerais revenir en arrière et faire cela à plus grande échelle afin que nous puissions essayer de comparer cela à quelque chose qui est à un niveau de production. Afin d'avoir un impact réel, nous devons comprendre et traiter les données à un niveau de certitude aussi bon ou comparable à ce qui est nécessaire pour réellement prendre des décisions pour réaffecter des personnes et pour optimiser la disposition des champs."