Жорсткі вимоги щодо молодого шпинату означають, що виробники часто змушені використовувати консервативну стратегію збору врожаю, залишаючи врожай на полі. Листя, яке виростає навіть трохи за межі прийнятого розміру, випадає за межі специфікацій, тому врожай зазвичай зрізають рано, щоб уникнути бракування. Сіддхарт Джадхав з Polybee каже, що обережність має свою ціну. Виробники “збирають врожай консервативно, щоб залишатися в межах специфікацій”, пояснює він. Це робиться, навіть якщо врожай ще не досяг свого повного потенціалу відповідно до специфікацій — фактично торгують обсягом заради впевненості.

Про це повідомляє FreshPlaza.

Підхід Polybee розроблений для усунення цього “компромісу”. Компанія використовує автономні дрони для отримання зображень високої роздільної здатності по всіх полях, замінюючи ручну перевірку врожаю повною видимістю поля.

“Ми фотографуємо кожну частину ферми”, — каже Джадхав. За допомогою штучного інтелекту призводять виміри розміру листя та моделюють темпи росту. Це дозволяє виробникам визначити оптимальний період збору врожаю з набагато більшою точністю. Замість того, щоб покладатися на інстинкт чи середні значення, вони можуть діяти на основі даних про конкретну культуру.

“Ми можемо точно сказати їм, коли збирати врожай для максимального врожаю відповідно до специфікацій”, — каже він.

Вигоди вже можна виміряти. Працюючи з австралійськими виробниками, Polybee продемонструвала приблизно 10% підвищення врожайності завдяки більш точному узгодженню термінів збору врожаю з обмеженнями специфікацій. У категорії, де маржа обмежена, а попит відносно фіксований, це покращення безпосередньо призводить до вищої прибутковості. Замість того, щоб залишати придатний для використання врожай у землі, виробники отримують більше того, у що вони вже інвестували.

Основна проблема виходить за рамки термінів збору врожаю. Рішення щодо свіжої продукції, посадки та продажу часто приймаються з неповною інформацією.

“Виробники зобов’язуються виконувати замовлення на продаж, не знаючи точно, що знаходиться в землі”, – каже Джадхав. Традиційні методи покладаються на те, що персонал обходить кілька рядів та екстраполює результати по полю – процес, який вносить мінливість та ризик. Polybee замінює це послідовним, заснованим на даних уявленням про стан врожаю, що дозволяє точніше прогнозувати та тісніше узгоджувати пропозицію та попит.

Хоча шпинат був початковим фокусом, модель розроблена для масштабування. Така ж платформа вже застосовується до броколі, а цього року очікується, що її буде застосовано до салату. Також ведеться розробка полуниці та чорниці.

“Базова система адаптується до різних культур”, — каже Джадхав, і розширення триває як в Австралії, так і в Сполучених Штатах. Мета полягає в тому, щоб створити стандартизований рівень інтелекту для культур, який можна буде використовувати в різних середовищах вирощування та для різних типів продукції.

Шпинат виявився ефективною відправною точкою не просто так. Його короткий цикл росту — лише 24 дні влітку — дозволяє швидко створювати набори даних, прискорюючи вдосконалення моделей штучного інтелекту. Це також високоцінна культура з невеликим простором для неефективності. Попит відносно стабільний, тому збільшення врожайності не переповнює ринок, а навпаки, покращує рентабельність виробників. “Кожне підвищення ефективності безпосередньо впливає на прибуток”, — каже Джадхав.

Поєднуючи повноцінну візуалізацію поля з прогнозною аналітикою, Polybee намагається перенести прийняття рішень з оцінки на вимірювання. У категорії, що визначається жорсткими допусками та обмеженою гнучкістю, навіть невеликі покращення в часі та точності можуть мати непропорційний вплив на прибутковість.

Для отримання додаткової інформації:

Сіддхарт Джадхав

Полібі

Тел.: +65 82459172

https://polybee.co/

siddharth@polybee.co