Η εκτίμηση του βαθμού ωρίμανσης της ελιάς αποτελεί μία από τις πιο κρίσιμες παραμέτρους για την παραγωγή ποιοτικού ελαιολάδου. Μέχρι σήμερα βασιζόταν κυρίως στην εμπειρία των παραγωγών και στη δειγματοληψία. Η τεχνητή νοημοσύνη έρχεται να αλλάξει αυτό το τοπίο.
Μελέτη του 2025 παρουσίασε έναν εξαιρετικά ελαφρύ αλγόριθμο αναγνώρισης εικόνας, βασισμένο στην αρχιτεκτονική YOLOv11n, ο οποίος μπορεί να:
- Αναγνωρίζει ελιές σε εικόνες πεδίου
- Ταξινομεί τον καρπό σε 4 στάδια ωρίμανσης
- Επιτυγχάνει 91,8% ακρίβεια σε πραγματικές συνθήκες ελαιώνων
Ο αλγόριθμος εκπαιδεύτηκε με χιλιάδες εικόνες από τους ελαιώνες της Σιτσουάν (Κίνα) και χρησιμοποιήθηκε για να καθοδηγεί ένα ρομποτικό χέρι, το οποίο κατευθυνόταν μόνο στα δένδρα που είχαν ώριμο καρπό. Έτσι μειώθηκαν:
- οι άσκοπες μετακινήσεις του ρομπότ,
- η καθυστέρηση στη συγκομιδή,
- η πιθανότητα υπερωρίμανσης.
Το σημαντικότερο όμως είναι ότι ανοίγει ο δρόμος για αυτοματοποίηση της απόφασης συγκομιδής. Μελλοντικά, ένα UAV (drone) ή ένας αισθητήρας κάμερας μπορεί να σαρώνει τον ελαιώνα και να παράγει χάρτες ωρίμανσης, οδηγώντας τη συγκομιδή κατά δένδρο ή ακόμη και κατά κλάδο.
Πέρα από τη ρομποτική, τέτοιοι αλγόριθμοι μπορούν να ενσωματωθούν:
- σε εφαρμογές κινητών για παραγωγούς,
- σε εργαλεία γεωργίας ακριβείας,
- σε συστήματα διαχείρισης ελαιώνων που προβλέπουν την ιδανική ημερομηνία συλλογής.
Περισσότερες πληροφορίες για τις πρόσφατες επιστημονικές εξελίξεις γύρω από τη συγκομιδή της ελιάς μπορείτε να βρείτε στο νέο Τέυχος 112 του περιοδικού Ελιά & Ελαιόλαδο.
Πηγές
- Zhu, F. et al., 2025. A Lightweight Algorithm for Detection and Grading of Olive Ripeness Based on Improved YOLOv11n. Agronomy, 15, 1030.
- Marques, P. et al., 2024. Advancements in Remote Sensing Imagery for Precision Management in Olive Growing.
0 σχόλια:
Δημοσίευση σχολίου