EdenCore bringer AI-drevet udbytteskøn til hjertet af Europas vinmarker

agrifoodTEF French Node, IFV og agritech startup EdenCore samarbejder om at validere et AI-drevet overvågningssystem til vinmarker, der leverer tidlige, nøjagtige udbytteestimater og afgrødeindsigt i realtid direkte fra marken.

Overblik

EdenCore har samarbejdet med agrifoodTEF Fransk knudepunkt og Institut Francais de la Vigne et du Vin (IFV) at bringe AI-drevet estimering af det tidlige udbytte til vindyrkningsarealer ved at kombinere avanceret agronomi, anvendt AI og årtiers vindyrkningsekspertise. Sammen validerer de en landmandscentreret teknologi, der leverer pålidelig indsigt i realtid og bygger bro mellem forskning, innovation og daglig drift af vinmarker.

Land
Frankrig Frankrig
Sektorer
  • Træafgrøder
  • Vinavl
Tjenesteudbyder
EdenCore - Robotics, AI

Udfordringen

Vinavlere i dag opererer ved en skillevej med stigende pres: svingende klimaer, kraftigt stigende produktionsomkostninger, mangel på arbejdskraft og behovet for at "Vokser mere med mindre," som EdenCore's chef for agronomi, Dimitra Dafnakiforklarer.

"Felterne er sjældent ensartede", bemærker hun. "En effektiv forvaltning af forskellige zoner er en stor udfordring, og det er her, AI og præcisionslandbrugsværktøjer kan gøre en reel forskel."

Landbrugerne står også over for arbejdskraftintensive opgaver såsom scouting og prøveudtagning, aktiviteter, der, selv om de er afgørende, kræver tid, specialiseret viden og konsistens. Automatisering kan lette denne belastning ved at generere feltindsigt i realtid, der integreres problemfrit i eksisterende arbejdsgange.

For IFV, er en tidlig og nøjagtig vurdering af udbyttet særlig værdifuld. Som ingeniør Christophe Gaviglio fremhæver, at "forventning af høsten og forberedelse af vingårdene" er baseret på pålidelige skøn, hvilket vindyrkningsarealerne historisk set har manglet. 

Da EdenCore henvendte sig til IFV, anerkendte instituttet straks relevansen af use casen. De tilbød adgang til en eksperimentel vingård, der indeholdt to druesorter (en rød og en hvid) hver forvaltet med både nåle-/bladtab og ikke-nåle-/bladtab behandlinger, hvilket skaber en ideelt miljø til afprøvning og validering af AI-modeller.
 

Landbrugsfødevare-TEF-tjenesten

Kernen i dette samarbejde er fremviser, EdenCore traktormonteret, AI-drevet kamerasystem. Designet som en yderst tilpasningsdygtig feltledsager, leverer den tre hovedfunktioner:

  1. Overvågning af udbytte fra blomstring til høst: Kapaciteten vurderet inden for rammerne af agrifoodTEF-projektet. Viewer udfører kontinuerlig scouting i løbet af sæsonen, opfanger visuelle data for at forudsige udbytter og spore vækststadier med stigende nøjagtighed.
  2. Sprøjtning med variabel hastighed (VRA) i realtid: Ved hjælp af baldakintæthedsanalyse muliggør Viewer præcis sprøjtning, reduktion af inputaffald og forbedring af effektiviteten.
  3. Kortlægning af vitalitet og sygdom: Efter hvert feltpas genererer systemet automatisk dynamiske kort, udbyttekort, registreringer af uregelmæssigheder og analyser på feltniveau, der er tilgængelige på EdenCores onlinedashboard.

En stor del af udviklingen afhænger af målinger af jordsandhed indsamlet i marken, både for at kalibrere systemet på tværs af druesorter og for at validere dets præcision. "Data er integreret i algoritmerne, hvilket gør det muligt for systemet at foretage mere nøjagtige skøn", forklarer Dafnaki.

Vindyrkningsmiljøer medfører imidlertid tekniske udfordringer, navnlig okklusion, når løv, grene eller andre frugter tilslører systemets opfattelse. EdenCore tog fat på dette gennem to komplementære strategier: udstyre Viewer med LED-lys på begge sider for at reducere skyggeinducerede okklusioner, og kontinuerlig indsamling af jordsandhedsprøver der hjælper algoritmen med at tage højde for skjulte frugter.

Systemet er designet med fleksibilitet i tankerne. Dens justerbare monteringsmuligheder give det mulighed for at tilpasse sig forskellige afgrødehøjder, vingårdsstrukturer og maskiner, en væsentlig funktion til praktisk, daglig brug.

"Feedbacken fra landmændene har været meget positiv," siger Dafnaki. "De sætter pris på, at systemet integreres i deres daglige drift uden at forstyrre deres rutiner." 

Udforsk AI-datasættjenesten

EdenCore - Robotics

Virkningen

Samarbejdet mellem EdenCore og agrifoodTEF's franske knudepunkt repræsenterer Mere end et teknologisk forsøg: det er en fælles indsats for at fremskynde den digitale omstilling af vindyrkning gennem markvalideret, landbrugerdrevet innovation. 

For EdenCore har partnerskabet udvidet deres datasæt med målinger af høj kvalitet indsamlet under omhyggeligt kontrollerede forhold, et uvurderligt aktiv til forbedring af forudsigelsesmodeller. "Produktet er endnu ikke definitivt" bemærkninger fra Gaviglio, "og det er netop derfor, at samarbejdet er nyttigt. Det hjælper EdenCore med at berige sin database og forfine teknologien."

For sektoren som helhed viser de første resultater en klar kurs: skalerbare, tilpasningsdygtige løsninger, der kan strække sig ud over vinmarker til afgrøder som blåbær, pistacienødder og mandler, hvor EdenCore allerede udvider sine aktiviteter.

Fremadrettet ser begge parter, at kunstig intelligens bliver stadig mere indflydelsesrig inden for vindyrkning, så længe anvendelsestilfældene fortsat er relevante, og investeringsafkastet er klart. Forudsigelse af udbytte udmærker sig som et af disse højværdifelter, med stærkt potentiale for en bredere markedsudbredelse i det næste årti.

I sidste ende vil samarbejde som dette spille en afgørende rolle i udformningen af fremtiden for bæredygtigt landbrug. Som Dafnaki konkluderer: "De samler landbrugere, teknologileverandører og forskningsinstitutioner, interessenter, som hver især har en del af puslespillet."

Og med Gaviglios ord er de styrke små og innovative virksomheder ved at give dem adgang til eksperimentelle faciliteter og jord-sandhedsdata, ressourcer, der er afgørende for at bringe pålidelige, skalerbare løsninger på markedet.
Gennem sådanne partnerskaber, Innovation i landbruget går ikke kun fremad, det slår rod.

Se EdenCore Success Story Series på dansk