这种新方法允许种植者在驾驶拖拉机或在夜间穿过葡萄园时，使用智能手机拍摄葡萄藤。种植者可以将他们的视频上传到服务器上处理数据。该系统依靠计算机视觉来提高产量估算的可靠性。
传统的估计葡萄簇数的方法通常是由工人手工完成的，他们先计算葡萄藤上的簇数子集，然后再按比例计算整个葡萄园的簇数。这种策略费时费力、成本高昂且不准确，平均簇计数错误率高达实际产量的24%。新方法将这些最大平均错误率降低了近一半。
“这对东北部的中小农场来说可能是一个真正的游戏规则改变者，”他说社会彼得森他是工程学院电子与计算机工程助理教授。
彼得森是论文的合著者，低成本，基于计算机视觉，葡萄园中的预开花集群计数预测这篇文章于4月8日发表在《农学前沿》(Frontiers in Agronomy)杂志上。彼得森实验室的博士生乔纳森·哈拉米略(Jonathan Jaramillo)是这篇论文的第一作者;贾丝廷Vanden Heuvel的教授。植物综合科学学院园艺节作者之一，是农业与生命科学学院的教授。
当工作人员在藤条上手工计算集群时，准确性很大程度上取决于计算人员。在一项实验中，研究人员发现，对于一组包含320株葡萄的四株葡萄，人工计数的范围从237到309不等。工人们将计算一小部分葡萄园的葡萄簇数，得到每行葡萄簇的平均数量。然后，农民将把平均产量乘以总行数来预测葡萄园的产量。当群集数量被错误地计算时，相乘只会进一步放大不准确的产量预测。
这项技术的一个优点是它可以计算每一棵藤。尽管新方法也会导致计数错误，但并没有通过计算葡萄藤的子集然后相乘来放大数字。
彼得森说:“我们的研究表明，与这种技术相比，农民要想获得同样的产量预测信心，就必须人工计算70%的葡萄园面积，而没有人会这么做。”
精密的高科技机器人计数器确实存在，但它们的成本高达1.2万美元，中小型种植者无法使用。另一个缺点是:他们在葡萄接近成熟的时候数数葡萄，也就是晚熟的季节，在9月或10月。新方法统计5月到6月的集群。
Jaramillo说:“在这个季节的早些时候有好的预测可以让农民有更多的时间根据信息采取行动。”这样农民就可以提前获得劳动力和买家。或者，如果他们正在生产葡萄酒，他们可以获得适当数量的设备来生产和包装它。Jaramillo说:“如果不能提前安排好这些事情，就会在最后一刻给种植者带来问题，最终导致利润下降。”
现在，一个不熟练的工人可以用安装在万向架上的智能手机简单地驾驶着拖拉机在街道上来回行驶。虽然公开发布的细节仍在制定中，研究人员将在今年夏天实地测试一款应用程序。研究人员希望这款应用程序是开源的，机器学习组件的设置使得用户只需将他们的视频上传到服务器上，服务器将为他们处理数据。
“这个项目的成功依赖于工程、农民实践和植物科学的结合知识，这是康奈尔大学跨学科科学的一个很好的例子。”彼得森说。“没有比这更好的了。”
该项目由美国国家科学基金会、美国农业部的国家食品和农业研究所以及康奈尔数字农业研究所资助。
