新方法允许种植者使用智能手机在驾驶拖拉机或在晚上沿着葡萄园散步穿过葡萄园。然后，种植者可以将其视频上传到服务器以处理数据。该系统依赖于计算机视觉，以提高产量估计的可靠性。
用于估计葡萄簇数的传统方法通常由工人手动完成，他们在葡萄藤上计算集群的子集，然后将它们的数字扩展到占整个葡萄园。这种策略是费力，昂贵和不准确的，平均簇数差价率高达24％的实际产量。新方法将这些最大误差率削减近一半。
“这可能是东北中小型农场的一个真正的游戏变化，”Kirstin Petersen.，工程学院电气计算机工程助理教授。
彼得森是本文的共同作者，“低成本，基于计算机视觉的，预定群集群群体葡萄园中的预测，“4月8日公布的农学中的广场。彼得森实验室的博士生Jonathan Jaramillo是本文的第一作者;Justine Vanden Heuvel.，教授综合植物科学学院园艺部分在农业学院和生命科学，是一个合作的。
当工人手动计算藤蔓上的群集时，大大准确性取决于人数。在一个实验中，研究人员发现，对于包含320个集群的四个葡萄藤面板，手动计数范围为237至309.工人将计算葡萄园的一小部分中的葡萄簇数，以获得每行平均群集数。然后，农民将通过行的总行数乘以预测葡萄园的产量。当群集错误被错误时，仅乘以进一步放大不准确的产量预测。
该技术的一个优点是它计算每一葡萄酒。即使新方法还导致计数错误，则通过计数藤的子集然后乘以乘以vines而不是放大的数字。
“我们表明，与技术相比，农民必须手动计算70％的葡萄园，以获得对其产量预测的相同信心，”彼得森说，“没有人会这样做。”
高科技，准确的机器人计数器确实存在，但它们的成本高达12,000美元，使其无法进入中小型种植者。另一个缺点：他们在赛季较近成熟时，他们在赛季晚上或十月季度划分葡萄。新方法在5月至6月份群集。
“在本赛季早些时候拥有良好的预测使农民更多的时间采取行动，”Jaramillo说。然后，名额可以提前确保劳动力和买家。或者，如果他们正在酿酒，他们可以获得适量的生产和包装它的设备。“提前排队的这些东西可能会导致种植者的问题最后一分钟，最终降低利润，”Jaramillo说。
现在，一个不熟练的劳动者可以简单地通过在万向节上设置的智能手机上下行驶拖拉机。虽然公开发布的详情仍在努力，但研究人员将在今年夏天进行应用程序。研究人员打算为此应用程序开放源，并且机器学习组件设置，使用户只需将视频上传到将为它们处理数据的服务器。
“该项目的成功依赖于工程，农民实践和植物科学的合并知识，这是康奈尔跨学科科学的一个伟大典范。”彼得森说。“没有别的像它。”
该项目由国家科学基金会，美国农业部国家粮食和农业研究所和康奈尔数字农业研究所资助。
