在葡萄園種植葡萄，是起泡酒多年生產過程中的第一步，整個過程還包括葡萄酒的生產、裝瓶；然后才能銷售和分銷。GloriaFerrer葡萄園總監(jiān)BradKurtz表示，在GloriaFerrer，新采摘的葡萄在三年內是無法用于生產葡萄酒出售的。因此，為了保證生產葡萄酒的葡萄供應，GloriaFerrer的銷售人員需要提前三年預估葡萄酒的銷售需求量，然后葡萄園經理根據這個估算量種植相應數量的葡萄，以裝瓶足夠的葡萄酒。人工估算葡萄的產量這意味著葡萄園的管理人員必須在實際采摘葡萄之前，就要估計他們將生產的葡萄數量。這樣他們才能知道他們的葡萄是太多還是太少，或者是僅僅剛好能滿足銷售人員的預測需求量。Kurtz解釋說，葡萄產量的估算需要“大量的數據收集工作，這一耗時耗力的環(huán)節(jié)將會大幅增加葡萄園的經營成本”。傳統上，葡萄種植者都是手動估算葡萄的產量。Kurtz說：“我要去數一棵葡萄藤上有多少串葡萄?！彼f，“數10棵葡萄藤可能需要兩個多小時，可以想象，要數完擁有10000棵葡萄藤的整個葡萄園，總共需要多長時間。”他補充說，通常每1000棵葡萄藤中有一棵樣本，但是這個樣本量“非常小”。圖2：GloriaFerrerCaves&Vineyards葡萄園總監(jiān)BradKurtz表示，葡萄產量估算中的數據收集工作，是葡萄園中最大的工作量。這種艱苦努力的結果并不理想。他解釋道：“這種手動數據收集會導致估算值的大幅波動，這是一個全行業(yè)的問題?！彼a充道，“收獲季節(jié)，實際產量與估算產量之間通常相差很遠，能做到25%以內的差異就已經是相當好的結果了。很難獲得樣本量，葡萄園內部會存在很大的差異?！卞e誤估計的財務影響可能是巨大的。Kurtz舉了一個例子：如果葡萄園的目標是生產1200噸葡萄，價值約為每噸3000美元，那么預測實際產量的1%或2%的失誤，都可能會導致太多的資本（高達72000美元）被困在葡萄上。除了手動計數和檢查葡萄藤和葡萄串外，葡萄種植者正在使用另一種數據收集方法：使用低空固定翼飛機上的多光譜相機拍攝葡萄園樹冠的圖像。這種方法產生的地圖，顯示了葡萄藤生長最旺盛的地方和最弱的地方。自2003年以來，GloriaFerrer通過空中樹冠圖像增強了人工估算，但Kurtz希望在作物跟蹤過程中增加更多的自動化。他說：“這只是收集葡糖藤頂部的圖像，它只能告訴我們有限的信息?！痹诩尤隚loriaFerrer之前，Kurtz曾實現過一個作物偵察系統，該系統借助機器視覺和深度學習，使用地面拍攝的圖像來跟蹤作物。2022年，Kurtz開始在GloriaFerrer使用同樣的技術。除了改善作物產量的數據外，Kurtz還相信他收集的信息將幫助管理每棵葡萄的健康，最大限度地提高葡萄的產量和質量。這些信息將告訴他葡萄園的哪些區(qū)域比其他區(qū)域更需要關注。結合3D機器視覺Kurtz選擇的解決方案來自BloomfieldRobotics（美國賓夕法尼亞州匹茲堡）。Bloomfield運營總監(jiān)HaydenWolf解釋道：“我們?yōu)镚loriaFerrer提供了連續(xù)查看所有作物的選擇和可行性。當你能夠根據事實而不是你認為具有統計意義的事情進行決策時，你能以一種全新的方式做出管理決策?！盬olf說，該解決方案的核心是一個專門設計的立體視覺攝像頭，可以安裝在“任何移動的東西上”，如全地形車、多用途地形車或自動駕駛車。攝像頭和附帶的安卓平板電腦，通過標準電纜連接到車輛的電源上，然后當車輛在一排排作物中來回移動時，攝像頭會捕捉葡萄藤和葡萄串的圖像。圖3：在BloomfieldRobotics的攝像系統收集圖像的過程中，現場工作人員還可以完成另一項任務，如噴灑雜草或割草。Wolf解釋說，該系統可以在幾分鐘內安裝完成，因此它可以在葡萄園員工完成另一項任務時收集圖像，例如噴灑雜草或割草。平板電腦顯示一個界面，提示用戶正確定位和校準攝像頭。用戶界面還在圖像采集過程中提供反饋。RGB相機的尺寸比微波爐稍小，包括兩個12MP像素的傳感器、兩個鏡頭、12個LED燈和一個GPS天線。Wolf解釋說，使用GPS，“我們可以定位我們拍攝的每一張圖像。這樣我們就可以知道，每次經過第7排的第6棵作物時，你都會看到它?！毕鄼C通常在6~8小時的采集過程中，采集1TB的圖像數據。無論戶外環(huán)境中有多少環(huán)境光，LED都會在每次拍攝時閃爍，Wolf將其描述為“主動照明”。Wolf說，即使在戶外，均勻照明也很重要，以確保相機捕捉到足夠且一致的圖像質量，從而進行比較分析。他說：“當我們實際應用人工智能模型時，這有助于我們將圖像數據標準化。這讓我們能夠更有效地訓練模型，模型實際上在后端表現得更好?！彼胁东@的圖像都被存儲在SSD卡上，種植者將SSD卡插入相機的端口。圖4：BloomfieldRobotics的相機通常在6~8小時的收集過程中，收集1TB的圖像數據。（圖片來源：BloomfieldRobotics）使用人工智能模型分析數據每次采集活動結束后，種植者都會取出SSD卡，將其插入電腦，并將圖像傳輸到Bloomfield的云端。在那里，數據按照GPS從左到右的作物行進行組織。Bloomfield隨后將人工智能模型應用于圖像，產生描述性結果，例如計數或測量枝條或識別葡萄串的顏色。GloriaFerrer通過基于網絡的前端訪問數據。他們可以深入到植物級別，也可以按地理區(qū)域（如塊）查看數據。塊是種植者用來識別植物組的管理單元。以這種方式呈現數據可以讓種植者進行比較，例如計算區(qū)塊1和區(qū)塊2每英尺的葡萄串數量。種植者還可以將信息導出到電子表格或PDF中，與現場工作的團隊成員共享。GloriaFerrer于2022年開始大約每兩周在30英畝的土地上拍攝一次圖像，2023年增加到50英畝。Kurtz表示，他計劃隨著時間的推移增加額外的英畝數，因為他確信該解決方案對企業(yè)有好處。應對實施挑戰(zhàn)收集葡萄串的一致圖像，對于成功計算葡萄產量和跟蹤葡萄藤的健康狀況非常重要。但收集這些圖像并不總是那么容易。一個關鍵問題是，隨著時間的推移，即使葡萄串有時可能隱藏在樹葉后面，也要獲得足夠完整的葡萄串圖像，這意味著相機可能無法在每次經過葡萄藤時捕捉到它們的圖像。Kurtz說，GloriaFerrer在2022年發(fā)現了這個問題，因為團隊在2022年的成長季沒有足夠早地開始拍攝圖像。因此，隨著時間的推移，他們沒有獲得足夠多的可用視覺數據。2023年，工作人員在1月和2月修剪完葡萄藤后，立即開始拍照。Kurtz解釋說，這應該可以讓他們收集芽的數量信息，然后是嫩枝的數量，最后是葡萄的數量。他們計劃繼續(xù)收集圖像，直到采摘葡萄；8月采摘用于生產起泡酒，9月采摘用于生產靜止酒。Kurtz說，他預計將在2023年利用他們收集的信息來估計葡萄的產量。如果他的計算結果與實際產量之間的差異在5%以內，那么這個項目就是成功的。規(guī)劃下一步行動Bloomfield的也正在不斷更新和改進該系統。Bloomfield采用租賃的商業(yè)模式，種植者根據使用的相機數量支付費用，使用時段能覆蓋整個生長季節(jié)。Bloomfield選擇租賃模式，這樣他們就可以保持對相機的控制。Wolf說：“如果我們想在相機中升級一些東西，或者如果我們想在更換一些東西，這樣我們就可以在相機不使用的時候去升級或更新，就能為用戶提供一臺新的相機?！背烁掠布?，Bloomfield還計劃將更多的圖像處理轉移到服務