用人工智能结出“更甜蜜的果实”

2025 / 10 / 30

在悉尼科技大学数据科学研究所的支持下，澳大利亚科技初创公司The Yield正运用人工智能技术，为果蔬种植者提供更精准的预测，帮助他们确定最佳采收时间。

将新鲜农产品从农场送达超市货架，是一项复杂的工作。在澳大利亚境内或向海外运输的果蔬中，每年仅采摘、包装和运输的水果就接近400万吨。

在这类供应链中，时间与时机至关重要。The Yield技术解决方案公司正帮助农户利用数据的力量，确定能实现最佳商业效益的采收时间。

The Yield创始人Ros Harvey表示：“我们借助技术帮助种植者提高盈利能力、增强抗风险能力并提升可持续性，尤其是在应对气候变化的背景下。我们仅专注于特色作物领域，包括水果、藤蔓类作物、蔬菜和浆果，这些作物的新鲜度是关键。它们的供应链在采收、加工、包装和上市环节的时间窗口非常狭窄。”

“种植者所做的工作就像驾驶飞机降落。他们需要在狭窄的跑道上精准着陆，以确保在正确的时间、正确的地点，获得合适数量和质量的农产品。而我们通过人工智能和机器学习技术，帮助他们实现这场‘精准着陆’。”

Ros Harvey

The Yield技术解决方案公司创始人

悉尼科技大学（University of Technology Sydney, UTS）数据科学研究所执行董事Fang Chen杰出教授强调，这类预测工作具有复杂性。

她说：“面临的挑战在于，要在不同天气和物理条件下进行预测。比如，我们如何预测特定时间不同品种作物的成熟量？果实的大小和甜度如何？种植者何时能将其推向市场？一旦掌握这些信息，企业就能规划所有物流和定价方案。这些都是重大的商业决策，因此我们需要尽可能提高预测的准确性。”

精准预测提升葡萄品质

The Yield与悉尼科技大学数据科学研究所的合作，最初始于为全球酿酒企业富邑葡萄酒集团（Treasury Wine Estates，TWE）开发采收预测模型。

富邑葡萄酒集团在澳大利亚和新西兰拥有超过6800公顷的葡萄园，其采收时间的决策对葡萄酒的酿造品质有着重大影响，精准把握时机，才能酿造出更高品质的葡萄酒。

传统的采收决策方式，依赖专业酿酒师走进葡萄园检查整体情况，例如人工统计开花数量、评估枝叶状态，然后估算产量。

为改进这一流程，The Yield与悉尼科技大学的团队合作开发了人工智能驱动的预测模型，为人工决策提供辅助。

Fang Chen教授表示：“我们为The Yield开发了多个先进的分析模型，他们对这些模型进行筛选后，选出最优模型整合到产品中，并出售给富邑葡萄酒集团。我们拥有庞大的历史数据库，还补充了部分美国葡萄种植数据，用于对比不同季节和气候条件带来的影响。”

Ros Harvey指出，这些新模型不仅预测更精准，还能更频繁、更早地运行。首批基于该技术的模型仅用8个月就实现了商业化应用，并且仍在通过持续学习不断优化。

她说：“以往的模型每年只能生成几次预测，而我们的模型每两周就能预测一次，采收期间更是可以做到每日预测。整个过程无需任何抽样，效率更高、成本更低，还能根据天气变化实时调整。”

猕猴桃采收的“活力”模型

The Yield与悉尼科技大学的团队采用类似思路，为全球猕猴桃销售企业佳沛（Zespri）开发了采收预测模型。

佳沛由现任和前任种植者100%持股，总部位于新西兰，产品销往全球50多个国家，其猕猴桃销量约占全球市场份额的30%。

Ros Harvey表示：“当佳沛寻求我们合作开发商业产量预测模型时，我们对由Fang Chen教授团队提出的不同方案进行了筛选。这一次，我们尝试用佳沛的营销数据而非农场层面的数据来进行预测。结果发现，营销和出口数据的颗粒度足以支撑预测需求。佳沛并不需要单一片果园的预测数据，他们需要的是品类层面的预测，以配合其市场战略和物流规划。”

该模型对当季猕猴桃采收窗口期的预测准确率达到约94%，相比以往成本高、耗人力的传统流程，实现了显著突破。

目前，研究团队正进一步开发模型，用于预测未来5年和10年，不同品种、不同果园位置的作物采收会受到怎样的气候变化影响。