预测作物的质量和数量以及何时准备好收成,传统上更像一个艺术而非科学——直到现在,多亏Israeli-based创业格子的人工intelligence-powered供应优化技术。
“在农业和工业粮食生产之间存在着巨大的不匹配，”而且它 “结果造成了大量浪费，食品行业不得不投入大量时间、金钱和精力来对冲供应，而我们都为此付出了代价。”格里利斯首席执行官兼联合创始人伊莱·英格拉德表示。
他解释说，这种不匹配来自于食品生产商需要确切地知道原材料什么时候会送到，以及它们是否会在合适的价格和时间达到质量标准。
不幸的是,他补充道, “农业从来都不是准时的。这是一个生物系统。它是混乱的。真的不可能预测。”?
然而，一个新的人工智能系统创造了格架 “这将给作物预测带来一个新的精度水平……在季节更早的时候，不仅要考虑数量属性，还要考虑作物质量属性。”?
它通过使用算法来分析来自不同地理位置、不同气候条件、农田变量和其他数据的历史数据，比如种子间距有多远、什么时候种植、什么时候收获、如何喂养和浇水等，来实现这一目标。
“认为一个人可以把所有这些维度和变量都考虑进去，然后得出一个答案，这完全是疯了。这是不可能的。这就是为什么当前食物系统的学习周期如此之长。5到10年，”Englard说。
“但有了人工智能，我们可以缩短它，”他补充说。
例如，格状图目前与世界上一些最大的薯片生产商合作，通过更好地预测土豆中的干物质量来提高土豆种植和薯片生产的效率。
“干物质含量越高，对薯片工厂越有利，因为他们每吨都在买土豆，所以如果土豆里有更多的水，他们就会花更多的钱。”他解释说，用油炸来去除多余的水分需要更多的资源。 “通常土豆含有80%的水分和20%的纤维，”但是，如果五家芯片厂的平均产量为21%，芯片厂的利润率将提高30%。
考虑到这种极端的节省，自然的问题是，是什么驱动了干物质，以及农民如何持续地提供更高的纤维含量?
“这是一个非常困难的问题，即使是控制着这个行业的大公司也不知道，因为在质量和数量上有如此多的变量和波动，”Englard说。
但他补充说，利用格雷斯的技术，可以确定并更好地控制影响干物质的关键变量——该公司的团队在对最大薯片生产商进行的为期三个月的试验中证明了这一理论。
“在三个月的试播之后，他们的想法被震住了，他们决定和我们合作，就是因为这个原因，”Englard指出，虽然该公司向制造商收取服务费用，但它向农民免费提供这些服务。这种模式帮助这家年轻的公司去年实现了100%的增长，今年有望再次翻番。
通过更好地预测产量，格架可以帮助农民和制造商更好地种植和收获正确数量的作物——减少粮食浪费和损失的风险——以及更好地利用有限的资源。
格里利斯还将其技术应用于葡萄酒行业，并非常适合于其他几个垂直领域，包括咖啡、大麦啤酒、小麦面食和新鲜水果果汁，他说。
