Enhancing Strawberry Yield Forecasting with Backcasted IoT Sensor Data and Machine Learning

Sintesi Tecnica: Miglioramento delle Previsioni della Resa delle Fragole mediante Dati dei Sensori IoT Backcasted e Machine Learning

Problematica
Il documento affronta un collo di bottiglia critico nell'agricoltura digitale: la scarsità di dati storici dei sensori necessari per addestrare modelli di previsione della resa delle colture basati sull'IA che siano efficaci. Sebbene le tecnologie Internet of Things (IoT) offrano il monitoraggio in tempo reale di parametri ambientali (ad es., temperatura, umidità, umidità del suolo), l'implementazione di questi sensori su molteplici stagioni di crescita è spesso proibitiva in termini di costi e logisticamente difficile, specialmente in ambienti agricoli dinamici. Di conseguenza, molte aziende agricole possiedono record storici di resa ma mancano dei corrispondenti dati granulari dei sensori, limitando la capacità di addestrare modelli di machine learning (ML) robusti che possano supportare decisioni informate, come l'ottimizzazione della manodopera durante il raccolto.

Metodologia
Lo studio è stato condotto in un contesto reale di produzione di fragole in Scozia, Regno Unito, utilizzando due tipi di tunnel (il riscaldato "Seaton" e l'unheated "Multispan"). Gli autori hanno distribuito sensori IoT per raccogliere dati ambientali durante due stagioni di crescita (2023–2024), raccogliendo contemporaneamente dati storici sulla resa che coprono quattro stagioni (2021–2024).

Per colmare il divario di dati per i due anni (2021–2022) privi di copertura dei sensori, gli autori hanno sviluppato un approccio di backcasting anziché di forecasting tradizionale.

1. Meccanismo di Backcasting: Invece di prevedere stati futuri partendo da dati passati, il modello utilizza dati meteorologici esterni d'archivio (dal UK Met Office) per ricostruire le osservazioni mancanti dei sensori passati. Nello specifico, per un tempo target $t$, il modello utilizza una finestra di osservazione futura di covariate meteorologiche esterne ($t+1$ fino a $t+k$) per prevedere il valore del sensore interno al tunnel al tempo $t$.
2. Sintesi dei Dati: I modelli di backcasting sono stati addestrati sulle stagioni distribuite nel 2023–2024 per apprendere la relazione tra il meteo esterno e le condizioni interne del tunnel. Questi modelli sono stati poi applicati ai dati storici del Met Office del 2021–2022 per generare dati sintetici dei sensori.
3. Selezione del Modello: Riconoscendo che i modelli di deep learning (ad es., LSTM, Transformer) richiedono grandi dataset non disponibili in contesti di singola azienda agricola, gli autori hanno impiegato metodi ensemble basati su alberi: Random Forest (RF), Gradient Boosting Decision Tree (GBDT) ed Extreme Gradient Boosting (XGBoost).
4. Pipeline di Previsione: I modelli finali di previsione della resa sono stati addestrati su tre dataset: (a) solo dati reali, (b) dati reali aumentati con dati sintetici backcasted, e (c) varie combinazioni di feature (solo resa, resa + meteo, resa + sensore, resa + sensore + meteo).

Contributi Chiave

• Implementazione IoT nel Mondo Reale: Il documento documenta una distribuzione completa di sensori IoT nei tunnel, catturando l'uso dell'acqua, temperatura e umidità interna/esterna, condizioni del suolo e radiazione fotosinteticamente attiva (PAR), evidenziando al contempo le sfide pratiche come i guasti all'alimentazione e i dropout dei sensori.
• Metodologia di Backcasting: Gli autori propongono una soluzione innovativa per la scarsità di dati storici dei sensori, generando osservazioni sintetiche dei sensori del tunnel utilizzando archivi meteorologici esterni. Questo approccio è distinto dalle reti generative avversarie (GAN) poiché sfrutta fonti di dati esterne continue e affidabili piuttosto che rumore latente, rendendolo adatto ad ambienti con grave scarsità di dati.
• Validazione Empirica: Lo studio valida che la combinazione di dati sintetici backcasted con dati reali supera significativamente le prestazioni dei modelli addestrati esclusivamente su dati reali limitati.

Risultati

• Accuratezza del Backcasting: I modelli di backcasting hanno ricostruito con successo i valori mancanti dei sensori. Il modello GBDT ha generalmente ottenuto le prestazioni migliori per specifiche feature, mentre RF e XGBoost sono stati selezionati per altre in base al più basso Root Mean Squared Error (RMSE).
• Prestazioni della Previsione della Resa:
  • I modelli addestrati solo su dati reali hanno mostrato che l'aggiunta di feature ambientali spesso degradava le prestazioni rispetto a un baseline di "solo resa", probabilmente a causa dell'insufficienza del volume di dati per apprendere complesse interazioni tra le feature.
  • I modelli addestrati su dati sintetici + reali hanno dimostrato miglioramenti significativi. Il modello GBDT ha ottenuto i risultati migliori, riducendo l'RMSE del 19,55% e l'MAE del 7,75% rispetto al baseline di soli dati reali quando utilizzando l'insieme di feature "resa + sensore".
  • La combinazione "resa + sensore" ha superato "resa + sensore + Met Office", suggerendo che i dati del microclima localizzato (sintetizzati tramite il backcasting) sono più predittivi rispetto ai soli dati meteorologici regionali.
  • Una dimensione della finestra di 6 passi temporali futuri è stata identificata come ottimale per l'input del backcasting, bilanciando contesto temporale e rumore.

Significatività e Rivendicazioni
Il documento sostiene di essere tra i primi studi a ricostruire le osservazioni mancanti dei sensori IoT delle stagioni di crescita da archivi meteorologici esterni specificamente per la successiva previsione della resa delle colture nell'agricoltura operativa in tunnel.

Gli autori sottolineano che il loro lavoro affronta una sfida pragmatica affrontata dalle singole aziende agricole: l'impossibilità di accumulare sufficienti dati storici dei sensori per la modellazione predittiva. Dimostrando che l'aumento dei dati sintetici tramite backcasting può migliorare l'accuratezza della previsione, lo studio offre una via percorribile per le piccole realtà agricole per sfruttare l'IA nonostante la scarsità di dati.

Modestia e Limitazioni
Gli autori mantengono un tono modesto riguardo alle loro rivendicazioni:

• Natura Retrospettiva: La valutazione è esplicitamente retrospettiva. Sebbene i label della resa del 2023 siano stati tenuti fuori per il test, il modello di backcasting è stato calibrato utilizzando le relazioni sensore-meteo che includevano i dati del 2023. Gli autori riconoscono che una valutazione prospettica più rigorosa richiederebbe la ricalibrazione senza alcun dato dall'anno di valutazione.
• Meccanismi Causali: Il miglioramento delle prestazioni è interpretato come prova dell'utilità predittiva pratica sotto l'aumento dei dati, non come prova che i modelli abbiano appreso meccanismi agronomici causali.
• Generalizzabilità: Lo studio è stato condotto in una singola azienda agricola scozzese. Gli autori notano che sono necessari ulteriori lavori per validare la trasferibilità di questo approccio in climi e design di tunnel diversi.
• Confronto con il Baseline: Lo studio confronta i risultati con un baseline di machine learning autoregressivo ma non include un baseline di persistenza ingenua (ad es., prevedere che la resa della prossima settimana sia uguale a quella di questa settimana), evitando di rivendicare il superamento del predittore più semplice possibile.