GO PREDIVI: Μοντέλο μεγάλων δεδομένων για την πρόβλεψη της αμπελοοινικής συγκομιδής

Στο πλαίσιο του προγράμματος PREDIVI αναπτύχθηκε ένα μοντέλο μηχανικής μάθησης που χρησιμοποιεί μαζικά δεδομένα για την πρόβλεψη του όγκου της σοδειάς και των παραμέτρων ποιότητας —όπως η περιεκτικότητα σε ζάχαρη, η οξύτητα και το pH— με σφάλμα μικρότερο του 10%. Το μοντέλο ενσωματώνει ιστορικά δεδομένα αποδόσεων, καταγραφές σε επίπεδο αγροτεμαχίου, δορυφορικές εικόνες και υπερτοπικά μετεωρολογικά δεδομένα, συνδυάζοντας αυτοματοποιημένη και χειροκίνητη δειγματοληψία (οκτώ δείγματα ανά αγροτεμάχιο). Το σύστημα διαθέτει μια πλατφόρμα οπτικοποίησης με γεωγραφική τοποθεσία που δοκιμάστηκε σε όλες τις αμπελουργικές περιοχές της Καταλονίας, συμπεριλαμβανομένων των πόλεων Βαρκελώνη, Ταραγόνα, Λλέιντα και Χιρόνα. Χρηματοδοτούμενο με 191.674,47 ευρώ από το DARP, το Ταμείο Αγροτικής Ανάπτυξης της ΕΕ και εισφορές σε είδος, το έργο βελτίωσε την αποτελεσματικότητα των προβλέψεων και μείωσε το κόστος δειγματοληψίας. Η διάδοση περιελάμβανε εκδήλωση έναρξης το 2019, ένα ιβηροαμερικανικό εργαστήριο, προβολή στα μέσα κοινωνικής δικτύωσης, έναν ειδικό ιστότοπο (https://www.innovi.cat/predi/) και διαδικτυακά φόρουμ. Υπό την ηγεσία του COVIDES και με συνεργάτες τους INNOVI, VITALEP, SAT, UNIO FRUITS, Eurecat και Raw Data, η πρωτοβουλία υποστηρίζει την αγροτική καινοτομία, την ανθεκτικότητα στο κλίμα και την παραγωγικότητα μέσω της συνεχούς μάθησης με στόχο την περαιτέρω μείωση των σφαλμάτων.