Печалби:
- Способност за разпознаване и управление на етични рискове като собственост на данни на фермери, поверителност и алгоритмични пристрастия
- Възможност за комбиниране на всички връзки на модула в един сезонен работен процес от край до край
- Установяване в система за качество, че резултатите от ИИ не заместват одобрението на компетентен агроном при критични за безопасността земеделски решения
Изпит по модул
1. Какви са опорните точки на валидирането на „трите котви“, приложени преди включването на AI изхода в решение в селскостопанското инженерство?
- A) Диапазон на размера, агрономическа правдоподобност и полеви доказателства ✔
- B) Популярност на модела, дължина на отговора и владеене на езика
- В) Цена, скорост и потребителски интерфейс
- Г) Надеждност на марката, интернет връзка и файлов формат
Описание: Три котви; порядък на величина, който проверява дали резултатът е в рамките на очакваната мощност от 10, агрономическа разумност, която разглежда съответствието на продукцията с културата и климата, и полеви доказателства, които предоставят потвърждение на полето, а не на ядро/проба. Марката на източника, популярността на модела или плавността на текста не са критерии за проверка.
2. Какво основно измерва NDVI (индекс на нормализирана разлика в растителността)?
- А) Определете точния процент на влажност на почвата в сантиметри
- B) Плътност и сила на зелена, жизнена растителност ✔
- В) Кой агент на болестта присъства на ниво вид?
- Г) Крайна цена на продукта след прибиране на реколтата
Описание: NDVI измерва плътността и силата на зелената, фотосинтезираща жива растителност чрез нормализиране на разликата между коефициента на отражение в близката инфрачервена (NIR) и червената лента. Тъй като здравите растения отразяват NIR силно и абсорбират червеното интензивно, NDVI се увеличава; Стойността намалява при стресово или оскъдно покритие. Той не измерва директно добива, влажността на почвата или вида на заболяването; те изискват допълнителни данни.
3. Сателитно изображение показва област с ниска стойност на NDVI. Кое от следните е най-добрата стъпка, която да предприемете, преди да превърнете тази аномалия в инженерно решение?
- А) Нанесете незабавно фунгицид върху тази област
- Б) Удвояване на торовата доза за площта
- C) Потвърдете причината чрез полеви контрол, метеорология и фенология ✔
- Г) Игнорирайте аномалията и приложете средна стойност към цялото поле
Обяснение: Ниският NDVI може да бъде причинен от воден стрес, болест, дефицит на хранителни вещества, рядко поникване, облачна сянка или прясно разорана почва. Можем да различим тази несигурност само чрез полеви контрол, метеорология и фенология; Самата карта не казва защо. Прилагането на пестициди или торове носи пряк риск от намеса в грешната причина.
4. Кой е най-точният подход при въвеждане на координати на полетата на фермери, данни за добива и разходите в публично достъпен AI инструмент?
- A) Поставяне на всички данни така, както са с техните ID и координати
- B) Анонимизирайте идентифициращата информация и споделяйте само необходимите технически данни ✔
- В) Зареждане на данни в публична таблица, без изобщо да се проверява
- Г) Даряване на данни за обучение на модели без разрешение от фермера
Разкриване: Данните на фермерите са търговски и лични чувствителни; Информацията за координатите, самоличността и разходите е въпрос на собственост и поверителност. Правилният подход е да анонимизирате идентифициращата информация с представителни етикети (плот-A, координата X) и да споделяте само техническите данни, необходими за анализ. Споделянето на данните такива, каквито са, или отварянето им за образование без разрешение крие етични и правни рискове.
5. Докладът от анализа на почвата показва pH като 4,8. Какво означава тази стойност от агрономическа гледна точка?
- A) Неутрална и идеална почва за повечето култури
- Б) Силно киселинен; Състояние, което може да ограничи приема на храна и изисква корекция ✔
- В) Силна основа; състояние, изискващо варуване
- Г) Това означава, че солеността в почвата е изключително висока.
Описание: pH 4,8 показва силно кисела почва; При това условие усвояването на фосфор и молибден се намалява, рискът от токсичност на алуминий/манган се увеличава и развитието на корените се потиска при много култури. За повечето полски култури 6,0-7,0 е подходящият диапазон. Следователно се обмисля корекция като варуване; Киселата почва не е „идеална“ и сама по себе си не гарантира високи добиви.
6. AI препоръча 60 kg чист азот на декар за поле с пшеница; Регионалният практически и целеви добив е около 12-16 кг чист азот от декар. Кое е най-доброто поведение?
- A) Прилагане на препоръката такава, каквато е, защото ИИ е изчислил
- B) Увеличаване на дозата още повече, за да бъде безопасно
- C) Вижте го като предупреждение от порядък на величина и проверете входовете и локалното калибриране ✔
- Г) Разделяне на предложението наполовина, без да се взема предвид анализа на почвата
Описание: Препоръката е приблизително четири пъти над очаквания диапазон; Това е предупреждение от порядък. Прекомерният азот означава както икономически щети, така и риск от депресия, болести и замърсяване с нитрати. Правилното поведение е да отхвърлите препоръката и да проверите входните данни (единица, добив, целеви добив, почва N) и локалното калибриране. Сляпото приложение причинява вреда на околната среда и земеделието.
7. Какво означава „консумация на вода от растенията“ (евапотранспирация, ET), използвана при решенията за напояване?
- А) Количеството вода, постъпващо в почвата само чрез валежите
- B) Обща загуба на вода чрез изпарение от почвата и транспирация от растението ✔
- В) Електропроводимост на почвата
- D) Стойност на налягането в напоителната тръба
Обяснение: Евапотранспирацията е общата загуба на вода от почвата в атмосферата чрез изпарение и транспирация от растението. Чрез умножаване на референтния ET с коефициента на културата (Kc), действителната нужда от вода на продукта (ETc) се оценява и напояването се планира в съответствие с този воден баланс. ET не е валежи или соленост на почвата; Той представлява изходящата страна на водния бюджет.
8. Инженер, който видя симптоми на листа, даде описанието на снимката на AI и получи предварителна диагноза. Кое е задължително преди превръщането на тази диагноза в решение за борба с вредителите?
- A) Потвърждаване на агента в полето/лабораторията и избор на лицензирано и етикетирано лекарство ✔
- Б) Приемане на няколко различни лекарства заедно, просто за по-голяма безопасност
- C) Приложете незабавно активната съставка, каквото AI каже.
- Г) Изберете най-евтиния пестицид и го нанесете върху цялото поле
Обяснение: Предварителната диагноза само от изображението не е достатъчна поради различни фактори (гъбични, бактериални, вирусни, дефицит на хранителни вещества, абиотичен стрес), които причиняват подобни симптоми. Причинителят трябва да бъде потвърден с полева проба и, ако е необходимо, лабораторна диагностика, след което трябва да се избере само лекарство, лицензирано за този агент и този продукт и подходящо за неговия етикет. Прилагането на широкоспектърни пестициди без проверка създава риск от резистентност и остатъци.
9. Каква е целта на концепцията за GDD (Growth Degree Day), която често се използва в подкрепа на вземането на решения в земеделието?
- А) Следвайки pH стойността на почвата
- B) Прогнозиране на етапите на развитие на растенията и появата на вредители чрез натрупване на топлина ✔
- C) Измерване на дебита на напоителната тръба
- Г) Изчисляване на пазарната цена на продукта
Описание: GDD е общата топлина, акумулирана чрез изваждане на базова температура от средната дневна температура и се използва за оценка на етапите на развитие (фенология) на растението и времето на поява на някои вредители. По този начин периодите за пръскане, торене и прибиране на реколтата могат да се планират според акумулирането на топлина, а не според календара. GDD не е pH на почвата или количеството на директните валежи.
10. Кое от следните е най-точното твърдение за модел за прогнозиране на добива, установен с машинно обучение?
- А) Предсказва бъдещето точно и без грешка
- Б) Основава се на минали модели; Трябва да се даде с диапазон на несигурност и да се провери ✔
- C) Винаги работи с еднаква точност в условия, различни от данните за обучение.
- Г) Той е единственият, който взема окончателни решения без агрономическа информация
Описание: Модел на машинно обучение се основава на модели, които вижда в исторически данни; Доверието намалява, когато входните условия са извън обучителните данни (нов сорт, необичаен климат). Следователно изходът трябва да бъде даден с диапазон на несигурност, а не с точка, и трябва да бъде проверен с историческа доходност и бенчмаркове. Моделът не знае бъдещето със сигурност и не работи със същата точност при всякакви условия.
11. Каква е най-добрата практика преди да стартирате код за анализ на Python/pandas, генериран от AI?
- A) Прилагане на кода директно към целия набор от данни, без да го четете
- B) Тестване с малка извадка от данни с известни резултати и проверка на формули и единици ✔
- В) Като се има предвид, че е достатъчна просто работа без грешки.
- Г) Поставяне на изхода в отчета, без изобщо да се проверява
Описание: Въпреки че кодът, генериран от AI, може да изглежда правилен, той може да съдържа единица, име на колона, формула на индекс или логически грешки на филтъра. Добра практика е ръчно да изпълните резултата срещу малка извадка от данни, които познавате, да ги сравните с очаквания резултат и да проверите формули като NDVI спрямо източника. Прилагането на код към големи данни, без да го виждате, премества тихите грешки в производството.
12. Защо бележникът за администриране на лекарства е критичен в записите за проследяване?
- А) Само за да получите данъчно облекчение
- B) Осигурява проверим запис за съответствие с MRL, сертифициране и обратно проследяване на партиди ✔
- В) Само за сравнение със съседни полета
- Г) Изготвяне на рекламни брошури
Описание: Книга за приемане на лекарства; Той документира кой продукт, коя активна съставка, в коя доза и дата е използван, както и периода на изчакване между последното приложение и прибирането на реколтата. Този запис е задължителен за спазване на максимално допустимите остатъчни вещества (MRL), добро агрономско/биологично сертифициране и обратно проследяване на партидата, ако възникне проблем. Не се съхранява само за проследяване на разходите или реклама.
13. AI инструмент уверено докладва вредител, който не е открит в района, като „обща заплаха“. Коя концепция може най-добре да обясни тази ситуация?
- A) Грешка при калибриране на сензора
- B) Халюцинация: производство на информация, която не съществува на безопасен език ✔
- C) Прекъсване на мрежовата връзка
- Г) Липса на данни за валежите
Обяснение: Нарича се халюцинация, когато моделът произвежда информация, която всъщност не съществува или не съответства на контекста, сякаш е реална, плавна и уверена. Филтърът на агрономическата правдоподобност (дали климатът и моделът на културите в региона са подходящи за този вредител?) и полеви доказателства улавят такива грешки преди подписването. Това не е неизправност на сензора или грешка на устройството.
14. Как трябва да се дефинира ролята на изкуствения интелект в селскостопанските решения, които са от решаващо значение за безопасността и качеството (напр. дозировка на пестициди, предписание за тор, план за напояване)?
- А) Компетентният орган, който сам взема окончателното решение
- Б) Автоматизирана система, която замества одобрението на компетентен агроном
- C) Помощник, който изготвя чернови и предложения и оставя решението на експерта ✔
- Г) Точен източник на информация, който не изисква проверка
Описание: Изкуствен интелект; Това е асистент, който създава очертания, обобщава данни и предлага хипотези. Последната дума при вземането на критични решения принадлежи на компетентния селскостопански инженер, който е запознат с теренното наблюдение, местното калибриране и законодателството; AI изходът не замества това одобрение. Що се отнася до безопасността на продуктите, околната среда и храните, отговорността се носи от подписващия експерт.