Voitot:
- Kyky selittää tarkkuusmaatalouden logiikkaa ja peruskäsitteitä, kuten vaihtelevan annoksen levitys ja hoitovyöhykkeet.
- Kyky muuntaa hajallaan olevaa kenttä-, anturi- ja konetietoa puhtaiksi, vakiomuotoisiksi ja koostettaviksi taulukoiksi tekoälyn avulla
- Kyky ymmärtää spatiaalista (koordinoitua) dataa ja todentaa tekoälyn tuotos lohkon ja hallinta-alueen mittakaavassa
Klassinen maatalous hoitaa peltoa kokonaisuutena, joka käyttäytyy yhdellä ja ainoalla tavalla: sama lannoite, sama vesi, sama torjunta-aine koko tontille. Vaikka maaperä saman pellon toisessa päässä voi kuitenkin olla savea ja pidättää vettä, toinen pää voi olla hiekkaista ja menettää vettä nopeasti; Kulma voi olla viileä ja kostea, koska se on matala, kun taas rinne voi olla kuuma ja kuiva, koska se on etelään päin. Tarkkuusmaatalous on lähestymistapa, jonka tavoitteena on jakaa ala alueisiin näiden sisäisten erojen mukaan ja antaa kullekin alueelle sen verran panosta kuin se tarvitsee. Tavoite on yksinkertainen, mutta vaikutus on suuri: oikeaan paikkaan, oikeaan aikaan, oikeaan määrään. Tämä yksikkö selittää tarkkuusmaatalouden logiikan ja miten tätä logiikkaa ruokkivat maataloustiedot tehdään organisoiduksi, luotettavaksi ja tekoälyllä yhdisteltäväksi.
Tarkkuusmaatalouden ytimessä on kaksi käsitettä. Ensimmäinen on vaihtelevan määrän levitys (VRA): traktori tai laite muuttaa automaattisesti lannoitteen, siementen tai veden määrää pellon sijainnin mukaan. Toinen on hoitovyöhyke: se on pellon jakaminen alaosiin, joilla on samanlaiset maaperä- ja tuottavuusominaisuudet ja joita voidaan hoitaa erikseen. Tekoäly koskettaa näitä molempia käsitteitä: se auttaa määrittelemään vyöhykkeitä yhdistämällä hajatietoa ja ehdottaa reseptiluonnoksia kullekin vyöhykkeelle. Mutta alan tunteva insinööri on se, joka lopulta hyväksyy aluerajan ja reseptin.
Maataloustietojen luonne: miksi se on sotkuista?
Tilalla tiedot tulevat kymmenistä tuntemattomista lähteistä, eikä yksikään niistä puhu samaa kieltä kuin toinen. Maaperälaboratorio lähettää Excelin; Leikkuupuimuri tallentaa tuottokartan toiseen muotoon; kosteusanturi tuottaa tunnin välein CSV:n; drone tulostaa JPEG- ja koordinaattitiedostot; Viljelijän omat muistiinpanot kirjoitettiin käsin vihkoon. Näiden tietojen yksiköt ovat erilaisia (kg/da, kg/ha, ppm, %), päivämäärämuodot ovat erilaisia, sijaintijärjestelmät erilaisia ja tuotteiden/palstan nimet ovat usein epäjohdonmukaisia ("Stream field", "dere parcel", "Plot-7" voi olla sama paikka). Ennen tekoälyä tämä yhdistelmätyö oli insinöörin ärsyttävin ja aikaavievin osa.
Täällä tekoäly tulee peliin ja toimii juuri siellä, missä se on turvallisinta: tietojen muuntaminen vakioskeemaksi (eli yhteiseksi sarake- ja yksikkörakenteeksi). Mutta ole varovainen: tekoäly voi tehdä virheen muuntaessaan yksiköitä, ja tämä virhe pilaa hiljaa koko analyysin. Tietojen strukturoinnin kultainen sääntö on siis tarkistaa jokainen muunnos manuaalisesti pienellä näytteellä.
Vinkki: Ennen kuin syötät tiedot tekoälyyn, määritä itse kohdeskeemasi: mitkä sarakkeet, mitkä yksiköt, mikä päivämäärämuoto. Tekoälyn käskeminen "käännä tämä tuoksi kaavioksi" on paljon luotettavampaa kuin käskeminen "järjestää nämä tiedot".
Paikkatietojen ymmärtäminen
Suurin osa maataloustiedoista on spatiaalista: jokaisella mittauksella on koordinaatti. Maanäyte on linkitetty paikkaan, kuten "Tontti-3, luoteiskulma, 39,12 N / 32,45 E". Nämä koordinaatit annetaan yleensä metrijärjestelmässä, jota kutsutaan leveysaste/pituusaste (WGS84) tai UTM. Kun tulkitset paikkatietoja tekoälyn kanssa työskennellessäsi, kiinnitä huomiota kolmeen asiaan: onko koordinaattijärjestelmä johdonmukainen, ovatko näytepisteet riittävän hajallaan kuvaamaan kenttää ja koskeeko pisteen arvo koko aluetta vai vain sitä pistettä. Karttatiedot, kuten NDVI, kattavat jokaisen pellon neliömetrin; Maanäyte edustaa vain kohtaa, josta se on otettu. Tämän eron sekoittaminen johtaisi vakaviin tulkintavirheisiin.
Kolme minikoteloa: Numeroiden mukaan
Tapaus 1 - Ajansäästö kokoonpanossa. Insinööri yhdisti yhteensä 4 200 riviä tietoja viidestä eri lähteestä (maalaboratorio, satokartta, anturi, drone, kenttämuistiinpanot) yhdeksi taulukoksi; noin 6 tuntia käsin. Kun määritimme kohdeskeeman etukäteen ja annoimme tekoälylle tehtäväksi "kartoittaa nämä 5 tiedostoa näihin sarakkeisiin", ensimmäinen luonnos ilmestyi 25 minuutissa; Hän käytti jäljellä olevan ajan täsmäystarkkuuden tarkistamiseen 40 rivin näytteellä. Kokonaisaika putosi noin 2 tuntiin.
Tapaus 2 - Yksikköloukku. Satokartta oli kg/ha ja lannoiteennätys kg/ha. Ensimmäisessä yhdistelmässä AI ryhmitteli nämä kaksi samaan sarakkeeseen ja aliarvioi yhden koealan sadon kertoimella 10 (1 ha = 10 da). Insinööri huomasi eron, koska hän muisti tunnetun paketin todellisen tuoton; Suuruusluokan tarkistus paljasti yksikkövirheen.
Tapaus 3 - Paketin nimen hämmennys. Kolmessa lähteessä sama kenttä mainittiin nimellä "Dere", "dere_tarla" ja "Plot-7". AI luuli, että nämä olivat kolme erillistä tonttia, ja jakoi alueen kolmeen osaan. Kun insinööri huomasi, että viljelyala ei vastannut asiakirjassa olevaa arvoa, hän määritteli vastaavan sanakirjan ("nämä kolme nimeä = Plot-7") ja käski tekoälyä yhdistämään sen uudelleen.
Heikko kehote / Vahva kehote
Heikko kehote:
Järjestä ja yhdistä nämä maataloustiedot.[tiedostot]
Tehokas kehotus:
Tehtäväsi: Maatalousdata-analyytikko. Yhdistä seuraavat 4 lähdettä YHEKSI taulukkoon. Kohdeskeema (älä ylitä näitä sarakkeita ja yksiköitä):- paketin_tunnus (teksti), päivämäärä (VVVV-KK-PP), tuote (teksti),- mullan_pH (luku), typpi_kg_da (kg/da), tuotto_kg_da (kg/da), kosteusprosentti (%) Muunna/muuntaa kaikki fertiliteetin yksikkö; Merkitse jokainen kääntämäsi rivi.- Yhdistä pakettien nimet antamaani sanakirjaan: {"dere":"P7","dere_field":"P7"}.- Jätä puuttuva arvo TYHJÄ, täytä se arvauksella.- Laita rivit, joita et voi kääntää tai jotka ovat epäselviä, erilliseen "check_required" -luetteloon. Lähteet: [data]
Tehokas kehote määrittelee kohdeskeeman, yksikkösäännön, hakusanakirjan ja erillisen kauhan epäselvyyden vuoksi. Siten arvaamisen sijaan tekoäly toimittaa sinulle, missä se on epäselvä.
Neljä kopioitavaa mallia
1) Kohdekaavioon yhdistäminen:
Yhdistä seuraavat raakatiedot seuraavaan skeemaan: [sarakkeet + yksiköt]. Näytä taulukossa, mihin kohdesarakkeeseen kukin lähdesarake liittyy. Jos olet epävarma, käytä "?" Merkitse :lla.
2) Yksikköstandardointi ja jäljitettävyys:
Muunna kaikki pinta-alayksiköt dekaareiksi (da). Lisää "conversion_note" -sarake; kirjoita kunkin muunnetun arvon alkuperäinen yksikkö ja kerroin (esim. "1 ha=10 da"). Jätä yksikkö, jota et voi muuntaa, sellaisenaan ja merkitse se.
3) Outlier-skannaus:
Annan näille numeerisille sarakkeille odotetun agronomisen alueen: mullan_pH 4-9, typpi_kg_da 0-30, sato_kg_da 100-1200. Merkitse jokainen alueen ulkopuolella oleva rivi "outlieriksi"; ÄLÄ MUUTA, vain näytä.
4) Hoitoalueen luonnos:
Tarkastelemalla alla olevia alueellisia maaperä- ja hedelmällisyystietoja ehdota 2–4 ehdokasta hoitoaluetta, joilla on samanlaiset ominaisuudet. Jokaiselle alueelle: kirjoita kenttään erottamasi parametrit, keskiarvot ja raja, joka minun on tarkistettava. Älä vedä selkeitä rajoja; nämä ovat luonnoksia.
Vertailukaavio: klassinen vs. tarkkuusviljely
Koko
klassinen maatalous
tarkkuusmaataloutta
hallintayksikkö
Koko kenttä on yksi
Hallinnolliset alueet
Syöttöjen jakelu
Univormu (kiinteä hinta)
Vaihtuva korko (VRA)
Tietolähde
viljelijän havainto
anturi, satelliitti, drone, kone
Päätöksen peruste
Kokemus + kalenteri
Kokemus + data + malli
AI:n rooli
rajoitettu
Tietojen yhdistäminen ja ehdotusluonnos
Riski
Yli/alisyöttö
Väärät tiedot → väärä alue
Yleisiä virheitä
- Anna tekoälyn määrittää skeema. Jos et määritä kohdesarakkeita ja -yksiköitä, tekoäly tuottaa joka kerta erilaisen rakenteen ja vertailu on mahdotonta.
- Ei pidä kirjaa yksiköistä. Jos et kirjaa, mikä arvo on käännetty, et voi jäljittää myöhempiä virheitä.
- Pistetiedot erehtyvät karttatietoihin. Yhden maaperänäytteen yleistäminen koko alueelle piirtää alueen rajan väärin.
- Anna tekoälyn täyttää aukot. Puuttuvan arvon täyttäminen arvauksella tuottaa todelliseksi dataksi naamioituvan fiktion.
- Ei tarkista pakettien nimiä. Epäjohdonmukaiset nimet jakavat alueen ja sadon, mikä vääristää koko kausianalyysin.
Huomio: Tekoäly voi suositella VRA-reseptiä (kuinka paljon jollekin alueelle meni), mutta lopullinen hyväksyntä kuuluu insinöörille. Väärä vyöhykeraja tarkoittaa vedenalaista tai liikaa lannoitetta alueella.
Yhteenvetona
Tarkkuusviljely on taitoa hallita peltoa sen sisäisten erojen mukaan, ja se perustuu kahteen käsitteeseen: vaihtelevan annoksen levitys ja hoitovyöhykkeet. Tämä lähestymistapa perustuu tietoihin; Mutta maataloustiedot ovat hajallaan, useista yksiköistä ja useista lähteistä. Tekoäly toimii turvallisimmalla ja kannattavimmalla alueella näiden tietojen kääntämisessä vakioskeemaksi - kunhan määrittelet kohdeskeeman, pidät yksikön jäljityksen, älä täytä aukkoja ja testaa jokaista muunnosa esimerkillä. Puhtaat ja yhtenäiset tiedot ovat vankka perusta kaikille myöhemmille yksiköille (NDVI, maaperä, kastelu, sato).
Sovellustehtävä
Ota pieni näyte kahdesta eri lähteestä (esim. maaperäanalyysitaulukko ja sato/lannoitetietue); yksiköiden ja pakettien nimet ovat tarkoituksella erilaisia. Yhdistä tekoäly tämän laitteen "kartoitus kohdeskeemaan" ja "yksikön standardointi" -malleihin. Tarkista sitten manuaalisesti 5 riviä: ovatko yksikkömuunnokset oikein, ovatko pakettien osumat oikein, onko puuttuvat arvot täytetty arvauksella? Merkitse muistiin jokainen löytämäsi virhe ja mikä sääntö tekoäly rikkoi.
tarkistuslista
- [ ] Määritin kohdeskeeman (sarakkeet + yksiköt) ennen kuin annoin sen tekoälylle.
- [ ] Muunsin kaikki yksiköt yhdeksi standardiksi ja säilytin tulosrajan.
- [ ] Vastasin lohkon nimen erot sanakirjaan ja tarkistin kokonaispinta-alan.
- [ ] Seuloin poikkeamat agronomisella alueella; En vaihtanut sitä ja merkinnyt sen.
- [ ] Erotin pistetiedot ja karttatiedot; En täyttänyt aukkoja arvauksilla.