Pelnas:
- Galimybė nustatyti išankstinės diagnostikos srautą ir integruoto kenkėjų valdymo (IPM) logiką naudojant dirbtinį intelektą iš lapų / vaisių vaizdų
- Gebėjimas paversti simptomų aprašymą į struktūrinį raginimą ir sudaryti galimų veiksnių sąrašą bei diferencinę diagnozę
- Galimybė užkirsti kelią piktnaudžiavimui patvirtinant AI diagnozę naudojant lauko mėginį, laboratoriją ir licencijuoto vaisto etiketę
Kol lauke pastebima liga ar kenkėjas, dažnai būna per vėlu; Ankstyva ir tiksli diagnozė yra vienintelis dalykas, kuris taupo efektyvumą. Tačiau diagnozė yra vienas sunkiausių sprendimų žemės ūkyje: tą patį pageltimą gali sukelti dvidešimt skirtingų priežasčių, ta pati vieta gali būti grybelio, bakterijų ar maistinių medžiagų trūkumo požymis. Dirbtinis intelektas – įrankis, pastaraisiais metais šioje srityje sulaukęs didelio dėmesio: plačiai paplito aplikacijos, kuriose iš lapo nuotraukos sakoma „tai gali būti miltligė“. Šis įrenginys moko tikrosios vaizdu pagrįstos AI diagnostikos galios ir, dar svarbiau, pavojingų ribų; Parodoma, kaip integruoto kenkėjų valdymo (IPM) sistemoje AI prijungti prie teisingo sprendimo, o ne netinkamo purškimo. Įspėjame jus nuo pat pradžių: vaistų pasirinkimas ir dozavimas yra labai svarbūs saugumui; AI siūlo preliminarią diagnozę, įgaliotas inžinierius patvirtina diagnozę ir receptą.
Kodėl vaizdo diagnostika sudėtinga?
Net žmogaus akis yra apgauta; Kur kas lengviau apsigauti modeliu. Pirma, simptomų panašumas: lapų grybelinė dėmė, bakterinė dėmė ir cinko trūkumas gali atrodyti labai panašiai ant lapo. Antra, konteksto stoka: modelis mato nuotrauką, bet nežino regiono, klimato, pasėlių istorijos, ar to kenkėjo yra toje vietovėje – tai gali reikšti ligą, kurios toje vietovėje niekada nebuvo aptikta (haliucinacijos). Trečia, nuotraukos kokybė: šviesa, kampas, raiška radikaliai pakeičia diagnozę. Ketvirta, stadija: ankstyvas ir pažengęs simptomas atrodo labai skirtingai. Štai kodėl vaizdo AI yra ne diagnozė, o diferencinės diagnostikos pradžia – asistentas, kuris išvardija galimas priežastis ir nurodo, kur ieškoti.
Integruoto kenkėjų valdymo (IPM) sistema
Šiuolaikinė augalų apsauga veikia ne pagal „iki pasimatymo su pesticidais“ logiką, o pagal IPM (angl. Integrated Pest Management) logiką: iš pradžių teisingai stebėkite ir diagnozuokite, tada patikrinkite ekonominių nuostolių slenkstį (ar kenkėjų tankis yra tokio lygio, kuris pateisina intervenciją), įvertinkite kultūrines ir biologines priemones, taikykite cheminę kontrolę kaip paskutinę ir tikslinę priemonę, pagal licenciją ir tinkamu laiku. Dirbtinis intelektas gali padėti kiekvienoje šios grandinės grandyje – diagnostinė hipotezė, slenksčio priminimas, alternatyvių priemonių sąrašas – tačiau jis nepriima sprendimų vien tik vienoje grandyje.
Patarimas: užuot klausę AI „kokį vaistą turėčiau skirti“, paklauskite: „Kokie veiksniai rodo šį simptomą ir kaip juos atskirti šioje srityje? Pirmasis klausimas veda prie netinkamo vaisto, antrasis - prie teisingos diagnozės.
Simptomo aprašymo konfigūravimas
Net ir be vaizdų, geras simptomų aprašymas suteikia tvirtą diferencinę diagnozę nuo AI. Geras apibūdinimas apima: pasėlius ir veislę, vystymosi stadiją, simptomo vietą (viršutinis / apatinis lapas, vaisius, stiebas, šaknis), spalvą ir formą (dėmė, aureolė, pageltimas, vytimas), pasiskirstymą (neskopus, tarpslankstelinis, visas laukas), laiką (po kritulių) ir aplinkos būklę (drėgmė, temperatūra). Šis struktūrinis receptas sumažina modelio spėliones.
Trys mini dėklai: pagal numerius
1 atvejis – teisingi nurodymai. Geltonų aliejaus dėmių atsiradimas ant lapų vynuogyne buvo aprašytas AI; AI skatino pelėsio hipotezę ir pasiūlė baltųjų pelenų kontrolę apatiniame lapų paviršiuje. Šis simptomas pasitvirtino lauke, mėginys išsiųstas į laboratoriją, o pasitvirtinus diagnozei, laiku buvo atlikta intervencija su licencijuotu produktu; paplitimas liko ribotas.
2 atvejis – haliucinacijų užfiksavimas. Pomidorų šiltnamyje dirbtinis intelektas pasiūlė „galimą dykumos skėrių žalą“ pagal simptomą. Tačiau simptomas šiltnamyje buvo čiulpiantis kenkėjas (baltieji skėriai), o dykumos skėriai toje vietoje/būklėje nebuvo problema. Agronominio patikimumo filtras (sėlis, aplinka, geografija) pašalino neteisingą pasiūlymą; Tikrasis agentas buvo patvirtintas geltonais lipniais spąstais.
3 atvejis – maistas ar liga? Interveininio pageltimo vaizdas kukurūzų lauke pasirodė kaip „galima liga“. Inžinierius žinojo, kad tarpšaknis yra klasikinis magnio trūkumo modelis; lapų analizė tai patvirtino. Magnio papildai, o ne vaistai, buvo sprendimas; Buvo užkirstas kelias nereikalingam ir kenksmingam pesticidų naudojimui.
Silpnas raginimas / stiprus raginimas
Silpnas raginimas:
Ant lapo yra geltona dėmė, kokį vaistą vartoti?
Galingas raginimas:
Jūsų vaidmuo: augalų apsaugos specialistas agronomas (IPM metodas). Atlikite DIFERENCINĘ DIAGNOZĘ pagal toliau pateiktą simptomų aprašymą; NEdiagnozuoti, REKOMENDUOTI vaistų.Požymis: pasėlis [..], stadija [..], vieta [viršutinis/apatinis lapas..], spalva/forma [..], pasiskirstymas [nestinis/visas laukas], laikas [po kritulių..], būklė [drėgmė/temperatūra].Užduotis:- POSSIBLE-5 faktorių sąrašas (grybelinė/bakterinė/virusinė/kenksminga/maistinė/abiotinė).- Kiekvienas veiksnys Parašykite vieną testą, kuris leis man DISKRIMINUOTI lauke/laboratorijoje.- PAŠALINTI veiksnius, kurie nėra tinkami regionui/produktui ir nurodyti kodėl.- Ką turėčiau patikrinti dėl ekonominės žalos slenksčio ir IPM alternatyvų?
Galingas raginimas nukreipia AI į diferencinę diagnozę ir patikrinimą, išlaiko diagnostikos ir receptų išrašymo įgaliojimus, užtikrina patikimumo filtrą ir IPM sistemą.
Keturi kopijuojami šablonai
1) Diferencinės diagnostikos sąrašas:
Nurodykite 3–5 galimus šio simptomo apibūdinimo veiksnius tikimybės tvarka. Kiekvienam: tipinis simptomų skirtumas, diferenciacijos metodas lauke, ar jis greitai auga. Nediagnozuok.
2) Pagrįstumo filtras:
Iš šio veiksnių sąrašo išbraukite tuos, kurie NETINKA mano nurodytam regionui / klimatui / pasėliams / sezonui, ir užrašykite kiekvieno pašalinimo priežastį. Likusią dalį pažymėkite kaip „patikrinti lauke“.
3) Mėginių ėmimo ir tikrinimo planas:
Kaip paimti tinkamą mėginį šiai įtariamai ligai (koks audinys, kiek augalų, kaip jį laikyti), kokio laboratorinio tyrimo prašoma? Rašykite žingsnis po žingsnio.
4) IPM sprendimų sistema:
Prielaida, kad veiksnys [patvirtinta]: (1) patikrinkite, kokia yra ekonominio pavojaus riba, (2) kultūrinės / biologinės alternatyvos, (3) cheminės medžiagos, jei reikia, licencijuotas produktas ir etiketės atitiktis, atsparumo valdymas. DOZAVIMAS; Pateikite tikrintinus elementus.
Agento tipas
Tipiškas patarimas
nediskriminuok
grybelinė
Dėmė + pelenai / pelėsiai, didėja esant drėgmei
mikroskopas/kultūra
bakterinė
Vandeninga dėmė, aureolė, blogas kvapas
laboratorinis tyrimas
virusinis
mozaika, deformacija, vektorius
Serologinis/PGR testas
kenksmingas
skylė, čiulpia, gyvas vabzdys
Spąstai, vizualinis skaičius
mitybos trūkumas
Simetriškas / intergrain modelis
Lapų analizė
abiotinis
Šalčio/saulės/vaistų žala
Istorija + platinimas
Dažnos klaidos
- Darant prielaidą, kad vaizdo diagnozė yra galutinė. Fotografija inicijuoja diferencinę diagnozę, o ne diagnozę; Reikalingas mėginys ir laboratorija.
- Apeinant zonos pagrįstumą. Modelis gali pasiūlyti kenkėją, kurio toje vietoje nėra; filtruoti per geografiją / klimatą.
- Pamiršus mitybos/abiotinę priežastį. Daugelis „į ligą panašių“ simptomų atsiranda dėl trūkumo arba saulės / šalčio / vaistų žalos.
- Purškimas neperžengiant slenksčio. Ne viskas, kas matoma IPM, reikalauja žalingo įsikišimo; Žr. ekonominės žalos slenkstį.
- Licencijos ir etiketės nepaisymas. Nelicencijuoti arba neteisingai dozuoti vaistai gaminyje sukelia likučių ir atsparumo riziką.
Dėmesio: Purškimas, pagrįstas klaidinga diagnoze, yra trejopa žala: liga nesiliauja, žūsta naudingi organizmai, gaminyje susidaro likučių ir atsparių padermių. Kol diagnozė nepatvirtinta, sprendimai dėl vaistų nepriimami.
Apibendrinant
Vaizdu pagrįsta AI diagnozė yra galingas pradinis įrankis, tačiau dėl simptomų panašumo, konteksto trūkumo ir haliucinacijų tai yra diferencinė diagnozė, o ne diagnozė. Teisingas požiūris yra IPM sistema: galimų veiksnių išvardijimas su struktūrizuotu simptomų aprašymu, jų filtravimas, siekiant nustatyti jų patikimumą, patikrinimas lauke ir laboratorijoje, ekonominės slenksčio patikrinimas ir tik prireikus intervencija naudojant licencijuotą, tikslinį vaistą. AI siūlo preliminarią diagnozę; Atsakomybė už diagnozę ir receptą tenka įgaliotam žemės ūkio inžinieriui.
Taikymo užduotis
Parašykite simptomų scenarijų (pvz., "pomidoras, žydėjimo laikotarpis, apatinių lapų tarpgyslinis pageltimas, intensyvus žemos drėgmės lauko kampelyje"). Pateikite jį dirbtiniam intelektui su šio įrenginio „diferencialinės diagnostikos sąrašo“ ir „patikimumo filtro“ šablonais. Išvestyje įvertinkite, kiek skirtingų tipų veiksnių AI siūlo, ar jis atsižvelgia į mitybinę / abiotinę priežastį ir ar ji teikia nepagrįstą rekomendaciją regionui. Kiekvienam veiksniui užrašykite vieną skiriamąjį testą, kurį žiūrėtumėte lauke.
kontrolinis sąrašas
- [ ] Apibūdinau simptomą kaip struktūruotą (produktas, stadija, vieta, spalva, pasiskirstymas, būklė).
- [ ] AI išvestį gavau kaip diferencinę diagnozę, o ne diagnozę.
- [ ] Pritaikiau regiono / klimato / produkto patikimumo filtrą.
- [ ] Agentą patvirtinau lauko mėginiu ir prireikus laboratorija.
- [ ] Patikrinau IPM slenkstį ir planavau tik licencijuotą, etiketę atitinkančią intervenciją su inžinieriaus patvirtinimu.