രോഗവും കീട രോഗനിർണയവും: ഇമേജ് വിശകലനവും തീരുമാനവും

നേട്ടങ്ങൾ:

• ഇല/ഫല ചിത്രങ്ങളിൽ നിന്ന് AI ഉപയോഗിച്ച് പ്രാഥമിക രോഗനിർണയ പ്രവാഹവും സംയോജിത കീട പരിപാലനവും (IPM) ലോജിക്കും സ്ഥാപിക്കാനുള്ള കഴിവ്
• രോഗലക്ഷണ വിവരണത്തെ ഘടനാപരമായ പ്രോംപ്റ്റിലേക്ക് പരിവർത്തനം ചെയ്യാനും സാധ്യമായ ഘടകങ്ങളുടെയും ഡിഫറൻഷ്യൽ ഡയഗ്നോസിസിൻ്റെയും ഒരു ലിസ്റ്റ് നിർമ്മിക്കാനുള്ള കഴിവ്
• ഫീൽഡ് സാമ്പിൾ, ലബോറട്ടറി, ലൈസൻസുള്ള ഡ്രഗ് ലേബൽ എന്നിവ ഉപയോഗിച്ച് AI രോഗനിർണയം സ്ഥിരീകരിച്ച് ദുരുപയോഗം തടയാനുള്ള കഴിവ്

വയലിൽ ഒരു രോഗമോ കീടമോ ശ്രദ്ധയിൽപ്പെടുമ്പോഴേക്കും, അത് പലപ്പോഴും വളരെ വൈകും; നേരത്തെയുള്ളതും കൃത്യവുമായ രോഗനിർണയം മാത്രമാണ് കാര്യക്ഷമതയെ സംരക്ഷിക്കുന്നത്. എന്നാൽ കൃഷിയിലെ ഏറ്റവും പ്രയാസകരമായ തീരുമാനങ്ങളിലൊന്നാണ് രോഗനിർണയം: ഒരേ മഞ്ഞനിറം ഇരുപത് വ്യത്യസ്ത കാരണങ്ങളാൽ ഉണ്ടാകാം, ഒരേ പുള്ളി ഫംഗസ്, ബാക്ടീരിയ അല്ലെങ്കിൽ പോഷകക്കുറവിൻ്റെ അടയാളമായിരിക്കാം. സമീപ വർഷങ്ങളിൽ ഈ മേഖലയിൽ വളരെയധികം ശ്രദ്ധ ആകർഷിച്ച ഒരു ഉപകരണമാണ് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്: ഒരു ഇലയുടെ ഫോട്ടോയിൽ നിന്ന് "ഇത് ടിന്നിന് വിഷമഞ്ഞു" എന്ന് പറയുന്ന പ്രയോഗങ്ങൾ വ്യാപകമായി. ഈ യൂണിറ്റ് യഥാർത്ഥ ശക്തിയും - അതിലും പ്രധാനമായി - ഇമേജ് അടിസ്ഥാനമാക്കിയുള്ള AI ഡയഗ്നോസ്റ്റിക്സിൻ്റെ അപകടകരമായ പരിധികളും പഠിപ്പിക്കുന്നു; ഇൻ്റഗ്രേറ്റഡ് പെസ്റ്റ് മാനേജ്‌മെൻ്റിൻ്റെ (IPM) ചട്ടക്കൂടിനുള്ളിൽ തെറ്റായ സ്പ്രേയിംഗല്ല, ശരിയായ തീരുമാനത്തിലേക്ക് AI എങ്ങനെ ബന്ധിപ്പിക്കാമെന്ന് നിങ്ങളെ കാണിക്കുന്നു. ആദ്യം മുതൽ ഞങ്ങൾ നിങ്ങൾക്ക് മുന്നറിയിപ്പ് നൽകാം: മരുന്ന് തിരഞ്ഞെടുക്കലും ഡോസേജും സുരക്ഷിതമാണ്; AI ഒരു പ്രാഥമിക രോഗനിർണയം നിർദ്ദേശിക്കുന്നു, അംഗീകൃത എഞ്ചിനീയർ രോഗനിർണയവും കുറിപ്പടിയും സ്ഥിരീകരിക്കുന്നു.

എന്തുകൊണ്ടാണ് ഇമേജ് ഡയഗ്നോസിസ് ബുദ്ധിമുട്ടുള്ളത്?

മനുഷ്യൻ്റെ കണ്ണ് പോലും വഞ്ചിക്കപ്പെടുന്നു; ഒരു മോഡലിനെ കബളിപ്പിക്കുന്നത് വളരെ എളുപ്പമാണ്. ആദ്യം, രോഗലക്ഷണ സാമ്യം: ഒരു ഫംഗസ് ഇലപ്പുള്ളി, ഒരു ബാക്ടീരിയൽ സ്പോട്ട്, ഒരു സിങ്ക് കുറവ് എന്നിവയെല്ലാം ഇലയിൽ വളരെ സാമ്യമുള്ളതായി കാണപ്പെടും. രണ്ടാമതായി, സന്ദർഭത്തിൻ്റെ അഭാവം: മോഡൽ ഫോട്ടോ കാണുന്നു, പക്ഷേ പ്രദേശം, കാലാവസ്ഥ, വിളകളുടെ ചരിത്രം, ആ പ്രദേശത്ത് ആ കീടബാധയുണ്ടോ എന്ന് അറിയില്ല - അതിനാൽ ഇത് പ്രദേശത്ത് ഒരിക്കലും കണ്ടെത്തിയിട്ടില്ലാത്ത ഒരു രോഗത്തെ സൂചിപ്പിക്കാം (ഹാലുസിനേഷൻ). മൂന്നാമതായി, ഫോട്ടോ നിലവാരം: വെളിച്ചം, ആംഗിൾ, റെസല്യൂഷൻ എന്നിവ രോഗനിർണയത്തെ സമൂലമായി മാറ്റുന്നു. നാലാമത്, ഘട്ടം: ആദ്യകാല ലക്ഷണവും വിപുലമായ ലക്ഷണവും വളരെ വ്യത്യസ്തമാണ്. അതുകൊണ്ടാണ് ഇമേജ് AI ഒരു രോഗനിർണ്ണയമല്ല, മറിച്ച് ഡിഫറൻഷ്യൽ ഡയഗ്നോസിസിൻ്റെ തുടക്കമാണ് - സാധ്യമായ കാരണങ്ങൾ ലിസ്റ്റുചെയ്യുകയും എവിടെയാണ് കാണേണ്ടതെന്ന് നിങ്ങളോട് പറയുന്ന ഒരു അസിസ്റ്റൻ്റ്.

ഇൻ്റഗ്രേറ്റഡ് പെസ്റ്റ് മാനേജ്മെൻ്റ് (IPM) ചട്ടക്കൂട്

ആധുനിക സസ്യസംരക്ഷണം "കീടനാശിനികളുമായി നിങ്ങളെ കാണാം" എന്ന യുക്തിയിൽ പ്രവർത്തിക്കുന്നില്ല, മറിച്ച് IPM (ഇംഗ്ലീഷിൽ ഇൻ്റഗ്രേറ്റഡ് പെസ്റ്റ് മാനേജ്‌മെൻ്റ്) യുടെ യുക്തി ഉപയോഗിച്ചാണ്: ആദ്യം നിരീക്ഷിച്ച് ശരിയായ രോഗനിർണയം നടത്തുക, തുടർന്ന് സാമ്പത്തിക നാശനഷ്ടത്തിൻ്റെ പരിധി പരിശോധിക്കുക (ഇടപെടലിനെ ന്യായീകരിക്കുന്ന തലത്തിലുള്ള കീടങ്ങളുടെ സാന്ദ്രതയാണ്), സാംസ്കാരികവും ജൈവശാസ്ത്രപരവുമായ അളവുകൾ അനുസരിച്ച്, ലൈസൻസുള്ള സമയ നിയന്ത്രണവും, ലൈസൻസുള്ള ഉൽപ്പന്ന നിയന്ത്രണവും പ്രയോഗിക്കുക. ഈ ശൃംഖലയിലെ എല്ലാ ലിങ്കുകളിലും AI-ന് സഹായിക്കാനാകും-രോഗനിർണ്ണയ സിദ്ധാന്തം, ത്രെഷോൾഡ് റിമൈൻഡർ, ബദൽ നടപടികളുടെ പട്ടിക-എന്നാൽ ഒരു ലിങ്കിലും ഒറ്റയ്ക്ക് തീരുമാനങ്ങൾ എടുക്കുന്നില്ല.

നുറുങ്ങ്: "ഏത് മരുന്നാണ് ഞാൻ നിർദ്ദേശിക്കേണ്ടത്" എന്ന് AI-യോട് ചോദിക്കുന്നതിനുപകരം, "ഏതൊക്കെ ഘടകങ്ങളാണ് ഈ ലക്ഷണത്തെ നിർദ്ദേശിക്കുന്നത്, ഈ മേഖലയിലുള്ള ഓരോന്നിനെയും ഞാൻ എങ്ങനെ വേർതിരിച്ചറിയണം?" ആദ്യത്തെ ചോദ്യം നിങ്ങളെ തെറ്റായ മരുന്നിലേക്ക് നയിക്കുന്നു, രണ്ടാമത്തേത് ശരിയായ രോഗനിർണയത്തിലേക്ക്.

രോഗലക്ഷണ വിവരണം ക്രമീകരിക്കുന്നു

ചിത്രങ്ങളില്ലാതെ പോലും, ഒരു നല്ല രോഗലക്ഷണ വിവരണം AI-യിൽ നിന്ന് ശക്തമായ ഡിഫറൻഷ്യൽ ഡയഗ്നോസിസ് നൽകുന്നു. ഒരു നല്ല വിവരണത്തിൽ ഇവ ഉൾപ്പെടുന്നു: വിളയും ഇനവും, വളർച്ചാ ഘട്ടം, രോഗലക്ഷണത്തിൻ്റെ സ്ഥാനം (മുകൾ/താഴത്തെ ഇല, ഫലം, തണ്ട്, വേര്), നിറവും ആകൃതിയും (സ്പോട്ട്, ഹാലോ, മഞ്ഞനിറം, വാടിപ്പോകൽ), വിതരണം (പാച്ച്, ഇൻ്റർവെയിനൽ, മുഴുവൻ വയലും), സമയം (മഴയ്ക്ക് ശേഷം), പാരിസ്ഥിതിക അവസ്ഥ (ഈർപ്പം, താപനില). ഈ ഘടനാപരമായ പാചകക്കുറിപ്പ് മോഡലിൻ്റെ ഊഹം കുറയ്ക്കുന്നു.

മൂന്ന് മിനി കേസുകൾ: അക്കങ്ങൾ പ്രകാരം

കേസ് 1 - ശരിയായ മാർഗ്ഗനിർദ്ദേശം. ഒരു മുന്തിരിത്തോട്ടത്തിലെ ഇലകളിൽ മഞ്ഞ എണ്ണ പാടുകൾ പ്രത്യക്ഷപ്പെടുന്നത് AI യോട് വിവരിച്ചു; AI, പൂപ്പൽ സിദ്ധാന്തം പ്രോത്സാഹിപ്പിക്കുകയും ഇലയുടെ താഴത്തെ പ്രതലത്തിൽ വെളുത്ത ചാര നിയന്ത്രണം നിർദ്ദേശിക്കുകയും ചെയ്തു. ഈ ലക്ഷണം വയലിൽ സ്ഥിരീകരിച്ചു, സാമ്പിൾ ലബോറട്ടറിയിലേക്ക് അയച്ചു, രോഗനിർണയം സ്ഥിരീകരിച്ചപ്പോൾ, ലൈസൻസുള്ള ഉൽപ്പന്നവുമായി സമയബന്ധിതമായ ഇടപെടൽ നടത്തി; വ്യാപനം പരിമിതമായി തുടർന്നു.

കേസ് 2 - ഹാലുസിനേഷൻ ക്യാപ്‌ചർ. ഒരു തക്കാളി ഹരിതഗൃഹത്തിൽ, രോഗലക്ഷണത്തിൽ നിന്ന് "സാധ്യമായ മരുഭൂമിയിലെ വെട്ടുക്കിളി നാശം" AI നിർദ്ദേശിച്ചു. എന്നിരുന്നാലും, ഹരിതഗൃഹത്തിലെ ലക്ഷണം ചീറ്റുന്ന കീടങ്ങളുടെ (വൈറ്റ്ഫ്ലൈ) പാറ്റേണായിരുന്നു, മരുഭൂമിയിലെ വെട്ടുക്കിളി ആ പ്രദേശത്ത്/അവസ്ഥയിൽ ഒരു പ്രശ്നമേ ആയിരുന്നില്ല. അഗ്രോണമിക് പ്ലാസിബിലിറ്റി ഫിൽട്ടർ (വിള, പരിസ്ഥിതി, ഭൂമിശാസ്ത്രം) തെറ്റായ നിർദ്ദേശം ഇല്ലാതാക്കി; മഞ്ഞ സ്റ്റിക്കി ട്രാപ്പ് ഉപയോഗിച്ച് യഥാർത്ഥ ഏജൻ്റ് സ്ഥിരീകരിച്ചു.

കേസ് 3 - ഭക്ഷണമോ രോഗമോ? ഒരു ചോളത്തോട്ടത്തിൽ ഇടവിട്ടുള്ള മഞ്ഞനിറം കാണുന്നത് "സാധ്യമായ രോഗം" ആയി ഉയർന്നു. ഇൻ്റർവെയിനൽ പാറ്റേൺ ഒരു ക്ലാസിക് മഗ്നീഷ്യം കുറവുള്ള പാറ്റേണാണെന്ന് എഞ്ചിനീയർക്ക് അറിയാമായിരുന്നു; ഇല വിശകലനം ഇത് സ്ഥിരീകരിച്ചു. മരുന്നല്ല, മഗ്നീഷ്യം സപ്ലിമെൻ്റുകൾ ആയിരുന്നു പരിഹാരം; അനാവശ്യവും ദോഷകരവുമായ കീടനാശിനി പ്രയോഗം തടഞ്ഞു.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഇലയിൽ ഒരു മഞ്ഞ പാടുണ്ട്, ഏത് മരുന്നാണ് ഞാൻ ഉപയോഗിക്കേണ്ടത്?

ശക്തമായ നിർദ്ദേശം:

നിങ്ങളുടെ റോൾ: പ്ലാൻ്റ് പ്രൊട്ടക്ഷൻ സ്പെഷ്യലിസ്റ്റ് അഗ്രോണമിസ്റ്റ് (IPM സമീപനം). ചുവടെയുള്ള രോഗലക്ഷണ വിവരണമനുസരിച്ച് ഒരു ഡിഫറൻഷ്യൽ ഡയഗ്നോസിസ് നടത്തുക; രോഗനിർണയം നടത്തരുത്, മരുന്ന് ശുപാർശ ചെയ്യുക. ലക്ഷണം: വിള [..], ഘട്ടം [..], സ്ഥാനം [മുകളിൽ/താഴത്തെ ഇല..], നിറം/ആകൃതി [..], വിതരണം [പാച്ച്/മുഴുവൻ ഫീൽഡ്], സമയം [മഴയ്ക്ക് ശേഷം..], അവസ്ഥ [ആർദ്രത/താപനില]. ടാസ്ക്:- പട്ടിക 3-5 POSSIBLE ഘടകങ്ങൾ (ഫംഗൽ/ബാക്ടീരിയൽ/വൈറൽ/ഹാനികരം/പോഷകം/അബിയോട്ടിക്).- ഓരോ ഘടകങ്ങളും ഫീൽഡിൽ/ലാബിൽ വിവേചനം നടത്താൻ എന്നെ അനുവദിക്കുന്ന ഒരു ടെസ്റ്റ് എഴുതുക.- മേഖല/ഉൽപ്പന്നത്തിനും സംസ്ഥാനത്തിനും ന്യായമല്ലാത്ത ഘടകങ്ങൾ ഒഴിവാക്കുക.- സാമ്പത്തിക ഹാനികരമായ പരിധിയെയും IPM ബദലുകളെയും കുറിച്ച് ഞാൻ എന്താണ് പരിശോധിക്കേണ്ടത്?

ശക്തമായ പ്രോംപ്റ്റ് AI-യെ ഡിഫറൻഷ്യൽ ഡയഗ്നോസിസ്, വെരിഫിക്കേഷൻ എന്നിവയിലേക്ക് നയിക്കുന്നു, ഡയഗ്നോസ്റ്റിക്, പ്രിസ്‌ക്രിപ്ഷൻ അധികാരം നിലനിർത്തുന്നു, പ്ലാസിബിലിറ്റി ഫിൽട്ടറും IPM ചട്ടക്കൂടും നടപ്പിലാക്കുന്നു.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) ഡിഫറൻഷ്യൽ ഡയഗ്നോസിസ് ലിസ്റ്റ്:

ഈ ലക്ഷണവിവരണത്തിന് സാധ്യതയുടെ ക്രമത്തിൽ 3-5 സാധ്യമായ ഘടകങ്ങൾ നൽകുക. ഓരോന്നിനും: സാധാരണ രോഗലക്ഷണ വ്യത്യാസം, വയലിലെ വ്യത്യാസത്തിൻ്റെ രീതി, അത് വേഗത്തിൽ വളരുന്നുണ്ടോ. രോഗനിർണയം നടത്തരുത്.

2) ന്യായമായ ഫിൽട്ടർ:

ഈ ഘടകങ്ങളുടെ പട്ടികയിൽ നിന്ന്, ഞാൻ നൽകിയ പ്രദേശം/കാലാവസ്ഥ/വിള/സീസൺ എന്നിവയ്ക്ക് യുക്തിസഹമല്ലാത്തവ നീക്കം ചെയ്യുകയും ഓരോ ഒഴിവാക്കലിൻ്റെയും കാരണം എഴുതുകയും ചെയ്യുക. ബാക്കിയുള്ളവ "ഫീൽഡിൽ പരിശോധിച്ചുറപ്പിക്കുക" എന്ന് അടയാളപ്പെടുത്തുക.

3) സാമ്പിൾ ചെയ്യലും സ്ഥിരീകരണ പദ്ധതിയും:

ഈ സംശയാസ്പദമായ രോഗത്തിന് ശരിയായ സാമ്പിൾ എങ്ങനെ എടുക്കാം (ഏത് ടിഷ്യു, എത്ര ചെടികൾ, എങ്ങനെ സംഭരിക്കാം), ഏത് ലബോറട്ടറി പരിശോധനയാണ് ആവശ്യപ്പെടുന്നത്? ഘട്ടം ഘട്ടമായി എഴുതുക.

4) IPM തീരുമാന ചട്ടക്കൂട്:

അനുമാനിക്കുന്ന ഏജൻ്റ് [സ്ഥിരീകരിച്ചത്]: (1) സാമ്പത്തിക അപകട പരിധി എന്താണെന്ന് പരിശോധിക്കുക, (2) സാംസ്കാരിക/ജീവശാസ്ത്രപരമായ ഇതരമാർഗങ്ങൾ, (3) ആവശ്യമെങ്കിൽ ലൈസൻസുള്ള ഉൽപ്പന്നവും ലേബൽ കംപ്ലയൻസും, റെസിസ്റ്റൻസ് മാനേജ്മെൻ്റും. ഡോസിംഗ്; പരിശോധിക്കേണ്ട ഇനങ്ങൾ അവതരിപ്പിക്കുക.

ഏജൻ്റ് തരം

സാധാരണ നുറുങ്ങ്

വിവേചനം കാണിക്കരുത്

കുമിൾ

കറ + ചാരം / പൂപ്പൽ, ഈർപ്പം വർദ്ധിക്കുന്നു

സൂക്ഷ്മദർശിനി/സംസ്കാരം

ബാക്ടീരിയൽ

വെള്ളമുള്ള കറ, പ്രഭാവലയം, ദുർഗന്ധം

ലബോറട്ടറി പരിശോധന

വൈറൽ

മൊസൈക്ക്, രൂപഭേദം, വെക്റ്റർ

സീറോളജിക്കൽ/പിസിആർ ടെസ്റ്റ്

ഹാനികരമായ

ദ്വാരം, മുലകുടിക്കുന്ന, ജീവനുള്ള പ്രാണി

കെണി, ദൃശ്യ എണ്ണം

പോഷകാഹാര കുറവ്

സമമിതി/ഇൻ്റർഗ്രെയിൻ പാറ്റേൺ

ഇല വിശകലനം

അജിയോട്ടിക്

മഞ്ഞ്/സൂര്യൻ/മരുന്ന് കേടുപാടുകൾ

ചരിത്രം + വിതരണം

സാധാരണ തെറ്റുകൾ

• ഇമേജ് രോഗനിർണയം നിർണായകമാണെന്ന് കരുതുക. ഫോട്ടോഗ്രാഫി ഡിഫറൻഷ്യൽ ഡയഗ്നോസിസ് ആരംഭിക്കുന്നു, രോഗനിർണയമല്ല; സാമ്പിളും ലബോറട്ടറിയും ആവശ്യമാണ്.
• സോൺ ന്യായബോധം മറികടക്കുന്നു. പ്രദേശത്ത് ഇല്ലാത്ത ഒരു കീടത്തെ മാതൃക നിർദ്ദേശിക്കാം; ഭൂമിശാസ്ത്രം/കാലാവസ്ഥ എന്നിവയിലൂടെ ഫിൽട്ടർ ചെയ്യുക.
• പോഷകാഹാര/അജൈവ കാരണം മറക്കുന്നു. "രോഗം പോലെയുള്ള" പല ലക്ഷണങ്ങളും കുറവ് അല്ലെങ്കിൽ സൂര്യൻ/മഞ്ഞ്/മരുന്ന് കേടുപാടുകൾ മൂലമാണ്.
• ഉമ്മരപ്പടി കടക്കാതെ സ്പ്രേ ചെയ്യുന്നു. IPM-ൽ കാണുന്ന എല്ലാത്തിനും ഹാനികരമായ ഇടപെടൽ ആവശ്യമില്ല; സാമ്പത്തിക നാശത്തിൻ്റെ പരിധി കാണുക.
• ലൈസൻസും ലേബലും അവഗണിക്കുന്നു. ഉൽപ്പന്നത്തിൽ ലൈസൻസില്ലാത്തതോ തെറ്റായി ഡോസ് നൽകിയതോ ആയ മരുന്നുകൾ അവശിഷ്ടങ്ങളുടെയും പ്രതിരോധത്തിൻ്റെയും അപകടസാധ്യത സൃഷ്ടിക്കുന്നു.

ശ്രദ്ധിക്കുക: തെറ്റായ രോഗനിർണയത്തെ അടിസ്ഥാനമാക്കി സ്പ്രേ ചെയ്യുന്നത് മൂന്നിരട്ടി ദോഷമാണ്: രോഗം നിർത്തുന്നില്ല, പ്രയോജനകരമായ ജീവികൾ മരിക്കുന്നു, അവശിഷ്ടങ്ങളും പ്രതിരോധശേഷിയുള്ള സമ്മർദ്ദങ്ങളും ഉൽപ്പന്നത്തിൽ രൂപം കൊള്ളുന്നു. രോഗനിർണയം സ്ഥിരീകരിക്കുന്നതുവരെ മരുന്നുകളുടെ തീരുമാനങ്ങളൊന്നും എടുക്കുന്നില്ല.

ചുരുക്കത്തിൽ

ഇമേജ് അടിസ്ഥാനമാക്കിയുള്ള AI രോഗനിർണ്ണയം ഒരു ശക്തമായ പ്രാരംഭ ഉപകരണമാണ്, എന്നാൽ രോഗലക്ഷണ സാമ്യം, സന്ദർഭത്തിൻ്റെ അഭാവം, ഭ്രമാത്മകത എന്നിവ കാരണം ഇത് ഒരു ഡിഫറൻഷ്യൽ ഡയഗ്നോസിസ് ആണ്, ഒരു രോഗനിർണയമല്ല. ശരിയായ സമീപനം IPM ചട്ടക്കൂടാണ്: ഘടനാപരമായ രോഗലക്ഷണ വിവരണത്തോടെ സാധ്യമായ ഘടകങ്ങൾ പട്ടികപ്പെടുത്തുക, അവ വിശ്വസനീയതയ്ക്കായി ഫിൽട്ടർ ചെയ്യുക, ഫീൽഡിലും ലബോറട്ടറിയിലും പരിശോധിച്ചുറപ്പിക്കുക, സാമ്പത്തിക പരിധി പരിശോധിക്കുകയും ലൈസൻസുള്ള, ടാർഗെറ്റുചെയ്‌ത മരുന്ന് ഉപയോഗിച്ച് ആവശ്യമെങ്കിൽ മാത്രം ഇടപെടുകയും ചെയ്യുക. AI പ്രാഥമിക രോഗനിർണയം നിർദ്ദേശിക്കുന്നു; രോഗനിർണയത്തിൻ്റെയും കുറിപ്പടിയുടെയും ഉത്തരവാദിത്തം അംഗീകൃത കാർഷിക എഞ്ചിനീയർക്കാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു രോഗലക്ഷണ സാഹചര്യം എഴുതുക (ഉദാ. "തക്കാളി, പൂവിടുന്ന കാലഘട്ടം, താഴത്തെ ഇലകളിൽ ഇടവിട്ടുള്ള മഞ്ഞനിറം, വയലിൻ്റെ ഈർപ്പം കുറഞ്ഞ മൂലയിൽ തീവ്രത"). ഈ യൂണിറ്റിൽ നിന്നുള്ള "ഡിഫറൻഷ്യൽ ഡയഗ്നോസിസ് ലിസ്‌റ്റ്", "പ്ലൂസിബിലിറ്റി ഫിൽട്ടർ" ടെംപ്ലേറ്റുകൾ സഹിതം ഇത് AI-ക്ക് നൽകുക. ഔട്ട്‌പുട്ടിൽ, AI എത്ര വ്യത്യസ്ത തരം ഘടകങ്ങൾ നിർദ്ദേശിക്കുന്നു, അത് ഒരു പോഷകാഹാര/അജൈവ കാരണമായി പരിഗണിക്കുന്നുണ്ടോ, അത് പ്രദേശത്തിന് യുക്തിരഹിതമായ ശുപാർശ നൽകുന്നുണ്ടോ എന്നിവ വിലയിരുത്തുക. ഓരോ ഘടകത്തിനും, ഫീൽഡിൽ നിങ്ങൾ നോക്കുന്ന ഒരു പ്രത്യേക ടെസ്റ്റ് എഴുതുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ രോഗലക്ഷണത്തെ ഘടനാപരമായ (ഉൽപ്പന്നം, ഘട്ടം, സ്ഥാനം, നിറം, വിതരണം, അവസ്ഥ) എന്ന് വിവരിച്ചു.
• [ ] എനിക്ക് AI ഔട്ട്‌പുട്ട് ലഭിച്ചത് ഒരു ഡിഫറൻഷ്യൽ ഡയഗ്നോസിസ് എന്ന നിലയിലാണ്, ഒരു രോഗനിർണയമല്ല.
• [ ] ഞാൻ പ്രദേശം/കാലാവസ്ഥ/ഉൽപ്പന്ന പ്ലാസിബിലിറ്റി ഫിൽട്ടർ പ്രയോഗിച്ചു.
• [ ] ആവശ്യമെങ്കിൽ ഫീൽഡ് സാമ്പിളും ലബോറട്ടറിയും ഉപയോഗിച്ച് ഞാൻ ഏജൻ്റിനെ സ്ഥിരീകരിച്ചു.
• [ ] ഞാൻ IPM ത്രെഷോൾഡ് പരിശോധിച്ചു, എഞ്ചിനീയർ അംഗീകാരത്തോടെ ലൈസൻസുള്ളതും ലേബൽ അനുസരിച്ചുള്ളതുമായ ഇടപെടൽ മാത്രം ആസൂത്രണം ചെയ്തു.