नफा:
- शेतकरी डेटा मालकी, गोपनीयता आणि अल्गोरिदमिक पूर्वाग्रह यासारख्या नैतिक जोखमी ओळखण्याची आणि व्यवस्थापित करण्याची क्षमता
- मॉड्यूलचे सर्व दुवे एकाच हंगामी एंड-टू-एंड वर्कफ्लोमध्ये एकत्र करण्याची क्षमता
- सुरक्षितता-गंभीर कृषी निर्णयांमध्ये एआय आउटपुट सक्षम कृषीशास्त्रज्ञांच्या मान्यतेची जागा घेत नाही अशी गुणवत्ता प्रणाली स्थापित करणे
मॉड्यूल परीक्षा
1. कृषी अभियांत्रिकीमधील निर्णयामध्ये AI आउटपुटचा समावेश करण्यापूर्वी लागू केलेल्या 'थ्री अँकर' व्हॅलिडेशनचे अँकर कोणते आहेत?
- अ) आकार श्रेणी, कृषिशास्त्रीय व्यवहार्यता आणि क्षेत्रीय पुरावे ✔
- ब) मॉडेलची लोकप्रियता, उत्तराची लांबी आणि भाषेचा प्रवाह
- क) किंमत, गती आणि वापरकर्ता इंटरफेस
- ड) ब्रँड विश्वासार्हता, इंटरनेट कनेक्शन आणि फाइल स्वरूप
वर्णन: तीन अँकर; परिमाणाचा क्रम, जो परिणाम 10 च्या अपेक्षित पॉवरमध्ये आहे की नाही हे तपासतो, कृषीशास्त्रीय वाजवीपणा, जी पीक आणि हवामानासह उत्पादनाची सुसंगतता पाहते आणि फील्ड पुरावे, जे कोर/नमुन्याऐवजी शेतात पुष्टी प्रदान करतात. स्त्रोताचा ब्रँड, मॉडेलची लोकप्रियता किंवा मजकूराचा प्रवाह हे पडताळणीचे निकष नाहीत.
2. NDVI (नॉर्मलाइज्ड डिफरन्स व्हेजिटेशन इंडेक्स) मुळात काय मोजते?
- अ) मातीची नेमकी ओलावा टक्केवारी सेंटीमीटरमध्ये निश्चित करा
- ब) हिरव्या, दोलायमान वनस्पतींची घनता आणि ताकद ✔
- क) प्रजातीच्या पातळीवर कोणता रोग एजंट असतो?
- ड) कापणीनंतर उत्पादनाची अंतिम किंमत
वर्णन: NDVI जवळ-अवरक्त (NIR) आणि लाल बँड रिफ्लेकन्समधील फरक सामान्य करून हिरव्या, प्रकाशसंश्लेषक जिवंत वनस्पतींची घनता आणि ताकद मोजते. निरोगी झाडे NIR जोरदारपणे परावर्तित करत असल्याने आणि लाल तीव्रतेने शोषून घेतात, NDVI वाढते; तणावपूर्ण किंवा विरळ कव्हरमध्ये मूल्य कमी होते. हे थेट उत्पादन, मातीची आर्द्रता किंवा रोगाचा प्रकार मोजत नाही; त्यांना अतिरिक्त डेटा आवश्यक आहे.
3. उपग्रह प्रतिमा कमी NDVI मूल्य असलेले क्षेत्र दर्शवते. या विसंगतीला अभियांत्रिकी निर्णयात बदलण्यापूर्वी खालीलपैकी कोणते पाऊल उचलणे योग्य आहे?
- अ) त्या भागात बुरशीनाशक लगेच टाकावे
- ब) क्षेत्राला खताचा डोस दुप्पट करणे
- क) फील्ड कंट्रोल, हवामानशास्त्र आणि फिनोलॉजी द्वारे कारणाची पुष्टी करा ✔
- ड) विसंगतीकडे दुर्लक्ष करा आणि संपूर्ण क्षेत्रासाठी सरासरी लागू करा
स्पष्टीकरण: कमी NDVI पाण्याचा ताण, रोग, पोषक तत्वांची कमतरता, क्वचित दिसणे, ढग सावली किंवा नवीन नांगरलेली माती यामुळे होऊ शकते. ही अनिश्चितता आपण केवळ क्षेत्र नियंत्रण, हवामानशास्त्र आणि फिनोलॉजी द्वारे ओळखू शकतो; फक्त नकाशाच का सांगत नाही. कीटकनाशके किंवा खतांचा थेट वापर केल्यास चुकीच्या कारणामुळे व्यत्यय येण्याचा धोका असतो.
4. सार्वजनिकरित्या उपलब्ध असलेल्या एआय टूलमध्ये शेतकरी फील्ड निर्देशांक, उत्पन्न आणि खर्च डेटा प्रविष्ट करताना सर्वात अचूक दृष्टीकोन कोणता आहे?
- अ) सर्व डेटा आयडी आणि कोऑर्डिनेट्ससह पेस्ट करणे
- ब) ओळखीची माहिती अनामित करा आणि फक्त आवश्यक तांत्रिक डेटा सामायिक करा ✔
- क) सार्वजनिक टेबलमध्ये डेटा अजिबात न तपासता लोड करणे
- ड) शेतकऱ्याच्या परवानगीशिवाय मॉडेल प्रशिक्षणासाठी डेटा दान करणे
प्रकटीकरण: शेतकरी डेटा व्यावसायिक आणि वैयक्तिकरित्या संवेदनशील आहे; समन्वय, ओळख आणि किंमत माहिती ही मालमत्ता आणि गोपनीयतेची बाब आहे. प्रतिनिधी लेबल्स (प्लॉट-ए, एक्स कोऑर्डिनेट) सह ओळखीची माहिती अनामित करणे आणि विश्लेषणासाठी आवश्यक फक्त तांत्रिक डेटा सामायिक करणे हा योग्य दृष्टीकोन आहे. डेटा जसा आहे तसा सामायिक करणे किंवा परवानगीशिवाय शिक्षणासाठी उघडणे नैतिक आणि कायदेशीर धोके निर्माण करतात.
5. माती विश्लेषण अहवालात pH 4.8 आहे. या मूल्याचा कृषीशास्त्रीयदृष्ट्या काय अर्थ होतो?
- अ) बहुतेक पिकांसाठी तटस्थ आणि आदर्श माती
- ब) जोरदार अम्लीय; अशी स्थिती जी अन्न सेवन प्रतिबंधित करू शकते आणि सुधारणा आवश्यक आहे ✔
- क) मजबूत अल्कली; लिंबिंग आवश्यक असलेली स्थिती
- ड) याचा अर्थ जमिनीत क्षारता खूप जास्त आहे.
वर्णन: pH 4.8 जोरदार अम्लीय माती दर्शवते; या स्थितीत, फॉस्फरस आणि मॉलिब्डेनमचे शोषण कमी होते, ॲल्युमिनियम/मँगनीजच्या विषारीपणाचा धोका वाढतो आणि अनेक पिकांमध्ये मुळांचा विकास रोखला जातो. बहुतेक शेतातील पिकांसाठी, 6.0-7.0 ही योग्य श्रेणी आहे. म्हणून, लिमिंग सारख्या दुरुस्तीचा विचार केला जातो; आम्लयुक्त माती 'आदर्श' नाही आणि स्वतःहून उच्च उत्पादनाची हमी देत नाही.
6. एआयने गव्हाच्या शेतासाठी प्रति डेकेअर 60 किलो शुद्ध नायट्रोजनची शिफारस केली आहे; प्रादेशिक व्यावहारिक आणि लक्ष्य उत्पन्न अंदाजे 12-16 किलो शुद्ध नायट्रोजन प्रति डेकेअर दर्शवते. सर्वोत्तम वर्तन काय आहे?
- अ) शिफारशी जशी आहे तशी अंमलात आणणे, कारण AI ने गणना केली आहे
- ब) सुरक्षित राहण्यासाठी डोस आणखी वाढवणे
- क) यास परिमाण चेतावणीचा क्रम म्हणून पहा आणि इनपुट आणि स्थानिक कॅलिब्रेशन तपासा ✔
- ड) मातीचे विश्लेषण विचारात न घेता प्रस्ताव अर्ध्या भागात विभागणे
वर्णन: शिफारस अपेक्षित श्रेणीच्या अंदाजे चार पट आहे; हा परिमाण चेतावणीचा आदेश आहे. जास्त नायट्रोजन म्हणजे आर्थिक नुकसान आणि नैराश्य, रोग आणि नायट्रेट प्रदूषणाचा धोका. योग्य वर्तन म्हणजे शिफारस नाकारणे आणि इनपुट (एकक, उत्पन्न, लक्ष्य उत्पन्न, माती N) आणि स्थानिक कॅलिब्रेशन तपासणे. आंधळा वापरामुळे पर्यावरण आणि कृषीविषयक हानी होते.
7. सिंचन निर्णयांमध्ये वापरल्या जाणाऱ्या 'प्लांट वॉटर कन्झम्पशन' (बाष्पीभवन, ET) चा अर्थ काय आहे?
- अ) केवळ पर्जन्यवृष्टीद्वारे जमिनीत पाण्याचे प्रमाण
- ब) मातीतून होणारे बाष्पीभवन आणि वनस्पतीतून होणारे बाष्पीभवन यामुळे एकूण पाण्याची हानी ✔
- क) मातीची विद्युत चालकता
- ड) सिंचन पाईपमधील दाब मूल्य
स्पष्टीकरण: बाष्पीभवन म्हणजे बाष्पीभवन आणि बाष्पीभवनाद्वारे जमिनीतून वातावरणात होणारी एकूण पाण्याची हानी. संदर्भ ET चा पीक गुणांक (Kc) सह गुणाकार करून, उत्पादनाची वास्तविक पाण्याची गरज (ETc) अंदाजित केली जाते आणि या पाणी संतुलनानुसार सिंचनाचे नियोजन केले जाते. ईटी म्हणजे पाऊस किंवा मातीची क्षारता नाही; हे पाणी बजेटच्या बहिर्वाह बाजूचे प्रतिनिधित्व करते.
8. पानावर लक्षणे दिसणाऱ्या एका अभियंत्याने फोटोचे वर्णन AI ला दिले आणि त्याला प्राथमिक निदान मिळाले. कीटक नियंत्रण निर्णयामध्ये या निदानाचे भाषांतर करण्यापूर्वी कोणते अनिवार्य आहे?
- अ) फील्ड/प्रयोगशाळेत एजंटची पुष्टी करणे आणि परवानाकृत आणि लेबल केलेले औषध निवडणे ✔
- ब) अनेक वेगवेगळी औषधे एकत्र घेणे, फक्त सुरक्षित राहण्यासाठी
- क) AI जे काही सांगते ते त्वरित सक्रिय घटक लागू करा.
- ड) सर्वात स्वस्त कीटकनाशक निवडा आणि ते संपूर्ण शेतात लावा
स्पष्टीकरण: समान लक्षणे कारणीभूत असलेल्या वेगवेगळ्या घटकांमुळे (बुरशीजन्य, जिवाणू, विषाणूजन्य, पोषक तत्वांची कमतरता, अजैविक ताण) केवळ प्रतिमेवरून प्राथमिक निदान पुरेसे नाही. एजंटला फील्ड नमुन्यासह पुष्टी केली पाहिजे आणि आवश्यक असल्यास, प्रयोगशाळेचे निदान केले पाहिजे आणि त्यानंतरच त्या एजंटसाठी परवाना असलेले औषध आणि ते उत्पादन आणि त्याच्या लेबलसाठी योग्य उत्पादन निवडले पाहिजे. पडताळणीशिवाय ब्रॉड-स्पेक्ट्रम कीटकनाशकांचा वापर केल्यास प्रतिकार आणि अवशेषांचा धोका निर्माण होतो.
9. जीडीडी (ग्रोथ डिग्री डे) संकल्पनेचा उद्देश काय आहे, जी कृषी निर्णय समर्थनासाठी वारंवार वापरली जाते?
- अ) मातीच्या pH मूल्याचे अनुसरण करणे
- ब) उष्णतेच्या संचयाने वनस्पतींच्या विकासाचे टप्पे आणि कीटकांच्या उदयाचा अंदाज ✔
- क) सिंचन पाईप प्रवाह दर मोजणे
- ड) उत्पादनाच्या बाजारभावाची गणना करणे
वर्णन: GDD म्हणजे दैनंदिन सरासरी तापमानापासून आधारभूत तापमान वजा करून जमा केलेली एकूण उष्णता आणि त्याचा उपयोग वनस्पतीच्या विकासाच्या (फेनॉलॉजी) टप्प्यांचा आणि काही कीटकांच्या उदयाच्या वेळेचा अंदाज घेण्यासाठी केला जातो. अशा प्रकारे, फवारणी, फर्टिझेशन आणि कापणीच्या खिडक्यांचे नियोजन कॅलेंडरपेक्षा उष्णतेच्या संचयानुसार केले जाऊ शकते. GDD म्हणजे मातीचा pH किंवा थेट पर्जन्यमान नाही.
10. खालीलपैकी कोणते विधान मशीन लर्निंगसह स्थापन केलेल्या उत्पन्नाच्या अंदाज मॉडेलसाठी सर्वात अचूक आहे?
- अ) तंतोतंत आणि त्रुटीशिवाय भविष्याचा अंदाज लावतो
- ब) हे भूतकाळातील नमुन्यांवर आधारित आहे; अनिश्चितता श्रेणी आणि सत्यापित ✔ सह दिले जाणे आवश्यक आहे
- क) प्रशिक्षण डेटा व्यतिरिक्त इतर परिस्थितींमध्ये ते नेहमी समान अचूकतेसह कार्य करते.
- ड) कृषीविषयक माहितीशिवाय तो एकमेव अंतिम निर्णय घेणारा आहे
वर्णन: मशीन लर्निंग मॉडेल हे ऐतिहासिक डेटामध्ये दिसणाऱ्या नमुन्यांवर आधारित असते; जेव्हा इनपुट परिस्थिती प्रशिक्षण डेटाच्या बाहेर पडते तेव्हा आत्मविश्वास कमी होतो (नवीन विविधता, असामान्य हवामान). म्हणून, आउटपुट अनिश्चितता श्रेणीसह दिले पाहिजे, बिंदू नाही आणि ऐतिहासिक उत्पन्न आणि बेंचमार्कसह सत्यापित केले पाहिजे. मॉडेलला निश्चितपणे भविष्य माहित नाही आणि सर्व परिस्थितींमध्ये समान अचूकतेसह कार्य करत नाही.
11. AI-व्युत्पन्न पायथन/पांडा विश्लेषण कोड चालवण्यापूर्वी सर्वोत्तम सराव कोणता आहे?
- अ) कोड न वाचता संपूर्ण डेटा सेटवर थेट लागू करणे
- ब) ज्ञात परिणामांसह लहान नमुना डेटासह चाचणी करणे आणि सूत्रे आणि एकके तपासणे ✔
- क) केवळ त्रुटींशिवाय कार्य करणे पुरेसे आहे हे लक्षात घेऊन.
- ड) रिपोर्टमध्ये आउटपुट अजिबात न तपासता टाकणे
वर्णन: AI-व्युत्पन्न केलेला कोड योग्य दिसत असला तरी, त्यात युनिट, स्तंभाचे नाव, इंडेक्स फॉर्म्युला किंवा फिल्टर लॉजिक त्रुटी असू शकतात. चांगला सराव म्हणजे तुम्हाला माहीत असलेल्या डेटाच्या छोट्या नमुन्यावर परिणाम मॅन्युअली चालवणे, अपेक्षित आउटपुटशी त्याची तुलना करणे आणि स्त्रोताविरुद्ध NDVI सारखी सूत्रे तपासणे. मोठ्या डेटाला न पाहता कोड लागू केल्याने मूक बग्स उत्पादनात हलवले जातात.
12. ड्रग ॲडमिनिस्ट्रेशन नोटबुक ट्रेसेबिलिटी रेकॉर्डमध्ये का महत्त्वपूर्ण आहे?
- अ) फक्त कर सवलत मिळवण्यासाठी
- ब) MRL अनुपालन, प्रमाणन आणि बॅच ट्रेसबॅकसाठी पडताळणीयोग्य रेकॉर्ड प्रदान करते ✔
- क) फक्त शेजारच्या फील्डशी तुलना करण्यासाठी
- ड) जाहिरात माहितीपत्रके तयार करणे
वर्णन: औषध प्रशासन पुस्तक; ते कोणते उत्पादन, कोणते सक्रिय घटक, कोणत्या डोसमध्ये आणि तारखेमध्ये वापरले गेले आणि शेवटचा अर्ज आणि कापणी दरम्यान प्रतीक्षा कालावधी दस्तऐवज करते. हे रेकॉर्डिंग कमाल अवशेष मर्यादा (MRL) अनुपालन, चांगले कृषी विज्ञान/सेंद्रिय प्रमाणीकरण आणि समस्या उद्भवल्यास बॅच ट्रेस बॅकसाठी अनिवार्य आहे. हे केवळ खर्च ट्रॅकिंग किंवा जाहिरातीसाठी ठेवलेले नाही.
13. एआय टूलने आत्मविश्वासाने 'सामान्य धोका' म्हणून परिसरात न आढळलेल्या कीटकाची नोंद केली. ही परिस्थिती कोणती संकल्पना उत्तम प्रकारे स्पष्ट करू शकते?
- अ) सेन्सर कॅलिब्रेशन त्रुटी
- ब) भ्रम: सुरक्षित भाषेत अस्तित्वात नसलेल्या माहितीचे उत्पादन ✔
- सी) नेटवर्क कनेक्शन व्यत्यय
- ड) पावसाच्या आकडेवारीचा अभाव
स्पष्टीकरण: जेव्हा मॉडेल प्रत्यक्षात अस्तित्वात नसलेली किंवा संदर्भाशी जुळणारी नसलेली माहिती तयार करते, जसे की ती वास्तविक, अस्खलित आणि आत्मविश्वासपूर्ण असते तेव्हा त्याला मतिभ्रम म्हणतात. कृषिशास्त्रीय प्रशंसनीयतेचे फिल्टर (त्या प्रदेशाचे हवामान आणि पीक नमुना त्या किडीसाठी योग्य आहे का?) आणि क्षेत्रीय पुरावे स्वाक्षरीपूर्वी अशा चुका पकडतात. ही सेन्सरची खराबी किंवा युनिट एरर नाही.
14. सुरक्षितता आणि गुणवत्तेसाठी (उदा. कीटकनाशक डोस, खतांचे प्रिस्क्रिप्शन, सिंचन योजना) कृषी निर्णयांमध्ये कृत्रिम बुद्धिमत्तेची भूमिका कशी परिभाषित केली जावी?
- अ) एकटा सक्षम अधिकारी अंतिम निर्णय घेतो
- ब) सक्षम कृषीशास्त्रज्ञ मान्यतेची जागा घेणारी स्वयंचलित प्रणाली
- क) एक सहाय्यक जो मसुदे आणि सूचना तयार करतो आणि निर्णय तज्ञावर सोडतो ✔
- ड) माहितीचा अचूक स्रोत ज्यास पडताळणीची आवश्यकता नाही
वर्णन: कृत्रिम बुद्धिमत्ता; हा एक सहाय्यक आहे जो बाह्यरेखा तयार करतो, डेटा सारांशित करतो आणि गृहीतके प्रस्तावित करतो. गंभीर निर्णयांमध्ये अंतिम म्हणणे सक्षम कृषी अभियंत्याचे असते ज्याला क्षेत्र निरीक्षण, स्थानिक अंशांकन आणि कायद्याची माहिती असते; AI आउटपुट या मंजुरीची जागा घेत नाही. उत्पादन, पर्यावरण आणि अन्न सुरक्षेचा प्रश्न येतो तेव्हा जबाबदारी स्वाक्षरी करणाऱ्या तज्ञाची असते.