लाभ:
- किसान डेटा स्वामित्व, गोपनीयता र एल्गोरिदमिक पूर्वाग्रह जस्ता नैतिक जोखिमहरू पहिचान र व्यवस्थापन गर्ने क्षमता
- एकल मौसमी अन्त-देखि-अन्त कार्यप्रवाहमा मोड्युलका सबै लिङ्कहरू संयोजन गर्ने क्षमता
- एआई आउटपुटले सुरक्षा-महत्वपूर्ण कृषि निर्णयहरूमा सक्षम कृषिविद् स्वीकृतिलाई प्रतिस्थापन गर्दैन भन्ने गुणस्तर प्रणालीमा स्थापना गर्दै
मोड्युल परीक्षा
1. कृषि ईन्जिनियरिङ् मा निर्णय मा AI आउटपुट सम्मिलित गर्नु अघि लागू 'तीन एंकर' प्रमाणीकरण को एङ्करहरू के हुन्?
- क) साइज दायरा, कृषि औचित्य र क्षेत्र प्रमाण ✔
- B) मोडेलको लोकप्रियता, उत्तरको लम्बाइ र भाषा प्रवाह
- C) मूल्य, गति र प्रयोगकर्ता इन्टरफेस
- D) ब्रान्ड विश्वसनीयता, इन्टरनेट जडान र फाइल ढाँचा
विवरण: तीन एंकर; परिमाणको क्रम, जसले परिणाम 10 को अपेक्षित पावर भित्र छ कि छैन भनेर जाँच गर्दछ, कृषि औचित्य, जसले बाली र मौसमको साथ उत्पादनको स्थिरतालाई हेर्छ, र क्षेत्र प्रमाण, जसले कोर/नमूनाको सट्टा क्षेत्रमा पुष्टि प्रदान गर्दछ। स्रोतको ब्रान्ड, मोडेलको लोकप्रियता, वा पाठको प्रवाह प्रमाणीकरण मापदण्ड होइन।
2. NDVI (नर्मलाइज्ड डिफरन्स भेजिटेसन इन्डेक्स) ले मूल रूपमा के मापन गर्छ?
- क) सेन्टिमिटरमा माटोको आर्द्रता प्रतिशत निर्धारण गर्नुहोस्
- ख) हरियो, जीवन्त वनस्पतिको घनत्व र शक्ति ✔
- ग) प्रजातिको स्तरमा कुन रोगको एजेन्ट हुन्छ?
- घ) फसल काटिसकेपछि उत्पादनको अन्तिम मूल्य
विवरण: NDVI ले नजिकको इन्फ्रारेड (NIR) र रातो ब्यान्ड रिफ्लेकन्स बीचको भिन्नतालाई सामान्य बनाएर हरियो, फोटोसिन्थेटिक जीवित वनस्पतिको घनत्व र शक्ति मापन गर्दछ। स्वस्थ बिरुवाहरूले एनआईआरलाई कडा रूपमा प्रतिबिम्बित गर्ने र रातो तीव्र रूपमा अवशोषित गर्ने भएकोले, NDVI बढ्छ; तनावपूर्ण वा विरल आवरणमा मान घट्छ। यसले प्रत्यक्ष रूपमा उपज, माटोको नमी वा रोगको प्रकार मापन गर्दैन। यी थप डाटा आवश्यक छ।
3. एउटा स्याटेलाइट छविले कम NDVI मान भएको क्षेत्र देखाउँछ। यस विसंगतिलाई ईन्जिनियरिङ् निर्णयमा परिणत गर्नु अघि निम्न मध्ये कुन उत्तम कदम चाल्नु पर्छ?
- क) त्यस क्षेत्रमा तुरुन्तै फङ्गिसाइड लगाउनुहोस्
- ख) क्षेत्र मा मल खुराक दोब्बर
- ग) क्षेत्र नियन्त्रण, मौसम विज्ञान र फिनोलोजी ✔ द्वारा कारण पुष्टि गर्नुहोस्
- D) विसंगतिलाई बेवास्ता गर्नुहोस् र सम्पूर्ण क्षेत्रमा औसत लागू गर्नुहोस्
स्पष्टीकरण: कम NDVI पानीको तनाव, रोग, पोषक तत्वको कमी, कहिलेकाहीं देखिने, बादलको छाया वा ताजा जोतिएको माटोको कारण हुन सक्छ। हामी क्षेत्र नियन्त्रण, मौसम विज्ञान र फिनोलोजी मार्फत मात्र यो अनिश्चितता छुट्याउन सक्छौं; नक्साले मात्र किन बताउदैन। विषादी वा मल प्रयोग गर्दा सीधै गलत कारणले हस्तक्षेप गर्ने जोखिम हुन्छ।
4. सार्वजनिक रूपमा उपलब्ध AI उपकरणमा किसान क्षेत्र समन्वय, उत्पादन र लागत डेटा प्रविष्ट गर्दा सबैभन्दा सही दृष्टिकोण के हो?
- A) सबै डाटा टाँस्दै जसरी यसको आईडी र निर्देशांकहरू छन्
- ख) पहिचान गर्ने जानकारी गुमनाम राख्नुहोस् र आवश्यक प्राविधिक डेटा मात्र साझा गर्नुहोस् ✔
- C) कुनै पनि जाँच नगरी सार्वजनिक तालिकामा डाटा लोड गर्दै
- घ) किसानको अनुमति बिना नमूना प्रशिक्षणमा डाटा दान गर्ने
खुलासा: किसान डेटा व्यावसायिक र व्यक्तिगत रूपमा संवेदनशील छ; समन्वय, पहिचान र लागत जानकारी सम्पत्ति र गोपनीयताको कुरा हो। सही दृष्टिकोण भनेको प्रतिनिधि लेबलहरू (प्लट-ए, एक्स समन्वय) को साथ पहिचान गर्ने जानकारी गुमाउनु र विश्लेषणको लागि आवश्यक प्राविधिक डेटा मात्र साझा गर्नु हो। डाटालाई जस्तो छ साझा गर्नु वा अनुमति बिना शिक्षामा खोल्नुले नैतिक र कानुनी जोखिम निम्त्याउँछ।
5. माटो विश्लेषण रिपोर्टले pH 4.8 को रूपमा पढ्छ। यो मूल्य कृषि विज्ञान को अर्थ के हो?
- क) अधिकांश बालीका लागि तटस्थ र आदर्श माटो
- ख) कडा अम्लीय; खानाको सेवनलाई प्रतिबन्ध लगाउने र सुधार आवश्यक पर्ने अवस्था ✔
- सी) बलियो क्षार; एक शर्त लिमिङ आवश्यक छ
- घ) यसको मतलब माटोमा नुनिलोपन अत्यधिक छ।
विवरण: pH 4.8 ले कडा अम्लीय माटोलाई संकेत गर्दछ; यस अवस्थामा, फस्फोरस र मोलिब्डेनमको अपटेक कम हुन्छ, एल्युमिनियम/म्यांगनीजको विषाक्तताको जोखिम बढ्छ, र धेरै बालीहरूमा जराको विकासलाई दबाइन्छ। धेरैजसो खेती बालीको लागि, 6.0-7.0 उपयुक्त दायरा हो। त्यसकारण, लिमिङ जस्ता सुधार मानिन्छ; अम्लीय माटो 'आदर्श' होइन र आफैले उच्च उत्पादनको ग्यारेन्टी गर्दैन।
6. AI ले गहुँको खेतको लागि प्रति डेकेयर 60 किलो शुद्ध नाइट्रोजन सिफारिस गरेको छ; क्षेत्रीय व्यावहारिक र लक्ष्य उपजले प्रति डेकेयर लगभग 12-16 केजी शुद्ध नाइट्रोजन संकेत गर्दछ। सबै भन्दा राम्रो व्यवहार के हो?
- A) AI गणना गरिएको हुनाले सिफारिसलाई यथावत रूपमा कार्यान्वयन गर्ने
- ख) सुरक्षित हुनको लागि थप मात्रा बढाउँदै
- C) यसलाई म्याग्निच्युड चेतावनीको आदेशको रूपमा हेर्नुहोस् र इनपुटहरू र स्थानीय क्यालिब्रेसन जाँच गर्नुहोस् ✔
- घ) माटो विश्लेषणलाई ख्याल नगरी प्रस्तावलाई आधामा विभाजन गर्ने
विवरण: सिफारिस अपेक्षित दायरा भन्दा लगभग चार गुणा हो; यो परिमाण चेतावनी को एक आदेश हो। अत्यधिक नाइट्रोजन भनेको आर्थिक क्षति र अवसाद, रोग र नाइट्रेट प्रदूषणको जोखिम हो। सही व्यवहार भनेको सिफारिस अस्वीकार गर्नु र इनपुटहरू (इकाई, उपज, लक्ष्य उपज, माटो N) र स्थानीय क्यालिब्रेसन जाँच गर्नु हो। अन्धो प्रयोगले वातावरणीय र कृषि सम्बन्धी हानि निम्त्याउँछ।
7. सिंचाई निर्णयहरूमा प्रयोग गरिने 'बिरुवाको पानी खपत' (इभपोट्रान्सपिरेसन, ET) को अर्थ के हो?
- क) वर्षाबाट मात्र माटोमा प्रवेश गर्ने पानीको मात्रा
- ख) माटोबाट वाष्पीकरण र बिरुवाबाट वाष्पीकरण बाट कुल पानीको हानि ✔
- ग) माटोको विद्युतीय चालकता
- D) सिंचाई पाइप मा दबाव मान
स्पष्टीकरण: इभापोट्रान्सपिरेसन भनेको बिरुवाबाट वाष्पीकरण र वाष्पीकरण मार्फत माटोबाट वायुमण्डलमा कुल पानीको हानि हो। सन्दर्भ ET लाई फसल गुणांक (Kc) सँग गुणन गरेर, उत्पादनको वास्तविक पानीको आवश्यकता (ETc) अनुमान गरिन्छ र यो पानी सन्तुलन अनुसार सिँचाइको योजना बनाइन्छ। ET वर्षा वा माटोको लवणता होइन; यसले पानी बजेटको बहिर्गमन पक्षलाई प्रतिनिधित्व गर्दछ।
8. पातमा लक्षणहरू देख्ने एक इन्जिनियरले AI लाई फोटो विवरण दिए र प्रारम्भिक निदान प्राप्त गरे। यो निदानलाई कीट नियन्त्रण निर्णयमा अनुवाद गर्नु अघि कुन अनिवार्य छ?
- क) क्षेत्र/प्रयोगशालामा एजेन्ट पुष्टि गर्ने र इजाजतपत्र प्राप्त र लेबल गरिएको औषधि चयन गर्ने ✔
- ख) धेरै फरक औषधिहरू सँगै लिने, केवल सुरक्षित हुन
- C) AI ले जे भन्छ तुरुन्तै सक्रिय घटक लागू गर्नुहोस्।
- घ) सस्तो कीटनाशक छनोट गरी सम्पूर्ण खेतमा लागू गर्नुहोस्
स्पष्टीकरण: समान लक्षणहरू उत्पन्न गर्ने विभिन्न कारकहरू (फंगल, ब्याक्टेरिया, भाइरल, पोषक तत्वको कमी, एबायोटिक तनाव) को कारणले मात्र छविबाट प्रारम्भिक निदान पर्याप्त छैन। एजेन्ट फिल्ड नमूना र आवश्यक भएमा प्रयोगशाला निदानको साथ पुष्टि गरिनु पर्छ, र त्यसपछि मात्र एजेन्टको लागि इजाजतपत्र प्राप्त औषधि र त्यो उत्पादन र यसको लेबलको लागि उपयुक्त छनोट गर्नुपर्छ। प्रमाणीकरण बिना व्यापक स्पेक्ट्रम कीटनाशक प्रयोगले प्रतिरोध र अवशेषको जोखिम सिर्जना गर्दछ।
9. GDD (बृद्धि डिग्री दिवस) अवधारणाको उद्देश्य के हो, जुन बारम्बार कृषि निर्णय समर्थनमा प्रयोग गरिन्छ?
- A) माटोको pH मान पछ्याउँदै
- ख) ताप संचयद्वारा बिरुवाको विकास चरणहरू र कीटहरूको उदयको भविष्यवाणी गर्ने ✔
- ग) सिंचाई पाइप प्रवाह दर मापन
- घ) उत्पादनको बजार मूल्य गणना गर्दै
विवरण: GDD भनेको दैनिक औसत तापक्रमबाट आधारभूत तापक्रम घटाएर जम्मा गरिएको कुल ताप हो र बिरुवाको विकास (फेनोलोजी) चरणहरू र केही कीटहरूको उदय समय अनुमान गर्न प्रयोग गरिन्छ। तसर्थ, क्यालेन्डरको सट्टा गर्मी संचय अनुसार स्प्रे गर्ने, निषेचन र फसल झ्यालहरू योजना गर्न सकिन्छ। GDD माटोको pH वा प्रत्यक्ष वर्षाको मात्रा होइन।
10. मेसिन लर्निङद्वारा स्थापित उपज भविष्यवाणी मोडेलको लागि निम्न मध्ये कुन सबैभन्दा सही कथन हो?
- A) भविष्यको सटीक र त्रुटि बिना भविष्यवाणी गर्दछ
- ख) यो विगतका ढाँचाहरूमा आधारित छ; अनिश्चितता दायरा र प्रमाणित ✔ संग दिइनु पर्छ
- C) यसले सँधै प्रशिक्षण डेटा बाहेक अन्य अवस्थामा समान शुद्धताका साथ काम गर्दछ।
- D) उहाँ कृषि सम्बन्धी जानकारी बिना नै अन्तिम निर्णयकर्ता हुनुहुन्छ
विवरण: मेसिन लर्निङ मोडेल ऐतिहासिक डेटामा देख्ने ढाँचाहरूमा आधारित हुन्छ; आत्मविश्वास घट्छ जब इनपुट अवस्था प्रशिक्षण डेटा (नयाँ विविधता, असामान्य मौसम) बाहिर आउँछ। तसर्थ, आउटपुट एक अनिश्चितता दायरा संग दिइनु पर्छ, एक बिन्दु होइन, र ऐतिहासिक उपज र बेन्चमार्क संग प्रमाणित गरिनु पर्छ। मोडेल निश्चितता संग भविष्य थाहा छैन र सबै अवस्थामा समान शुद्धता संग काम गर्दैन।
11. AI-उत्पन्न पाइथन/पान्डा विश्लेषण कोड चलाउनु अघि उत्तम अभ्यास के हो?
- A) कोडलाई सिधै सम्पूर्ण डेटा सेटमा नपढाइ लागू गर्ने
- ख) ज्ञात नतिजाहरू र सूत्रहरू र एकाइहरू जाँच गर्दै ✔
- ग) त्रुटि बिना काम मात्र पर्याप्त छ भनेर विचार।
- घ) जाँच नगरी प्रतिवेदनमा आउटपुट राख्ने
विवरण: जब AI-उत्पन्न कोड सही देखिन सक्छ, यसमा एकाइ, स्तम्भ नाम, अनुक्रमणिका सूत्र, वा फिल्टर तर्क त्रुटिहरू हुन सक्छ। राम्रो अभ्यास भनेको तपाईले थाहा पाएको डेटाको सानो नमूनाको विरुद्धमा नतिजा म्यानुअल रूपमा चलाउनु हो, अपेक्षित आउटपुटसँग तुलना गर्नुहोस्, र स्रोत विरुद्ध NDVI जस्ता सूत्रहरू जाँच गर्नुहोस्। ठूला डाटामा कोड लागू गर्नाले यसलाई नदेखेर मौन बगहरूलाई उत्पादनमा सार्छ।
12. किन ड्रग एडमिनिस्ट्रेशन नोटबुक ट्रेसेबिलिटी रेकर्डमा महत्वपूर्ण छ?
- क) केवल कर कटौती प्राप्त गर्न को लागी
- B) MRL अनुपालन, प्रमाणीकरण र ब्याच ट्रेसब्याकको लागि प्रमाणित रेकर्ड प्रदान गर्दछ ✔
- ग) छिमेकी क्षेत्रहरूसँग तुलनाको लागि मात्र
- घ) विज्ञापन पुस्तिका तयार गर्न
विवरण: औषधि प्रशासन पुस्तक; यसले कुन उत्पादन, कुन सक्रिय घटक, कुन खुराक र मितिमा यो प्रयोग गरिएको थियो, र अन्तिम आवेदन र फसल बीचको प्रतीक्षा अवधि कागजात गर्दछ। यो रेकर्डिङ अधिकतम अवशेष सीमा (MRL) अनुपालन, राम्रो कृषि विज्ञान/जैविक प्रमाणीकरण, र ब्याच ट्रेस ब्याकको लागि अनिवार्य छ यदि समस्या उत्पन्न हुन्छ। यो लागत ट्र्याकिङ वा विज्ञापन को लागी मात्र राखिएको छैन।
13. एक AI उपकरणले 'सामान्य खतरा' को रूपमा क्षेत्रमा फेला परेको कीटलाई विश्वस्त रूपमा रिपोर्ट गर्यो। कुन अवधारणाले यस अवस्थालाई राम्रोसँग व्याख्या गर्न सक्छ?
- क) सेन्सर क्यालिब्रेसन त्रुटि
- ख) भ्रम: सुरक्षित भाषामा अवस्थित नभएको जानकारीको उत्पादन ✔
- C) नेटवर्क जडान अवरोध
- घ) वर्षा तथ्याङ्कको अभाव
स्पष्टीकरण: मोडेलले वास्तविक, धाराप्रवाह र विश्वस्त भए जस्तै, वास्तवमा अवस्थित नभएको वा सन्दर्भसँग मेल नखाने जानकारी उत्पादन गर्दा यसलाई भ्रम भनिन्छ। कृषि सम्बन्धी प्रसङ्गको फिल्टर (के क्षेत्रको मौसम र बाली ढाँचा त्यो कीटका लागि उपयुक्त छ?) र क्षेत्रीय प्रमाणहरूले हस्ताक्षर अघि त्यस्ता त्रुटिहरू समात्छन्। यो एक सेन्सर खराबी वा एकाइ त्रुटि होइन।
14. सुरक्षा र गुणस्तर (जस्तै कीटनाशक खुराक, मल प्रिस्क्रिप्शन, सिंचाई योजना) को लागि महत्वपूर्ण कृषि निर्णयहरूमा कृत्रिम बुद्धिमत्ताको भूमिकालाई कसरी परिभाषित गर्नुपर्छ?
- क) सक्षम अधिकारीले मात्र अन्तिम निर्णय गर्छ
- ख) सक्षम कृषिविद् स्वीकृति प्रतिस्थापन गर्ने स्वचालित प्रणाली
- ग) एक सहायक जसले ड्राफ्ट र सुझावहरू उत्पादन गर्दछ र विशेषज्ञलाई निर्णय छोड्छ ✔
- घ) जानकारीको सही स्रोत जसलाई प्रमाणीकरणको आवश्यकता पर्दैन
विवरण: कृत्रिम बुद्धि; यो एक सहायक हो जसले रूपरेखाहरू उत्पादन गर्दछ, डेटा संक्षेप गर्दछ, र परिकल्पनाहरू प्रस्ताव गर्दछ। महत्वपूर्ण निर्णयहरूमा अन्तिम भनाइ क्षेत्र अवलोकन, स्थानीय क्यालिब्रेसन र कानूनसँग परिचित दक्ष कृषि इन्जिनियरको हो; AI आउटपुटले यो स्वीकृति प्रतिस्थापन गर्दैन। जब यो उत्पादन, वातावरणीय र खाद्य सुरक्षा को लागी आउँछ, जिम्मेवारी हस्ताक्षर विशेषज्ञ संग हुन्छ।