Dobički:
- Sposobnost vzpostavitve predhodnega poteka diagnoze in logike integriranega zatiranja škodljivcev (IPM) z AI iz slik listov/sadov
- Sposobnost pretvorbe opisa simptomov v strukturiran poziv in priprave seznama možnih dejavnikov in diferencialne diagnoze
- Sposobnost preprečevanja zlorabe s potrditvijo diagnoze umetne inteligence s terenskim vzorcem, laboratorijem in licenčno oznako zdravila
Ko bolezen ali škodljivca opazimo na polju, je pogosto že prepozno; Zgodnja in natančna diagnoza je edina stvar, ki prihrani učinkovitost. Toda diagnoza je ena najtežjih odločitev v kmetijstvu: enako porumenelost lahko povzroči dvajset različnih vzrokov, ista pega je lahko znak glivic, bakterij ali pomanjkanja hranil. Umetna inteligenca je orodje, ki je v zadnjih letih na tem področju pritegnilo veliko pozornosti: aplikacije, ki na fotografiji lista pravijo, da je to lahko pepelasta plesen, so postale zelo razširjene. Ta enota uči resnično moč in – kar je še pomembneje – nevarne meje diagnostike umetne inteligence na podlagi slike; Pokaže vam, kako povezati AI s pravo odločitvijo, ne z napačnim škropljenjem, v okviru integriranega zatiranja škodljivcev (IPM). Naj vas že na začetku opozorimo: izbira zdravila in odmerjanje sta ključnega pomena za varnost; AI predlaga predhodno diagnozo, pooblaščeni inženir potrdi diagnozo in recept.
Zakaj je slikovna diagnoza težka?
Tudi človeško oko je prevarano; Veliko lažje te preslepi model. Prvič, podobnost simptomov: glivična listna pegavost, bakterijska pegavost in pomanjkanje cinka so lahko na listih zelo podobni. Drugič, pomanjkanje konteksta: model vidi fotografijo, vendar ne pozna regije, podnebja, zgodovine pridelka, ali je ta škodljivec prisoten na tem območju – zato lahko nakazuje bolezen, ki je na tem območju še nikoli niso našli (halucinacija). Tretjič, kakovost fotografije: svetloba, kot, ločljivost radikalno spremenijo diagnozo. Četrta, stopnja: zgodnji simptomi in napredni simptomi so zelo različni. Zato slika AI ni diagnoza, ampak začetek diferencialne diagnoze – pomočnik, ki navede možne vzroke in vam pove, kje iskati.
Okvir integriranega zatiranja škodljivcev (IPM).
Sodobno varstvo rastlin ne deluje z logiko »se vidimo s pesticidi«, ampak z logiko IPM (angl. Integrated Pest Management): najprej pravilno spremljaj in diagnosticiraj, nato preveri prag ekonomske škode (je gostota škodljivca na ravni, ki opravičuje poseg), ovrednoti kulturne in biološke ukrepe, uporabi kemično zatiranje kot zadnje in ciljano sredstvo, z licenčnim sredstvom in ob pravem času. Umetna inteligenca lahko pomaga pri vsakem členu v tej verigi – pri diagnostični hipotezi, opomniku o pragu, seznamu alternativnih ukrepov – vendar ne sprejema odločitev v nobenem členu sama.
Namig: Namesto da AI sprašujete, "katera zdravila naj predpišem," vprašajte, "kateri dejavniki kažejo na ta simptom in kako jih ločim na terenu?" Prvo vprašanje vas pripelje do napačnega zdravila, drugo do pravilne diagnoze.
Konfiguriranje opisa simptoma
Tudi brez slik dober opis simptomov povzroči močno diferencialno diagnozo od AI. Dober opis vključuje: pridelek in sorto, razvojno stopnjo, lokacijo simptoma (zgornji/spodnji list, plod, steblo, koren), barvo in obliko (pega, svetilnost, porumenelost, venenje), porazdelitev (neenakomerno, medžilno, celotno polje), čas (po padavinah) in okoljske razmere (vlaga, temperatura). Ta strukturiran recept zmanjša ugibanje modela.
Trije mini kovčki: po številkah
Primer 1 – Pravilno vodenje. AI je opisal pojav rumenih oljnih peg na listih v vinogradu; AI je promoviral hipotezo o peronospori in predlagal zatiranje belega pepela na spodnji površini listov. Ta simptom smo potrdili na terenu, vzorec poslali v laboratorij in ob potrditvi diagnoze izvedli pravočasno intervencijo z licenčnim izdelkom; širjenje je ostalo omejeno.
Primer 2 - Zajetje halucinacij. V rastlinjaku za paradižnike je umetna inteligenca na podlagi simptoma predlagala "možno škodo zaradi puščavskih kobilic". Vendar pa je bil simptom v rastlinjaku vzorec sesanja škodljivcev (bele mušice) in puščavska kobilica ni bila težava na tem območju/stanjih. Filter agronomske verodostojnosti (pridelek, okolje, geografija) je izločil napačen predlog; Pravega povzročitelja smo potrdili z rumeno lepljivo pastjo.
Primer 3 – Hrana ali bolezen? Videz medžilnega porumenelosti na koruznem polju se je pojavil kot "možna bolezen". Inženir je vedel, da je medžilni vzorec klasičen vzorec pomanjkanja magnezija; analiza listov je to potrdila. Rešitev so bili dodatki magnezija, ne zdravila; Preprečeno je bilo nepotrebno in škodljivo nanašanje pesticidov.
Šibek poziv / močan poziv
Šibek poziv:
Na listih je rumena lisa, katero zdravilo naj uporabim?
Močan poziv:
Vaša vloga: agronom specialist za varstvo rastlin (pristop IPM). Postavite DIFERENCIALNO DIAGNOZO glede na spodnji opis simptomov; NE postavljajte diagnoze, PRIPOROČITE zdravilo. Simptom: posevek [..], stadij [..], lokacija [zgornji/spodnji list..], barva/oblika [..], porazdelitev [neenakomeren/celotno polje], čas [po padavinah..], stanje [vlažnost/temperatura]. Naloga:- Seznam 3-5 MOŽNIH dejavnikov (glivični/bakterijski/virusni/škodljivi/hranilni/abiotski).- Vsak dejavnik Napišite en test, ki mi bo omogočil DISKRIMINACIJO na terenu/laboratoriju.- ODPRAVITE dejavnike, ki niso razumni za regijo/proizvod, in navedite zakaj.- Kaj naj preverim glede praga ekonomske škode in alternativ IPM?
Zmogljiv poziv usmerja AI k diferencialni diagnozi in preverjanju, ohranja avtoriteto za diagnostiko in predpisovanje, uveljavlja filter verodostojnosti in okvir IPM.
Štiri kopirane predloge
1) Seznam diferencialne diagnoze:
Navedite 3-5 možnih dejavnikov za ta opis simptoma po vrstnem redu verjetnosti. Za vsakega: značilna razlika v simptomih, način razlikovanja na terenu, ali hitro raste. Ne postavljajte diagnoze.
2) Filter razumnosti:
S tega seznama dejavnikov odstranite tiste, ki NISO RAZUMNI za regijo/podnebje/pridelek/sezono, ki sem jih navedel, in zapišite razlog za vsako izločitev. Ostalo označite kot "preveri na terenu".
3) Načrt vzorčenja in preverjanja:
Kako vzeti pravi vzorec za to sumljivo bolezen (katero tkivo, koliko rastlin, kako ga shraniti), kateri laboratorijski test je zahtevan? Pišite korak za korakom.
4) Okvir odločanja o IPM:
Ob predpostavki, da povzročitelj [potrjeno]: (1) preverite, kakšen je prag ekonomske nevarnosti, (2) kulturne/biološke alternative, (3) kemikalije, če je potrebno, licenčni izdelek in skladnost z oznako, upravljanje odpornosti. DOZIRANJE; Predstavite predmete, ki jih želite preveriti.
Tip agenta
Tipičen nasvet
ne diskriminiraj
glivične
Madež + pepel/plesen, povečuje se z vlago
mikroskop/kultura
bakterijski
Voden madež, halo, neprijeten vonj
laboratorijski test
virusno
mozaik, deformacija, vektor
Serološki/PCR test
škodljivo
luknja, sesanje, živa žuželka
Past, vizualno štetje
prehransko pomanjkanje
Simetrični/medzrnati vzorec
Analiza listov
abiotski
Poškodbe zaradi zmrzali/sonca/zdravil
Zgodovina + distribucija
Pogoste napake
- Ob predpostavki, da je slikovna diagnoza dokončna. Fotografija sproži diferencialno diagnozo, ne diagnoze; Potreben je vzorec in laboratorij.
- Obhod cone razumnosti. Model lahko nakazuje škodljivca, ki ni prisoten na območju; filtrirajte skozi geografijo/podnebje.
- Pozabljamo na prehranski/abiotski vzrok. Številni "bolezni podobni" simptomi so posledica pomanjkanja ali poškodb zaradi sonca/zmrzali/zdravil.
- Škropljenje brez prestopa praga. Vse, kar vidimo v IPM, ne zahteva škodljivega posega; Glej prag gospodarske škode.
- Ignoriranje licence in oznake. Nelicencirano ali nepravilno odmerjeno zdravilo v izdelku ustvarja tveganje za ostanke in odpornost.
Pozor: Škropljenje na podlagi napačne diagnoze je trojna škoda: bolezen ne preneha, koristni organizmi odmrejo, v sredstvu nastanejo ostanki in odporni sevi. Dokler diagnoza ni potrjena, se ne odloča o zdravilih.
Če povzamem
Diagnoza AI na podlagi slike je močno začetno orodje, vendar je zaradi podobnosti simptomov, pomanjkanja konteksta in halucinacij diferencialna diagnoza in ne diagnoza. Pravilen pristop je okvir IPM: naštevanje možnih dejavnikov s strukturiranim opisom simptomov, njihovo filtriranje glede verodostojnosti, preverjanje na terenu in v laboratoriju, preverjanje ekonomskega praga in posredovanje le, če je potrebno, z dovoljenim, ciljnim zdravilom. AI predlaga predhodno diagnozo; Za diagnozo in predpisovanje je odgovoren pooblaščeni inženir kmetijstva.
Aplikacijska naloga
Napišite scenarij simptomov (npr. "paradižnik, obdobje cvetenja, medžilno porumenelost na spodnjih listih, intenzivno v kotu polja z nizko vlažnostjo"). Predajte ga umetni inteligenci s predlogama »seznam diferencialne diagnoze« in »filter verodostojnosti« iz te enote. V rezultatu ocenite, koliko različnih vrst dejavnikov predlaga umetna inteligenca, ali upošteva prehranski/abiotski vzrok in ali daje nerazumna priporočila za regijo. Za vsak dejavnik zapišite en razločevalni test, ki bi ga pogledali na terenu.
kontrolni seznam
- [ ] Simptom sem opisal kot strukturiran (izdelek, stopnja, lokacija, barva, porazdelitev, stanje).
- [ ] Izhod AI sem prejel kot diferencialno diagnozo, ne diagnozo.
- [ ] Uporabil sem filter verjetnosti regije/podnebja/izdelka.
- [ ] Posrednika sem potrdil s terenskim vzorcem in po potrebi v laboratoriju.
- [ ] Preveril sem prag IPM in načrtoval samo licenciran poseg, skladen z nalepko, z odobritvijo inženirja.