Fitimet:
- Aftësia për të shpjeguar logjikën e bujqësisë precize dhe konceptet bazë si aplikimi i normës së ndryshueshme dhe zonat e menaxhimit.
- Aftësia për të transformuar të dhënat e fushës së shpërndarë, sensorit dhe makinës në tabela të pastra, standarde dhe të kompozueshme me AI
- Aftësia për të kuptuar të dhënat hapësinore (të koordinuara) dhe për të verifikuar prodhimin e AI në shkallën e parcelës dhe zonës së menaxhimit
Bujqësia klasike menaxhon një fushë në tërësi që sillet në një mënyrë dhe të vetme: i njëjti pleh, i njëjti ujë, i njëjti pesticid për të gjithë parcelën. Megjithatë, ndërsa toka në njërin skaj të së njëjtës fushë mund të jetë argjilore dhe mban ujë, skaji tjetër mund të jetë me rërë dhe të humbasë ujin me shpejtësi; Një cep mund të jetë i freskët dhe i lagësht sepse është i ulët, ndërsa një pjerrësi mund të jetë e nxehtë dhe e thatë sepse ka pamje nga jugu. Bujqësia precize është një qasje që synon të ndajë fushën në rajone sipas këtyre dallimeve të brendshme dhe t'i japë çdo rajoni aq kontribut sa i nevojitet. Qëllimi është i thjeshtë, por ndikimi është i madh: në vendin e duhur, në kohën e duhur, në sasinë e duhur. Kjo njësi shpjegon logjikën e bujqësisë precize dhe mënyrën se si të bëhen të dhënat bujqësore që ushqejnë këtë logjikë të organizuar, të besueshme dhe të kompozueshme me inteligjencën artificiale.
Ekzistojnë dy koncepte në zemër të bujqësisë së saktë. E para është aplikimi me shkallë të ndryshueshme (VRA): traktori ose pajisja ndryshon automatikisht sasinë e plehut, farës ose ujit sipas vendndodhjes së fushës. E dyta është zona e menaxhimit: është ndarja e fushës në nën-pjesë që kanë karakteristika të ngjashme të tokës dhe produktivitetit dhe mund të menaxhohen veçmas. Inteligjenca artificiale prek të dyja këto koncepte: ndihmon në përcaktimin e zonave duke kombinuar të dhëna të shpërndara dhe sugjeron draft receta për secilën zonë. Por inxhinieri që njeh fushën është ai që miraton në fund kufirin dhe recetën rajonale.
Natyra e të dhënave bujqësore: Pse është e çrregullt?
Në një fermë, të dhënat vijnë nga dhjetëra burime të panjohura dhe asnjëri prej tyre nuk flet të njëjtën gjuhë si tjetri. Laboratori i tokës dërgon një Excel; Kombinati ruan hartën e tij të rendimentit në një format tjetër; sensori i lagështisë gjeneron CSV për orë; droni nxjerr skedarin JPEG dhe koordinatat; Shënimet e vetë fermerit ishin shkruar me dorë në një fletore. Njësitë e këtyre të dhënave janë të ndryshme (kg/da, kg/ha, ppm, %), formatet e datave janë të ndryshme, sistemet e vendndodhjes janë të ndryshme dhe shpesh emrat e produkteve/parcelave janë të paqëndrueshme ("Fusha e rrjedhës", "dere parcel", "Plot-7" mund të jetë i njëjti vend). Para inteligjencës artificiale, kjo punë e kombinuar ishte pjesa më e bezdisshme dhe që kërkonte shumë kohë për një inxhinier.
Këtu hyn në lojë inteligjenca artificiale dhe funksionon pikërisht aty ku është më e sigurt: përkthimi i të dhënave në një skemë standarde (d.m.th. një strukturë e përbashkët kolone dhe njësie). Por kini kujdes: AI mund të bëjë një gabim kur konverton njësitë, dhe ky gabim do të prishë në heshtje të gjithë analizën. Pra, rregulli i artë në strukturimin e të dhënave është që të vërtetohet manualisht çdo transformim me një mostër të vogël.
Këshillë: Përpara se t'i jepni të dhënat AI, përcaktoni vetë skemën tuaj të synuar: cilat kolona, cilat njësi, cili format i datës. T'i thuash AI që ta "përkthejë këtë në atë diagram" është shumë më e besueshme sesa t'i thuash "të rregullojë këto të dhëna".
Kuptimi i të dhënave hapësinore
Shumica e të dhënave bujqësore janë hapësinore: çdo matje ka një koordinatë. Një mostër dheu është e lidhur me një vendndodhje si "Plot-3, këndi veriperëndimor, 39.12 N / 32.45 E". Këto koordinata zakonisht jepen në një sistem metrik të quajtur gjerësi/gjatësi (WGS84) ose UTM. Kur interpretoni të dhënat hapësinore kur punoni me AI, kushtojini vëmendje tre gjërave: a është sistemi koordinativ i qëndrueshëm, a janë pikat e mostrës të shpërndara mjaftueshëm për të përfaqësuar fushën dhe nëse vlera e një pike i përket të gjithë rajonit apo vetëm asaj pike. Të dhënat e hartës si NDVI mbulojnë çdo metër katror të fushës; Mostra e tokës përfaqëson vetëm pikën ku është marrë. Ngatërrimi i këtij dallimi do të çonte në gabime serioze në interpretim.
Tre Mini Rastet: Nga Numrat
Rasti 1 - Kursimi i kohës në montim. Një inxhinier po kombinonte gjithsej 4200 rreshta të dhënash nga 5 burime të ndryshme (laboratori i tokës, harta e rendimentit, sensori, droni, shënimet në terren) në një tabelë të vetme; afërsisht 6 orë me dorë. Pasi përcaktuam paraprakisht skemën e synuar dhe i dhamë AI-së detyrën të "hartojë këto 5 skedarë në këto kolona", drafti i parë doli në 25 minuta; Ai i kushtoi kohën e mbetur për të kontrolluar saktësinë e përputhjes me një kampion prej 40 rreshtash. Koha totale ra në rreth 2 orë.
Rasti 2 - Kurthi i njësisë. Harta e rendimentit ishte në kg/ha dhe rekordi i plehrave në kg/ha. Në kombinimin e parë, AI i grupoi të dyja në të njëjtën kolonë dhe nënvlerësoi rendimentin e një parcele me një faktor prej 10 (1 ha = 10 da). Inxhinieri e kapi mospërputhjen sepse kujtoi rendimentin aktual të një parcele të njohur; Kontrolli i rendit të madhësisë zbuloi gabimin e njësisë.
Rasti 3 - Konfuzion i emrit të parcelës. Në tre burime, e njëjta fushë përmendet si "Dere", "dere_tarla" dhe "Plot-7". AI mendoi se këto ishin tre parcela të veçanta dhe e ndau zonën në tre. Kur inxhinieri kuptoi se sipërfaqja totale e kultivuar nuk përputhej me vlerën në vepër, ai përcaktoi fjalorin e përputhshëm ("këto tre emra = Plot-7") dhe i tha AI që të rikombinohej me të.
Prompt i dobët / Prompt i fortë
Njoftim i dobët:
Organizoni dhe kombinoni këto të dhëna bujqësore.[file]
Njoftim i fuqishëm:
Roli juaj: Analist i të dhënave bujqësore. Kombinoni 4 burimet e mëposhtme në NJË tabelë. Skema e synuar (mos shkoni përtej këtyre kolonave dhe njësive): - id_parcelës (tekst), data (VVVV-MM-DD), produkti (teksti), - pH_dheu (numri), azoti_kg_da (kg/da), rendimenti_kg_da (kg/përqindja e përgjithshme) pleh/njësi rendimenti në kg/ditë; Shënoni çdo rresht që përktheni.- Përputhni emrat e parcelave me fjalorin që dhashë: {"dere":"P7","dere_field":"P7"}.- Lëreni BASHKË vlerën që mungon, plotësoni me një supozim.- Vendosni rreshtat që nuk mund t'i përktheni ose janë të paqarta në një listë të veçantë "kontrolloni_kërkohet". Burimet:[të dhënat]
Prompti i fuqishëm përcakton skemën e synuar, rregullin e njësisë, fjalorin e përputhjes dhe një kovë të veçantë për paqartësi. Kështu, në vend që të hamendësoni, AI ju jep ku është e pavendosur.
Katër modele të kopjueshme
1) Harta në skemën e synuar:
Harto të dhënat e mëposhtme të papërpunuara në skemën e mëposhtme: [kolona + njësi]. Tregoni në një tabelë se cila kolonë synon harton secilën kolonë burimore. Nëse nuk jeni të sigurt, përdorni "?" Shënoni me.
2) Standardizimi dhe gjurmueshmëria e njësisë:
Konvertoni të gjitha njësitë e sipërfaqes në dekare (da). Shto një kolonë "konversion_shënimi"; shkruani njësinë origjinale dhe shumëzuesin për secilën vlerë të konvertuar (p.sh.: "1 ha=10 da"). Lëreni njësinë që nuk mund ta konvertoni siç është dhe shënoni atë.
3) Skanimi i jashtëm:
Unë jap diapazonin e pritshëm agronomik për këto kolona numerike: tokë_pH 4-9, azot_kg_da 0-30, rendiment_kg_da 100-1200. Shënoni çdo rresht jashtë diapazonit si "të jashtëm"; MOS NDRYSHO, thjesht trego.
4) Drafti i rajonit të menaxhimit:
Duke parë të dhënat hapësinore të tokës dhe pjellorisë më poshtë, sugjeroni 2-4 zona menaxhimi kandidate me karakteristika të ngjashme. Për çdo rajon: shkruani parametrat me të cilët keni ndarë, vlerat mesatare dhe kufirin që duhet të verifikoj në fushë. Mos vizatoni kufij të qartë; këto janë drafte.
Grafiku i krahasimit: Klasik vs Bujqësia e saktë
Madhësia
bujqësia klasike
bujqësi precize
njësi menaxhuese
E gjithë fusha është një
Rajonet administrative
Shpërndarja e inputeve
Uniform (normë fikse)
Norma e ndryshueshme (VRA)
Burimi i të dhënave
vëzhgimi i fermerit
sensor, satelit, dron, makineri
Baza e vendimit
Eksperiencë + kalendar
Përvojë + të dhëna + model
Roli i AI
kufizuar
Konsolidimi i të dhënave dhe drafti i propozimit
Rreziku
Tepricë/nën hyrje
Të dhëna të gabuara → rajon i gabuar
Gabimet e zakonshme
- Lëreni AI të përcaktojë skemën. Nëse nuk specifikoni kolonat dhe njësitë e synuara, AI do të prodhojë një strukturë të ndryshme çdo herë dhe krahasimi bëhet i pamundur.
- Mos mbajtja e gjurmëve të njësive. Nëse nuk regjistroni se cila vlerë është përkthyer, nuk mund të gjurmoni gabimet e mëvonshme.
- Gabimi i të dhënave të pikës me të dhënat e hartës. Përgjithësimi i një kampioni të vetëm dheu në të gjithë rajonin tërheq kufirin e rajonit gabimisht.
- Lëreni AI të plotësojë boshllëqet. Plotësimi i vlerës që mungon me një supozim prodhon fabrikim që maskohet si të dhëna reale.
- Nuk kontrollohen emrat e parcelave. Emrat e paqëndrueshëm ndajnë sipërfaqen dhe rendimentin, duke shtrembëruar të gjithë analizën e sezonit.
Kujdes: AI mund të rekomandojë recetën VRA (sa ka shkuar në cilën zonë), por miratimi përfundimtar i takon inxhinierit. Një kufi i gabuar i zonës do të thotë nën ujë ose shumë pleh në një zonë.
Në përmbledhje
Bujqësia precize është arti i menaxhimit të fushës sipas dallimeve të saj të brendshme dhe bazohet në dy koncepte: aplikimi i normës së ndryshueshme dhe zonat e menaxhimit. Kjo qasje ushqehet nga të dhënat; Por të dhënat bujqësore janë të shpërndara, me shumë njësi dhe me shumë burime. Inteligjenca artificiale funksionon në fushën më të sigurt dhe më fitimprurëse të përkthimit të këtyre të dhënave në një skemë standarde - për sa kohë që përcaktoni skemën e synuar, mbani gjurmën e njësisë, mos plotësoni boshllëqet dhe provoni çdo transformim me një shembull. Të dhënat e pastra dhe të unifikuara janë baza solide për të gjitha njësitë pasuese (NDVI, tokë, ujitje, rendiment).
Detyra e aplikimit
Merrni një mostër të vogël nga dy burime të ndryshme (p.sh. një tabelë e analizës së tokës dhe një rendiment/rendiment plehërimi); njësitë dhe emrat e parcelave janë qëllimisht të ndryshëm. Kombinoje AI me shabllonet e "mapping to target skema" dhe "unit standardization" nga kjo njësi. Më pas verifikoni manualisht 5 rreshtat: a janë të sakta konvertimet e njësive, a janë të sakta ndeshjet e parcelave, a janë plotësuar vlerat që mungojnë me supozime? Shënoni çdo gabim që gjeni dhe cilin rregull ka shkelur AI.
listë kontrolli
- [ ] Përcaktova skemën e synuar (kolona + njësi) përpara se t'ia jepja AI.
- [ ] I konvertova të gjitha njësitë në një standard të vetëm dhe mbajta gjurmën e konvertimit.
- [ ] Përputha mospërputhjet e emrave të parcelës me fjalorin dhe verifikova sipërfaqen totale.
- [ ] Kam ekzaminuar pikat e jashtme me diapazon agronomik; Nuk e ndryshova dhe e shënova.
- [ ] I ndava të dhënat e pikave dhe të dhënat e hartës; Nuk i plotësova vendet bosh me hamendje.