Usahihi wa Kilimo na Muundo wa Takwimu za Kilimo

Faida:

• Uwezo wa kueleza mantiki ya kilimo cha usahihi na dhana za kimsingi kama vile utumiaji wa viwango tofauti na maeneo ya usimamizi.
• Uwezo wa kubadilisha uwanja uliotawanywa, sensor na data ya mashine kuwa meza safi, za kawaida na zinazoweza kutungwa na AI
• Uwezo wa kuelewa data ya anga (iliyoratibiwa) na kuthibitisha pato la AI kwa kiwango cha sehemu na eneo la usimamizi.

Kilimo cha kitamaduni kinasimamia shamba kwa ujumla ambalo linatenda kwa njia moja na pekee: mbolea sawa, maji sawa, dawa sawa kwa shamba zima. Hata hivyo, wakati udongo kwenye ncha moja ya shamba moja unaweza kuwa na udongo na kuhifadhi maji, mwisho mwingine unaweza kuwa na mchanga na kupoteza maji kwa haraka; Kona inaweza kuwa baridi na unyevu kwa sababu iko chini, wakati mteremko unaweza kuwa wa moto na kavu kwa sababu unatazama kusini. Kilimo cha usahihi ni mbinu inayolenga kugawanya shamba katika mikoa kulingana na tofauti hizi za ndani na kutoa kila mkoa kadiri inavyohitaji. Lengo ni rahisi lakini athari ni kubwa: mahali pazuri, kwa wakati unaofaa, kwa kiwango kinachofaa. Kitengo hiki kinaelezea mantiki ya kilimo cha usahihi na jinsi ya kufanya data ya kilimo inayolisha mantiki hii kupangwa, kutegemewa na kutungwa kwa akili ya bandia.

Kuna dhana mbili katika moyo wa kilimo cha usahihi. Ya kwanza ni matumizi ya viwango vya kutofautiana (VRA): trekta au kifaa hubadilisha kiatomati kiasi cha mbolea, mbegu au maji kulingana na eneo la shamba. Ya pili ni eneo la usimamizi: ni mgawanyiko wa shamba katika sehemu ndogo ambazo zina sifa sawa za udongo na tija na zinaweza kusimamiwa tofauti. Upelelezi wa Bandia hugusa dhana hizi zote mbili: husaidia kufafanua maeneo kwa kuchanganya data iliyosambazwa na kupendekeza rasimu ya maagizo kwa kila eneo. Lakini mhandisi anayejua uwanja huo ndiye anayeidhinisha mpaka wa kikanda na maagizo.

Asili ya Data ya Kilimo: Kwa Nini Ni Fujo?

Kwenye shamba, data hutoka kwa vyanzo vingi visivyojulikana, na hakuna hata kimoja kinachozungumza lugha sawa na nyingine. Maabara ya udongo hutuma Excel; Kivunaji cha kuchanganya huhifadhi ramani yake ya mavuno katika umbizo lingine; sensor unyevu inazalisha kila saa CSV; matokeo ya drone JPEG na kuratibu faili; Maelezo ya mkulima mwenyewe yaliandikwa kwa mkono kwenye daftari. Vipimo vya data hii ni tofauti (kg/da, kg/ha, ppm, %), miundo ya tarehe ni tofauti, mifumo ya eneo ni tofauti, na mara nyingi majina ya bidhaa/vifurushi hayalingani ("Uga wa kutiririsha", "dere parcel", "Plot-7" inaweza kuwa sehemu moja). Kabla ya akili ya bandia, kazi hii ya mchanganyiko ilikuwa sehemu ya kukasirisha na inayotumia wakati wa mhandisi.

Hapa ndipo akili ya bandia inatumika na kufanya kazi haswa mahali ambapo ni salama zaidi: kutafsiri data katika schema ya kawaida (yaani safu wima ya kawaida na muundo wa kitengo). Lakini kuwa mwangalifu: AI inaweza kufanya makosa wakati wa kubadilisha vitengo, na kosa hili litaharibu uchambuzi mzima kimya kimya. Kwa hivyo kanuni ya dhahabu katika uundaji wa data ni kuhalalisha kila mabadiliko kwa sampuli ndogo.

Kidokezo: Kabla ya kulisha data kwa AI, fafanua schema unayolenga wewe mwenyewe: safu wima zipi, vitengo vipi, muundo wa tarehe. Kuiambia AI "itafsiri hii kwenye mchoro huo" inaaminika zaidi kuliko kuiambia "kupanga data hii."

Kuelewa Data ya anga

Data nyingi za kilimo ni za anga: kila kipimo kina kuratibu. Sampuli ya udongo imeunganishwa na eneo kama "Plot-3, kona ya kaskazini-magharibi, 39.12 N / 32.45 E". Viwianishi hivi kwa kawaida hutolewa katika mfumo wa kipimo unaoitwa latitudo/longitudo (WGS84) au UTM. Wakati wa kutafsiri data ya anga unapofanya kazi na AI, zingatia mambo matatu: mfumo wa kuratibu ni thabiti, ni alama za sampuli zilizotawanywa vya kutosha kuwakilisha uga, na ikiwa thamani ya nukta inahusu eneo zima au uhakika huo tu. Data ya ramani kama vile NDVI inashughulikia kila mita ya mraba ya uwanja; Sampuli ya udongo inawakilisha tu mahali ambapo ilichukuliwa. Kuchanganya tofauti hii kunaweza kusababisha makosa makubwa katika tafsiri.

Kesi Tatu Ndogo: Kwa Nambari

Kesi ya 1 - Uokoaji wa wakati katika mkusanyiko. Mhandisi alikuwa akichanganya jumla ya safumlalo 4,200 za data kutoka vyanzo 5 tofauti (maabara ya udongo, ramani ya mavuno, kihisi, ndege isiyo na rubani, maelezo ya shamba) kwenye jedwali moja; takriban masaa 6 kwa mkono. Mara tu tulipofafanua schema inayolengwa mapema na kuipa AI kazi ya "ramani faili hizi 5 kwa safu hizi", rasimu ya kwanza ilitoka kwa dakika 25; Alitumia muda uliobaki kuangalia usahihi wa kulinganisha na sampuli ya mistari 40. Jumla ya muda umepungua hadi saa 2 hivi.

Kesi ya 2 - Mtego wa kitengo. Ramani ya mavuno ilikuwa katika kg/ha na rekodi ya mbolea ilikuwa katika kg/ha. Katika mchanganyiko wa kwanza, AI iliweka mbili katika safu sawa na kupunguza mavuno ya njama moja kwa 10 (1 ha = 10 da). Mhandisi aligundua tofauti hiyo kwa sababu alikumbuka mavuno halisi ya kifurushi kinachojulikana; Mpangilio wa kuangalia ukubwa ulifunua hitilafu ya kitengo.

Kesi ya 3 - Mkanganyiko wa jina la kifurushi. Katika vyanzo vitatu, uwanja huo ulitajwa kama "Dere", "dere_tarla" na "Plot-7". AI ilifikiri hizi ni vifurushi vitatu tofauti na kugawanya eneo hilo kuwa tatu. Wakati mhandisi aligundua kuwa jumla ya eneo lililopandwa hailingani na thamani katika tendo, alifafanua kamusi inayolingana ("majina haya matatu = Plot-7") na akaiambia AI iungane nayo.

Uhamasishaji dhaifu / Uhamasishaji Wenye Nguvu

Agizo dhaifu:

Panga na uchanganye data hii ya kilimo.[files]

Agizo lenye nguvu:

Jukumu lako: Mchambuzi wa data za Kilimo. Changanya vyanzo 4 vifuatavyo kwenye jedwali MOJA. Ratiba inayolengwa (usipite zaidi ya safu wima na vitengo hivi):- kitambulisho_kifurushi (maandishi), tarehe (YYYY-MM-DD), bidhaa (maandishi),- udongo_pH (nambari), nitrojeni_kg_da (kg/da), yield_kg_da (kg/da), unyevu_asilimia:asilimia/kg-gharimu (Rudisha ya mbolea) Weka alama kwenye kila mstari unaotafsiri.- Linganisha majina ya vifurushi na kamusi niliyotoa: {"dere":"P7","dere_field":"P7"}.- Acha thamani inayokosekana TUPU, ijaze kwa kubahatisha.- Weka mistari ambayo huwezi kutafsiri au haijulikani katika orodha tofauti ya "check_required". Vyanzo:[data]

Kidokezo chenye nguvu kinafafanua taratibu lengwa, kanuni ya kitengo, kamusi inayolingana na ndoo tofauti kwa utata. Kwa hivyo, badala ya kubahatisha, AI inakuletea ambapo haijaamuliwa.

Violezo Vinne Vinakiliwa

1) Kuchora ramani ili kulenga schema:

Ramani ya data mbichi ifuatayo kwa schema ifuatayo: [safu wima + vitengo]. Onyesha kwenye jedwali safu wima inayolengwa inaelekeza kwa kila safu chanzo. Ikiwa huna uhakika, tumia "?" Weka alama kwa .

2) Usanifu wa kitengo na ufuatiliaji:

Badilisha vitengo vyote vya eneo kuwa decares (da). Ongeza safu wima ya "conversion_note"; andika kitengo asilia na kizidisha kwa kila thamani iliyogeuzwa (km: "1 ha=10 da"). Ondoka kwenye kitengo ambacho huwezi kubadilisha jinsi kilivyo na uweke alama.

3) Uchanganuzi wa nje:

Ninatoa safu ya kilimo inayotarajiwa kwa safu wima hizi za nambari: udongo_pH 4-9, nitrojeni_kg_da 0-30, yield_kg_da 100-1200. Weka alama kwa kila safu nje ya safu kama "zaidi"; USIBADILIKE, onyesha tu.

4) Rasimu ya eneo la usimamizi:

Kwa kuangalia udongo wa anga na data ya rutuba hapa chini, pendekeza maeneo 2-4 ya usimamizi wa watahiniwa wenye sifa zinazofanana. Kwa kila mkoa: andika vigezo ulivyotenganisha, maadili ya wastani na kikomo ambacho ninahitaji kuthibitisha kwenye uwanja. Usiweke mipaka iliyo wazi; hizi ni rasimu.

Chati ya Kulinganisha: Kilimo cha Kawaida dhidi ya Usahihi

Ukubwa

kilimo cha classical

kilimo cha usahihi

kitengo cha usimamizi

Uwanja mzima ni mmoja

Mikoa ya utawala

Usambazaji wa pembejeo

Sare (kiwango tambarare)

Kiwango cha Kubadilika (VRA)

Chanzo cha data

uchunguzi wa wakulima

sensor, satellite, drone, mashine

Msingi wa uamuzi

Uzoefu + kalenda

Uzoefu + data + mfano

Jukumu la AI

mdogo

Ujumuishaji wa data na rasimu ya pendekezo

Hatari

Ingizo la ziada/chini

Data isiyo sahihi → eneo lisilo sahihi

Makosa ya kawaida

• Acha AI ifafanue schema. Ikiwa hutabainisha safu na vitengo vinavyolengwa, AI itatoa muundo tofauti kila wakati na kulinganisha inakuwa haiwezekani.
• Sio kufuatilia vitengo. Ikiwa hutarekodi ni thamani gani iliyotafsiriwa, huwezi kufuatilia makosa yoyote yanayofuata.
• Data ya makosa ya data ya ramani. Kujaza sampuli moja ya udongo kwa eneo zima huchota mpaka wa eneo kimakosa.
• Acha AI ijaze mapengo. Kujaza thamani inayokosekana kwa kubahatisha hutoa upotoshaji unaojifanya kuwa data halisi.
• Sio kuangalia majina ya vifurushi. Majina yasiyolingana hugawanya eneo na mavuno, hivyo kuharibu uchanganuzi mzima wa msimu.

Zingatia: AI inaweza kupendekeza agizo la VRA (ni kiasi gani kiliingia katika eneo gani), lakini idhini ya mwisho ni ya mhandisi. Mpaka wa eneo usio sahihi unamaanisha chini ya maji au mbolea nyingi katika eneo.

Kwa muhtasari

Kilimo cha usahihi ni sanaa ya kusimamia shamba kulingana na tofauti zake za ndani na inategemea dhana mbili: utumiaji wa viwango tofauti na kanda za usimamizi. Mbinu hii inachochewa na data; Lakini data ya kilimo hutawanywa, vitengo vingi na vyanzo vingi. Upelelezi wa Bandia hufanya kazi katika eneo salama na la faida zaidi la kutafsiri data hii katika schema ya kawaida - mradi tu unafafanua schema inayolengwa, fuatilia kitengo, usijaze mapengo na ujaribu kila mabadiliko kwa mfano. Data safi na iliyounganishwa ndio msingi thabiti wa vitengo vyote vifuatavyo (NDVI, udongo, umwagiliaji, mavuno).

Jukumu la maombi

Chukua sampuli ndogo kutoka vyanzo viwili tofauti (k.m. jedwali la uchambuzi wa udongo na rekodi ya mavuno/mbolea); vitengo na majina ya vifurushi ni tofauti kwa makusudi. Changanya AI na violezo vya "kuweka ramani ili kulenga" na violezo vya "kuweka viwango vya kitengo" kutoka kwa kitengo hiki. Kisha uthibitishe mwenyewe safu 5: je, ubadilishaji wa vitengo ni sahihi, je, vifurushi vinalingana ni sawa, kuna thamani zinazokosekana zilizojazwa na kubahatisha? Kumbuka kila mdudu unaopata na ni sheria ipi ambayo AI imekiukwa.

orodha ya ukaguzi

• [ ] Nilifafanua schema lengwa (safu wima + vitengo) kabla ya kuipa AI.
• [ ] Nilibadilisha vitengo vyote kuwa kiwango kimoja na kuweka wimbo wa ubadilishaji.
• [ ] Nililinganisha hitilafu za jina la kifurushi dhidi ya kamusi na nikathibitisha jumla ya eneo.
• [ ] Nilikagua wauzaji wa nje wenye anuwai ya kilimo; Sikuibadilisha na kuiweka alama.
• [ ] Nilitenganisha data ya uhakika na data ya ramani; Sikujaza nafasi zilizoachwa wazi na kubahatisha.