หน่วย
1. ความรู้เบื้องต้นเกี่ยวกับปัญญาประดิษฐ์และวินัยในการตรวจสอบทางวิศวกรรมเกษตร 2. เกษตรกรรมที่แม่นยำและการจัดโครงสร้างข้อมูลการเกษตร 3. การตรวจติดตามสุขภาพพืชด้วยดาวเทียมและโดรน: NDVI และดัชนีพืชพรรณ 4. การตีความการวิเคราะห์ดินและการเพิ่มประสิทธิภาพการปฏิสนธิ 5. การเพิ่มประสิทธิภาพชลประทานและการจัดการน้ำ 6. การวินิจฉัยโรคและแมลงศัตรูพืช: การวิเคราะห์ภาพและการตัดสินใจ 7. สนับสนุนการตัดสินใจด้านการเกษตรด้วยข้อมูลสภาพอากาศและสภาพภูมิอากาศ 8. การประมาณผลผลิตและการสร้างแบบจำลองทางการเกษตร 9. การวิเคราะห์ข้อมูลการเกษตรด้วย Python 10. การตรวจสอบย้อนกลับ การทะเบียนเกษตร และห่วงโซ่อุปทาน 11. จริยธรรม ความเป็นส่วนตัว ขอบเขต และการบูรณาการแบบครบวงจร
หน่วย 6 / 11

การวินิจฉัยโรคและแมลงศัตรูพืช: การวิเคราะห์ภาพและการตัดสินใจ

กำไร:

  • ความสามารถในการสร้างขั้นตอนการวินิจฉัยเบื้องต้นและตรรกะการจัดการศัตรูพืชแบบผสมผสาน (IPM) ด้วย AI จากภาพใบ/ผลไม้
  • ความสามารถในการแปลงคำอธิบายอาการให้เป็นพรอมต์ที่มีโครงสร้างและจัดทำรายการปัจจัยที่เป็นไปได้และการวินิจฉัยแยกโรค
  • สามารถป้องกันการใช้ในทางที่ผิดโดยการยืนยันการวินิจฉัยด้วย AI ด้วยตัวอย่างภาคสนาม ห้องปฏิบัติการ และฉลากยาที่ได้รับอนุญาต

เมื่อถึงเวลาที่โรคหรือแมลงศัตรูพืชถูกพบในสนามก็มักจะสายเกินไป การวินิจฉัยที่รวดเร็วและแม่นยำเป็นสิ่งเดียวที่ช่วยประหยัดประสิทธิภาพ แต่การวินิจฉัยโรคเป็นหนึ่งในการตัดสินใจที่ยากที่สุดในภาคเกษตรกรรม อาการเหลืองแบบเดียวกันอาจเกิดจากสาเหตุที่ต่างกัน 20 สาเหตุ จุดเดียวกันอาจเป็นสัญญาณของเชื้อรา แบคทีเรีย หรือการขาดสารอาหาร ปัญญาประดิษฐ์เป็นเครื่องมือที่ดึงดูดความสนใจอย่างมากในสาขานี้ในช่วงไม่กี่ปีที่ผ่านมา: แอปพลิเคชันที่ระบุว่า "อาจเป็นโรคราแป้ง" จากภาพถ่ายของใบไม้ได้แพร่หลายมากขึ้น หน่วยนี้จะสอนถึงพลังที่แท้จริง และที่สำคัญกว่านั้นคือขีดจำกัดที่เป็นอันตรายของการวินิจฉัย AI โดยใช้รูปภาพ แสดงวิธีการเชื่อมโยง AI กับการตัดสินใจที่ถูกต้อง ไม่ใช่การฉีดพ่นที่ไม่ถูกต้อง ภายในกรอบการจัดการสัตว์รบกวนแบบผสมผสาน (IPM) ให้เราเตือนคุณตั้งแต่ต้น: การเลือกยาและขนาดยามีความสำคัญต่อความปลอดภัย AI แนะนำการวินิจฉัยเบื้องต้น วิศวกรที่ได้รับอนุญาตยืนยันการวินิจฉัยและใบสั่งยา

เหตุใดการวินิจฉัยภาพจึงเป็นเรื่องยาก

แม้แต่ตามนุษย์ก็ยังถูกหลอก มันง่ายกว่ามากที่จะถูกหลอกโดยโมเดล ประการแรก อาการที่คล้ายคลึงกัน: จุดใบเชื้อรา จุดแบคทีเรีย และการขาดธาตุสังกะสี ล้วนแต่ดูคล้ายกันมากบนใบ ประการที่สอง ขาดบริบท: แบบจำลองเห็นภาพแต่ไม่ทราบภูมิภาค ภูมิอากาศ ประวัติพืชผล ว่าศัตรูพืชนั้นอยู่ในพื้นที่นั้นหรือไม่ ดังนั้น จึงอาจบ่งบอกถึงโรคที่ไม่เคยพบในพื้นที่นั้น (ภาพหลอน) ประการที่สาม คุณภาพของภาพถ่าย: แสง มุม ความละเอียด เปลี่ยนแปลงการวินิจฉัยไปอย่างสิ้นเชิง ประการที่สี่ ระยะ: อาการเริ่มแรกและอาการขั้นสูงดูแตกต่างกันมาก นั่นเป็นสาเหตุที่ AI ภาพไม่ใช่การวินิจฉัย แต่เป็นจุดเริ่มต้นของการวินิจฉัยแยกโรค ซึ่งเป็นผู้ช่วยที่แสดงรายการสาเหตุที่เป็นไปได้และบอกคุณว่าจะดูจากที่ใด

กรอบการจัดการสัตว์รบกวนแบบบูรณาการ (IPM)

การคุ้มครองพืชสมัยใหม่ใช้ไม่ได้กับตรรกะ "เจอกันกับยาฆ่าแมลง" แต่ใช้ตรรกะของ IPM (Integrated Pest Management in English) ขั้นแรกให้ตรวจสอบและวินิจฉัยอย่างถูกต้อง จากนั้นตรวจสอบเกณฑ์ความเสียหายทางเศรษฐกิจ (คือความหนาแน่นของศัตรูพืชในระดับที่สมเหตุสมผลในการแทรกแซง) ประเมินมาตรการทางวัฒนธรรมและชีวภาพ ใช้การควบคุมสารเคมีเป็นวิธีการรักษาครั้งสุดท้ายและตรงเป้าหมาย โดยใช้ผลิตภัณฑ์ที่ได้รับอนุญาตและในเวลาที่เหมาะสม AI สามารถช่วยได้ทุกลิงก์ในห่วงโซ่นี้ ไม่ว่าจะเป็นสมมติฐานในการวินิจฉัย การเตือนเกณฑ์ รายการมาตรการทางเลือก แต่ไม่ได้ทำการตัดสินใจที่ลิงก์ใดๆ เพียงอย่างเดียว

เคล็ดลับ: แทนที่จะถาม AI “ฉันควรสั่งยาตัวไหน” ให้ถามว่า “ปัจจัยใดบ้างที่บ่งบอกถึงอาการนี้ และฉันจะแยกแยะแต่ละอาการในด้านนั้นได้อย่างไร” คำถามแรกนำคุณไปสู่การใช้ยาที่ไม่ถูกต้อง คำถามที่สองคือการวินิจฉัยที่ถูกต้อง

การกำหนดค่าคำอธิบายอาการ

แม้ว่าจะไม่มีรูปภาพ คำอธิบายอาการที่ดีก็จะทำให้มีการวินิจฉัยแยกโรคที่ชัดเจนจาก AI คำอธิบายที่ดีประกอบด้วย: พันธุ์พืชและพันธุ์ ระยะพัฒนาการ ตำแหน่งของอาการ (ใบบน/ล่าง ผลไม้ ลำต้น ราก) สีและรูปร่าง (จุด รัศมี เหลือง เหี่ยวเฉา) การกระจายตัว (เป็นหย่อม อยู่ระหว่างเส้นใบ ทั้งทุ่ง) จังหวะเวลา (หลังฝนตก) และสภาพแวดล้อม (ความชื้น อุณหภูมิ) สูตรที่มีโครงสร้างนี้ช่วยลดการคาดเดาของโมเดล

คดีเล็กๆ สามคดี: ตามตัวเลข

กรณีที่ 1 - คำแนะนำที่ถูกต้อง AI อธิบายการปรากฏตัวของจุดน้ำมันสีเหลืองบนใบในสวนองุ่น AI ส่งเสริมสมมติฐานของโรคราน้ำค้างและแนะนำการควบคุมเถ้าสีขาวบนพื้นผิวใบด้านล่าง อาการนี้ได้รับการยืนยันในภาคสนาม ตัวอย่างถูกส่งไปยังห้องปฏิบัติการ และเมื่อการวินิจฉัยได้รับการยืนยัน การแทรกแซงก็ดำเนินไปอย่างทันท่วงทีด้วยผลิตภัณฑ์ที่ได้รับอนุญาต สเปรดยังคงมีจำกัด

กรณีที่ 2 - การจับภาพหลอน ในเรือนกระจกมะเขือเทศ AI ได้แนะนำ "ความเป็นไปได้ที่ตั๊กแตนทะเลทรายจะเสียหาย" จากอาการดังกล่าว อย่างไรก็ตาม อาการในเรือนกระจกเป็นแบบแมลงศัตรูพืชดูด (แมลงหวี่ขาว) และตั๊กแตนทะเลทรายไม่เป็นปัญหาในพื้นที่/สภาพนั้น ตัวกรองความเป็นไปได้ทางการเกษตร (พืชผล สิ่งแวดล้อม ภูมิศาสตร์) ได้ขจัดข้อเสนอที่ไม่ถูกต้อง เอเย่นต์ตัวจริงคอนเฟิร์มด้วยกับดักเหนียวสีเหลือง

กรณีที่ 3 - อาหารหรือโรค? การพบเห็นเส้นเหลืองในทุ่งข้าวโพดถือเป็น "โรคที่เป็นไปได้" วิศวกรรู้ดีว่ารูปแบบระหว่างหลอดเลือดดำเป็นรูปแบบการขาดแมกนีเซียมแบบคลาสสิก การวิเคราะห์ใบยืนยันเรื่องนี้ อาหารเสริมแมกนีเซียมไม่ใช่ยาคือวิธีแก้ปัญหา มีการป้องกันการใช้ยาฆ่าแมลงที่ไม่จำเป็นและเป็นอันตราย

พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง

พรอมต์ที่อ่อนแอ:

มีจุดสีเหลืองบนใบ ควรใช้ยาตัวใด?

พรอมต์อันทรงพลัง:

บทบาทของคุณ: นักปฐพีวิทยาผู้เชี่ยวชาญด้านอารักขาพืช (แนวทาง IPM) ทำการวินิจฉัยแยกโรคตามคำอธิบายอาการด้านล่าง อย่าวินิจฉัย แนะนำยา อาการ: ครอบตัด [..], ระยะ [..], ตำแหน่ง [ใบบน/ล่าง..], สี/รูปร่าง [..], การกระจายตัว [เป็นหย่อม/ทั้งทุ่ง], จังหวะเวลา [หลังฝนตก..], สภาพ [ความชื้น/อุณหภูมิ] ภารกิจ:- เขียนปัจจัยที่เป็นไปได้ 3-5 รายการ (เชื้อรา/แบคทีเรีย/ไวรัส/อันตราย/สารอาหาร/ไม่มีชีวิต) แต่ละปัจจัย เขียนแบบทดสอบหนึ่งรายการที่จะทำให้ฉันสามารถวินิจฉัยได้ เลือกปฏิบัติในภาคสนาม/ห้องปฏิบัติการ- กำจัดปัจจัยที่ไม่สมเหตุสมผลสำหรับภูมิภาค/ผลิตภัณฑ์ และระบุเหตุผล- ฉันควรตรวจสอบอะไรเกี่ยวกับเกณฑ์อันตรายทางเศรษฐกิจและทางเลือกอื่นของ IPM

พร้อมต์ที่มีประสิทธิภาพนำ AI ไปสู่การวินิจฉัยแยกโรคและการตรวจสอบ รักษาอำนาจในการวินิจฉัยและการสั่งจ่ายยา บังคับใช้ตัวกรองความน่าเชื่อถือและกรอบงาน IPM

เทมเพลตที่คัดลอกได้สี่แบบ

1) รายการวินิจฉัยแยกโรค:

ให้ปัจจัยที่เป็นไปได้ 3-5 ข้อสำหรับคำอธิบายอาการนี้ตามลำดับความน่าจะเป็น สำหรับแต่ละอาการ: ความแตกต่างของอาการทั่วไป, วิธีการสร้างความแตกต่างในสนาม, มันจะเติบโตเร็วหรือไม่ อย่าวินิจฉัย.

2) ตัวกรองความสมเหตุสมผล:

จากรายการปัจจัยนี้ ให้ลบปัจจัยที่ไม่สมเหตุสมผลสำหรับภูมิภาค/ภูมิอากาศ/พืชผล/ฤดูกาลที่ฉันให้ไว้ออก และจดเหตุผลสำหรับการกำจัดแต่ละครั้ง ทำเครื่องหมายที่เหลือว่า "ยืนยันในภาคสนาม"

3) แผนการสุ่มตัวอย่างและการตรวจสอบ:

จะเก็บตัวอย่างที่ถูกต้องสำหรับโรคที่ต้องสงสัยนี้ได้อย่างไร (เนื้อเยื่อชนิดใด จำนวนพืช เก็บรักษาอย่างไร) ต้องการทดสอบในห้องปฏิบัติการแบบใด เขียนทีละขั้นตอน

4) กรอบการตัดสินใจ IPM:

ตัวแทนที่สมมติว่า [ยืนยันแล้ว]: (1) ตรวจสอบว่าเกณฑ์ความเป็นอันตรายทางเศรษฐกิจคืออะไร (2) ทางเลือกทางวัฒนธรรม/ชีวภาพ (3) สารเคมีหากจำเป็น ผลิตภัณฑ์ที่ได้รับอนุญาตและการปฏิบัติตามฉลาก การจัดการความต้านทาน การให้ยา; นำเสนอรายการที่จะตรวจสอบ

ประเภทตัวแทน

เคล็ดลับทั่วไป

อย่าเลือกปฏิบัติ

เชื้อรา

คราบ + ขี้เถ้า/เชื้อรา เพิ่มขึ้นตามความชื้น

กล้องจุลทรรศน์/วัฒนธรรม

แบคทีเรีย

คราบน้ำ รัศมี กลิ่นเหม็น

การทดสอบในห้องปฏิบัติการ

ไวรัส

โมเสก ความผิดปกติ เวกเตอร์

การทดสอบทางเซรุ่มวิทยา/PCR

เป็นอันตราย

รูดูดแมลงที่มีชีวิต

กับดักนับภาพ

การขาดสารอาหาร

รูปแบบสมมาตร/อินเทอร์เกรน

การวิเคราะห์ใบ

ไม่มีชีวิต

น้ำค้างแข็ง/แสงแดด/ความเสียหายต่อยา

ประวัติศาสตร์+การจัดจำหน่าย

ข้อผิดพลาดทั่วไป

  • สมมติว่าการวิเคราะห์ภาพถือเป็นขั้นสุดท้าย การถ่ายภาพเริ่มต้นการวินิจฉัยแยกโรค ไม่ใช่การวินิจฉัย จำเป็นต้องมีตัวอย่างและห้องปฏิบัติการ
  • ข้ามความสมเหตุสมผลของโซน แบบจำลองอาจแนะนำศัตรูพืชที่ไม่มีอยู่ในพื้นที่ กรองตามภูมิศาสตร์/ภูมิอากาศ
  • ลืมสาเหตุทางโภชนาการ/สิ่งไม่มีชีวิต อาการ "คล้ายโรค" หลายอย่างเกิดจากการขาดหรือความเสียหายจากแสงแดด/น้ำค้างแข็ง/ยา
  • ฉีดพ่นโดยไม่ข้ามเกณฑ์ ไม่ใช่ทุกสิ่งที่เห็นใน IPM ต้องการการแทรกแซงที่เป็นอันตราย ดูเกณฑ์ความเสียหายทางเศรษฐกิจ
  • ละเลยใบอนุญาตและฉลาก ยาที่ไม่มีใบอนุญาตหรือการใช้ยาในปริมาณที่ไม่ถูกต้องในผลิตภัณฑ์ทำให้เกิดความเสี่ยงต่อสารตกค้างและการดื้อยา
ข้อควรสนใจ: การฉีดพ่นโดยการวินิจฉัยผิดพลาดเป็นอันตรายสามประการ: โรคไม่หยุด สิ่งมีชีวิตที่เป็นประโยชน์ตาย สิ่งตกค้างและสายพันธุ์ต้านทานก่อตัวในผลิตภัณฑ์ ไม่มีการตัดสินใจใช้ยาจนกว่าการวินิจฉัยจะได้รับการยืนยัน

โดยสรุป

การวินิจฉัย AI โดยใช้รูปภาพเป็นเครื่องมือเริ่มต้นที่ทรงพลัง แต่เนื่องจากอาการที่คล้ายคลึงกัน ขาดบริบท และภาพหลอน จึงถือเป็นการวินิจฉัยแยกโรค ไม่ใช่การวินิจฉัย แนวทางที่ถูกต้องคือกรอบการทำงานของ IPM: การแสดงรายการปัจจัยที่เป็นไปได้พร้อมคำอธิบายอาการที่มีโครงสร้าง การกรองเพื่อหาความน่าเชื่อถือ การตรวจสอบภาคสนามและห้องปฏิบัติการ การตรวจสอบเกณฑ์ทางเศรษฐกิจ และการแทรกแซงเฉพาะเมื่อจำเป็นด้วยยาที่มีใบอนุญาตและกำหนดเป้าหมายเท่านั้น AI แนะนำการวินิจฉัยเบื้องต้น ความรับผิดชอบในการวินิจฉัยและการสั่งยาเป็นของวิศวกรเกษตรที่ได้รับอนุญาต

งานสมัคร

เขียนสถานการณ์ของอาการ (เช่น "มะเขือเทศ ระยะเวลาออกดอก ใบเหลืองระหว่างเส้น รุนแรงในมุมสนามที่มีความชื้นต่ำ") มอบให้กับ AI ด้วยเทมเพลต "รายการการวินิจฉัยแยกโรค" และ "ตัวกรองความน่าเชื่อถือ" จากหน่วยนี้ ในผลลัพธ์ ให้ประเมินว่ามีปัจจัยประเภทต่างๆ ที่ AI แนะนำกี่ประเภท ไม่ว่าจะพิจารณาถึงสาเหตุทางโภชนาการหรือสิ่งมีชีวิตหรือไม่ และให้คำแนะนำที่ไม่สมเหตุสมผลสำหรับภูมิภาคหรือไม่ สำหรับแต่ละปัจจัย ให้จดการทดสอบที่แตกต่างที่คุณจะพิจารณาในภาคสนาม

รายการตรวจสอบ

  • [ ] ฉันอธิบายอาการเป็นแบบมีโครงสร้าง (ผลิตภัณฑ์ ระยะ สถานที่ สี การกระจาย สภาพ)
  • [ ] ฉันได้รับเอาต์พุต AI เป็นการวินิจฉัยแยกโรค ไม่ใช่การวินิจฉัย
  • [ ] ฉันใช้ตัวกรองความน่าเชื่อถือของภูมิภาค/สภาพอากาศ/ผลิตภัณฑ์
  • [ ] ฉันยืนยันตัวแทนด้วยตัวอย่างภาคสนามและห้องปฏิบัติการหากจำเป็น
  • [ ] ฉันตรวจสอบเกณฑ์ IPM และวางแผนเฉพาะการแทรกแซงที่ได้รับอนุญาตและเป็นไปตามข้อกำหนดโดยได้รับอนุมัติจากวิศวกร