Մեծ մասամբ դա կախված է մեկ բանից՝ անկանոն ֆերմերային տվյալները (պատկերներ, սենսորների ցուցմունքներ, բերքատվության քարտեզներ, մեքենաների գրանցամատյաններ, եղանակային ազդանշաններ) վերածել հստակ գործողությունների: Այդ «գործողությունների վերածելը» հիմնականում գյուղատնտեսական որոշումների աջակցության մեջ մեքենայական ուսուցման ամբողջ իմաստն է: [1]
Հոդվածներ, որոնք կարող են ձեզ դուր գալ կարդալ սրանից հետո.
🔗 Ինչպես է արհեստական բանականությունը օգնում հայտնաբերել մշակաբույսերի հիվանդությունները
Արհեստական բանականությունը վերլուծում է մշակաբույսերի պատկերները՝ հիվանդությունները վաղ և ճշգրիտ հայտնաբերելու համար։
🔗 Ի՞նչ է նշանակում համակարգչային տեսողությունը արհեստական բանականության մեջ
Բացատրում է, թե ինչպես են մեքենաները հասկանում պատկերները, տեսանյութերը և տեսողական տվյալները։
🔗 Ինչպես օգտագործել արհեստական բանականությունը վարձման գործընթացում
Գործնական եղանակներ, որոնցով արհեստական բանականությունը բարելավում է թեկնածուների հավաքագրումը, ընտրությունը և համապատասխանեցումը։
🔗 Ինչպես սովորել արհեստական բանականություն
Սկսնակների համար հարմար ճանապարհային քարտեզ՝ արհեստական բանականության հասկացություններն ու գործիքները սովորելը սկսելու համար։
1) Պարզ գաղափար՝ արհեստական բանականությունը դիտարկումները վերածում է որոշումների 🧠➡️🚜
Ֆերմերային տնտեսությունները ստեղծում են անհեթեթ քանակությամբ տեղեկատվություն՝ հողի փոփոխականություն, բերքի սթրեսի օրինաչափություններ, վնասատուների ճնշում, կենդանիների վարքագիծ, մեքենաների աշխատանք և այլն: Արհեստական բանականությունը օգնում է՝ նկատելով մարդկանց կողմից բաց թողնված օրինաչափությունները, հատկապես մեծ, խառնաշփոթ տվյալների հավաքածուներում, և այնուհետև մղելով որոշումներ կայացնել, թե որտեղ ուսումնասիրել, ինչ մշակել և ինչ անտեսել: [1]
Շատ գործնական մոտեցում. արհեստական բանականությունը առաջնահերթությունների որոշման շարժիչ է ։ Այն կախարդականորեն չի ֆերմերային տնտեսություն վարում ձեզ համար, այն օգնում է ձեզ ուղղել ձեր ժամանակն ու ուշադրությունը այնտեղ, որտեղ այն իրականում կարևոր է։
2) Ի՞նչն է արհեստական բանականության տարբերակը դարձնում լավ գյուղատնտեսության համար։ ✅🌱
Ոչ բոլոր «գյուղատնտեսության համար նախատեսված արհեստական բանականությունն» է ստեղծված նույնը։ Որոշ գործիքներ իսկապես հուսալի են, մյուսները… հիմնականում լոգոտիպով գեղեցիկ գրաֆիկներ են։
Ահա թե ինչն է ամենակարևորը իրական կյանքում.
-
Աշխատում է ձեր իրական աշխատանքային հոսքի հետ (տրակտորի խցիկ, ցեխոտ ձեռնոցներ, սահմանափակ ժամանակ)
-
Բացատրում է «ինչու»-ն, այլ ոչ թե պարզապես գնահատական (հակառակ դեպքում դուք չեք վստահի դրան):
-
Կարգավորում է ֆերմայի փոփոխականությունը (հող, եղանակ, հիբրիդներ, ցանքաշրջանառություն - ամեն ինչ փոխվում է)
-
Տվյալների սեփականության հստակեցում + թույլտվություններ (ով կարող է տեսնել ինչ և ինչ նպատակով) [5]
-
Լավ է համադրվում այլ համակարգերի հետ (քանի որ տվյալների պահեստները մշտական գլխացավանք են)
-
Դեռևս օգտակար է անհավասար կապի դեպքում (գյուղական ենթակառուցվածքները անհավասար են, և «միայն ամպային» ռեժիմը կարող է վճռորոշ դեր խաղալ) [2]
Անկեղծ լինենք. եթե արժեք ստանալու համար անհրաժեշտ է երեք մուտք և մեկ աղյուսակի արտահանում, ապա դա «խելացի գյուղատնտեսություն» չէ, այլ պատիժ 😬։
3) Համեմատական աղյուսակ. արհեստական բանականությանը բնորոշ գործիքների կատեգորիաներ, որոնք ֆերմերներն իրականում օգտագործում են 🧾✨
Գները և փաթեթները փոփոխական են, ուստի դրանք վերաբերվեք որպես «գնային» միջակայքերի, այլ ոչ թե ավանդականի։
| Գործիքների կատեգորիա | Լավագույնը (հանդիսատեսի համար) | Գնային տրամադրություն | Ինչու է այն աշխատում (պարզ անգլերենով) |
|---|---|---|---|
| Դաշտային և նավատորմի տվյալների հարթակներ | Դաշտային գործողությունների, քարտեզների, մեքենաների գրանցամատյանների կազմակերպում | Բաժանորդագրության նման | Ավելի քիչ «ուր գնաց այդ ֆայլը» էներգիա, ավելի շատ օգտագործելի պատմություն [1] |
| Պատկերների վրա հիմնված հետախուզություն (արբանյակային/անօդաչու թռչող սարք) | Փոփոխականության + խնդրահարույց կետերի արագ որոնում | Լայնորեն տարածվում է | Ցույց է տալիս, թե որտեղ պետք է նախ քայլել (այսինքն՝ ավելի քիչ կորցրած մղոններ) [1] |
| Նպատակային ցողում (համակարգչային տեսողություն) | Անտեղի մոլախոտերի դեմ պայքարի միջոցների օգտագործման կրճատում | Սովորաբար գնանշումների վրա հիմնված | Տեսախցիկները + ML-ը կարող են ցողել մոլախոտերը և բաց թողնել մաքուր բերքը (եթե ճիշտ տեղադրվեն) [3] |
| Փոփոխական դրույքաչափով դեղատոմսեր | Ցանքս/բերքատվություն ըստ գոտու + ROI մտածողություն | Բաժանորդագրության նման | Շերտերը վերածում է պլանի, որը կարող եք գործարկել, ապա ավելի ուշ համեմատել արդյունքները [1] |
| Անասնապահության մոնիթորինգ (սենսորներ/տեսախցիկներ) | Վաղ նախազգուշացումներ + բարեկեցության ստուգումներ | Մատակարարի գնագոյացում | Նշում է, որ «ինչ-որ բան այն չէ», որպեսզի նախ ստուգեք ճիշտ կենդանուն [4] |
Փոքրիկ ձևաչափման խոստովանություն. «գնի մթնոլորտը» տեխնիկական տերմին է, որը ես հենց նոր հորինեցի… բայց դուք հասկանում եք, թե ինչ եմ նկատի ունենում 😄:
4) Բերքի հետախուզություն. արհեստական բանականությունը խնդիրներն ավելի արագ է գտնում, քան պատահական քայլքը 🚶♂️🌾
Ամենամեծ հաղթանակներից մեկը առաջնահերթությունների սահմանումն : Ամենուրեք հավասարաչափ հետախուզելու փոխարեն, արհեստական բանականությունը օգտագործում է պատկերներ + դաշտի պատմություն՝ ձեզ ցույց տալու հավանական խնդրահարույց վայրերը: Այս մոտեցումները անընդհատ հայտնվում են հետազոտական գրականության մեջ՝ հիվանդությունների հայտնաբերում, մոլախոտերի հայտնաբերում, բերքի մոնիթորինգ, քանի որ դրանք հենց այն տեսակի օրինաչափությունների ճանաչման խնդիրներն են, որոնցում մեքենայական ուսուցումը լավ է: [1]
Արհեստական բանականության կողմից ղեկավարվող հետախուզության տարածված մուտքային տվյալներ.
-
Արբանյակային կամ անօդաչու թռչող սարքի պատկերներ (մշակաբույսերի կենսունակության ազդանշաններ, փոփոխությունների հայտնաբերում) [1]
-
Սմարթֆոնով արված լուսանկարներ՝ վնասատուի/հիվանդության նույնականացման համար (օգտակար է, բայց դեռ անհրաժեշտ է մարդու ուղեղը կցել) [1]
-
Պատմական բերքատվություն + հողի շերտեր (որպեսզի չշփոթեք «սովորական թույլ կետերը» նոր խնդիրների հետ)
Սա այն դեպքերից մեկն է, երբ « Ինչպե՞ս է արհեստական բանականությունը օգնում գյուղատնտեսությանը» արտահայտությունը շատ բառացի է դառնում. այն օգնում է ձեզ նկատել այն, ինչը գրեթե բաց էիք թողել 👀: [1]
5) Ճշգրիտ մուտքագրումներ՝ ավելի խելացի ցողում, պարարտացում, ոռոգում 💧🌿
Մուտքային տվյալները թանկ են։ Սխալները ցավ են պատճառում։ Ահա թե որտեղ է արհեստական բանականությունը կարող է թվալ իրական, չափելի ROI՝ եթե ձեր տվյալներն ու կարգավորումները կայուն են։ [1]
Ավելի խելացի ցողում (ներառյալ թիրախային կիրառությունները)
Սա «ցույց տուր ինձ փողը» ամենապարզ օրինակներից մեկն է. համակարգչային տեսողությունը + մեքենայական ուսուցումը կարող են հնարավորություն տալ մոլախոտերի դեմ ուղղված ցողել՝ ամեն ինչ ամբողջությամբ ցողելու փոխարեն։ [3]
Կարևոր նշում վստահության վերաբերյալ. նույնիսկ այս համակարգերը վաճառող ընկերությունները անկեղծորեն հայտարարում են, որ արդյունքները տարբերվում են մոլախոտերի ճնշման, բերքի տեսակի, պայմանների և պայմանների պատճառով, այնպես որ, դիտարկեք դա որպես գործիք, այլ ոչ թե երաշխիք: [3]
Փոփոխական արագությամբ ցանքս և դեղատոմսեր
Նշանակման գործիքները կարող են օգնել ձեզ սահմանել գոտիներ, համատեղել շերտերը, ստեղծել սկրիպտներ, ապա գնահատել, թե իրականում ինչ է տեղի ունեցել: Այդ «գնահատել, թե ինչ է տեղի ունեցել» ցիկլը կարևոր է. գյուղատնտեսության մեջ մեքենայական ուսուցումը լավագույնս դրսևորվում է, երբ կարող եք սովորել մրցաշրջանից մրցաշրջան, այլ ոչ թե պարզապես մեկ անգամ գեղեցիկ քարտեզ ստեղծել: [1]
Եվ այո, երբեմն առաջին հաղթանակը պարզապես հետևյալն է. «Վերջապես տեսնում եմ, թե ինչ է պատահել նախորդ անցումում»։ Ոչ թե հմայիչ։ Չափազանց իրական։
6) Վնասատուների և հիվանդությունների կանխատեսում. ավելի վաղ նախազգուշացումներ, ավելի քիչ անակնկալներ 🐛⚠️
Կանխատեսումը բարդ է (կենսաբանությունը սիրում է քաոս), բայց մեքենայական ուսուցման մոտեցումները լայնորեն ուսումնասիրվում են այնպիսի բաների համար, ինչպիսիք են հիվանդությունների հայտնաբերումը և բերքատվության հետ կապված կանխատեսումը՝ հաճախ եղանակային ազդանշանները, պատկերները և դաշտային պատմությունը համատեղելով։ [1]
Իրականության ստուգում. կանխատեսումը մարգարեություն չէ։ Վերաբերվեք դրան որպես ծխի ազդանշանի՝ օգտակար է նույնիսկ այն դեպքում, երբ այն երբեմն նյարդայնացնող է 🔔։
7) Անասնապահություն. Արհեստական բանականությունը վերահսկում է վարքագիծը, առողջությունը և բարեկեցությունը 🐄📊
Անասնապահության արհեստական բանականությունը զարգանում է, քանի որ այն լուծում է մի պարզ իրականություն. դուք չեք կարող անընդհատ հետևել բոլոր կենդանուն ։
Ճշգրիտ անասնապահությունը (ՃԱՖ) հիմնականում կառուցված է շարունակական մոնիթորինգի և վաղ նախազգուշացման . համակարգի խնդիրն է ձեր ուշադրությունը հրավիրել այն կենդանիների վրա, որոնք հենց հիմա : [4]
Օրինակներ, որոնք կարող եք տեսնել բնության մեջ.
-
Կրելի պարագաներ (օձիքներ, ականջակալներ, ոտքերի սենսորներ)
-
Բոլուսային տիպի սենսորներ
-
Տեսախցիկի վրա հիմնված մոնիթորինգ (շարժման/վարքագծի օրինաչափություններ)
Այսպիսով, եթե հարցնեք՝ ինչպե՞ս է արհեստական բանականությունը օգնում գյուղատնտեսությանը, երբեմն դա այնքան պարզ է, որքան՝ այն ձեզ ասում է, թե որ կենդանուն նախ ստուգել, նախքան իրավիճակը ձնագնդի վերածվի 🧊: [4]
8) Ավտոմատացում և ռոբոտաշինություն. կրկնվող աշխատանքներ կատարելը (և դրանք հետևողականորեն կատարելը) 🤖🔁
Ավտոմատացումը տատանվում է «օգտակար օգնությունից» մինչև «լիովին ինքնավար», և ֆերմաների մեծ մասը գտնվում է միջին դիրքում: Ընդհանուր պատկերի տեսանկյունից, FAO-ն այս ամբողջ ոլորտը ներկայացնում է որպես ավելի լայն ավտոմատացման ալիքի մի մաս, որը ներառում է ամեն ինչ՝ մեքենաներից մինչև արհեստական բանականություն, ինչպես հնարավոր օգուտներով , այնպես էլ անհավասար ներդրման ռիսկերով: [2]
Ռոբոտները կախարդական չեն, բայց կարող են լինել երկրորդ զույգ ձեռքերի նման, որոնք չեն հոգնում… կամ չեն բողոքում… կամ թեյի ընդմիջումների կարիք չունեն (լավ, մի փոքր չափազանցություն) ☕:
9) Ֆերմայի կառավարում + որոշումների աջակցություն. «հանգիստ» գերուժը 📚🧩
Սա այն ոչ սեքսուալ մասն է, որը հաճախ ապահովում է ամենաերկարաժամկետ արժեքը՝ ավելի լավ ձայնագրություններ, ավելի լավ համեմատություններ, ավելի լավ որոշումներ ։
Մարդկային մեքենայական մեխանիկայի վրա հիմնված որոշումների աջակցությունը դրսևորվում է մշակաբույսերի, անասնապահության, հողի և ջրային ռեսուրսների կառավարման հետազոտություններում, քանի որ գյուղատնտեսական որոշումների մեծ մասը հանգում է հետևյալին. կարո՞ղ եք կապել կետերը ժամանակի, դաշտերի և պայմանների միջև: [1]
Եթե երբևէ փորձել եք համեմատել երկու եթերաշրջան և մտածել. «Ինչո՞ւ ոչինչ չի համընկնում», այո՛։ Հենց սա է պատճառը։
10) Մատակարարման շղթա, ապահովագրություն և կայունություն. արհեստական բանականություն 📦🌍
Գյուղատնտեսության մեջ արհեստական բանականությունը միայն ֆերմայում չէ։ FAO-ի տեսակետը «գյուղատնտեսական համակարգերի» վերաբերյալ ակնհայտորեն ավելի լայն է, քան ոլորտը. այն ներառում է արժեքային շղթաները և արտադրության շուրջ ավելի լայն համակարգը, որտեղ էլ հիմնականում հայտնվում են կանխատեսման և ստուգման գործիքները։ [2]
Ահա թե որտեղ է, որ ամեն ինչ դառնում է տարօրինակ քաղաքական և տեխնիկական միաժամանակ՝ ոչ միշտ զվարճալի, բայց ավելի ու ավելի արդիական։
11) Թակարդներ՝ տվյալների իրավունքներ, կողմնակալություն, կապակցվածություն և «հիանալի տեխնոլոգիա, որը ոչ ոք չի օգտագործում» 🧯😬
Արհեստական բանականությունը կարող է բացարձակապես հակառակ արդյունք տալ, եթե անտեսեք ձանձրալի բաները.
-
Տվյալների կառավարում . սեփականությունը, վերահսկողությունը, համաձայնությունը, փոխադրելիությունը և ջնջումը պետք է հստակ լինեն պայմանագրի լեզվով (ոչ թե թաղված լինեն իրավական մշուշի մեջ) [5]:
-
Կապակցվածություն + նպաստող ենթակառուցվածքներ . ընդունումը անհավասար է, և գյուղական ենթակառուցվածքների բացերը իրական են [2]
-
Կողմնակալություն և անհավասար օգուտ . գործիքները կարող են ավելի լավ աշխատել որոշ տեսակի ֆերմերային տնտեսությունների/շրջանների համար, քան մյուսների համար, հատկապես, եթե մարզման տվյալները չեն համապատասխանում ձեր իրականությանը [1]
-
«Խելացի տեսք ունի, օգտակար չէ» . եթե այն չի համապատասխանում աշխատանքային հոսքին, այն չի օգտագործվի (անկախ նրանից, թե որքան հետաքրքիր է դեմո տարբերակը):
Եթե արհեստական բանականությունը տրակտոր է, ապա տվյալների որակը դիզելային վառելիքն է։ Վատ վառելիք, վատ օր։
12) Սկսնակների համար. քիչ դրամատիզմի ճանապարհային քարտեզ 🗺️✅
Եթե ուզում եք փորձել արհեստական բանականությունը՝ առանց փողը կրակի մատնելու.
-
Ընտրեք մեկ ցավոտ կետ (մոլախոտեր, ոռոգման ժամանակացույց, հետախուզության ժամանակացույց, հոտի առողջության մասին ծանուցումներ):
-
Սկսեք տեսանելիությունից (քարտեզագրում + մոնիթորինգ) մինչև լրիվ ավտոմատացումը [1]
-
Գործարկեք պարզ փորձարկում ՝ մեկ դաշտ, մեկ նախիրային խումբ, մեկ աշխատանքային հոսք
-
Հետևեք մեկ չափանիշի, որը ձեզ իրականում հետաքրքրում է (ցողման ծավալ, խնայված ժամանակ, կրկնակի մշակումներ, բերքատվության կայունություն):
-
Ստուգեք տվյալների իրավունքները + արտահանման տարբերակները նախքան համաձայնեցնելը [5]
-
Պլանավորեք մարզումները . նույնիսկ «հեշտ» գործիքները պետք է սովորեն [2]
13) Վերջնական դիտողություններ. Ինչպե՞ս է արհեստական բանականությունը օգնում գյուղատնտեսությանը։ 🌾✨
Ինչպե՞ս է արհեստական բանականությունը օգնում գյուղատնտեսությանը։ Այն օգնում է ֆերմերային տնտեսություններին ավելի լավ որոշումներ կայացնել՝ ավելի քիչ ենթադրություններով, պատկերները, սենսորների ցուցմունքները և մեքենաների գրառումները վերածելով գործողությունների, որոնք դուք կարող եք իրականում կատարել։ [1]
TL;DR
-
Արհեստական բանականությունը բարելավում է հետախուզությունը (խնդիրները ավելի վաղ գտնելը) [1]
-
Այն հնարավորություն է տալիս ճշգրիտ մուտքագրումներ կատարել (հատկապես թիրախային ցողում) [3]:
-
Այն խթանում է անասնապահության մոնիթորինգը (վաղ նախազգուշացումներ, բարեկեցության հետևում) [4]:
-
Այն աջակցում է ավտոմատացմանը (առավելություններով և իրական ներդրման բացթողումներով) [2]
-
Հաջողության կամ անհաջողության գործոններն են տվյալների իրավունքները, թափանցիկությունը և օգտագործելիությունը [5]:
Եվ այո… դա կախարդանք չէ։ Բայց դա կարող է տարբերություն լինել ուշ արձագանքելու և վաղ գործելու միջև, ինչը գյուղատնտեսության մեջ, ըստ էության, ամեն ինչ է։
Հղումներ
[1] Լիակոս և այլք (2018) «Մեքենայական ուսուցում գյուղատնտեսության մեջ. ակնարկ» (Sensors)
[2] FAO (2022) «Սննդի և գյուղատնտեսության վիճակը 2022 թվականին. ավտոմատացման օգտագործումը գյուղատնտեսական պարենային համակարգերի վերափոխման համար» (Newsroom հոդված)
[3] John Deere «See & Spray™ տեխնոլոգիա» (արտադրանքի պաշտոնական էջ)
[4] Բերքմանս (2017) «Ընդհանուր ներածություն ճշգրիտ անասնապահության մեջ» (Animal Frontiers, Oxford Academic)
[5] Գյուղատնտեսական տվյալների թափանցիկ «հիմնական սկզբունքներ» (գաղտնիություն, սեփականություն/վերահսկողություն, փոխադրելիություն, անվտանգություն)