இதில் பெரும்பாலானவை ஒரு விஷயத்திற்குக் கீழே வருகின்றன: குழப்பமான பண்ணைத் தரவை (படங்கள், சென்சார் அளவீடுகள், மகசூல் வரைபடங்கள், இயந்திரப் பதிவுகள், வானிலை சமிக்ஞைகள்) தெளிவான செயல்களாக மாற்றுவது. அந்த "செயல்களாக மாறுதல்" பகுதியே அடிப்படையில் வேளாண் முடிவு ஆதரவில் இயந்திரக் கற்றலின் முழுப் புள்ளியாகும். [1]
இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:
🔗 பயிர் நோய்களைக் கண்டறிய AI எவ்வாறு உதவுகிறது
நோய்களை முன்கூட்டியே மற்றும் துல்லியமாக அடையாளம் காண AI பயிர் படங்களை பகுப்பாய்வு செய்கிறது.
🔗 செயற்கை நுண்ணறிவில் கணினி பார்வை என்றால் என்ன?
படங்கள், வீடியோக்கள் மற்றும் காட்சித் தரவை இயந்திரங்கள் எவ்வாறு புரிந்துகொள்கின்றன என்பதை விளக்குகிறது.
🔗 பணியமர்த்தலில் AI ஐ எவ்வாறு பயன்படுத்துவது
ஆட்சேர்ப்பு, தேர்வு மற்றும் வேட்பாளர் பொருத்தத்தை மேம்படுத்துவதற்கான நடைமுறை வழிகள் AI.
🔗 செயற்கை நுண்ணறிவை எவ்வாறு கற்றுக்கொள்வது
AI கருத்துகள் மற்றும் கருவிகளைக் கற்றுக்கொள்ள ஆரம்பநிலைக்கு ஏற்ற வழிகாட்டுதல்.
1) எளிமையான யோசனை: AI அவதானிப்புகளை முடிவுகளாக மாற்றுகிறது 🧠➡️🚜
பண்ணைகள் அபத்தமான அளவிலான தகவல்களை உருவாக்குகின்றன: மண் மாறுபாடு, பயிர் அழுத்த முறைகள், பூச்சி அழுத்தம், விலங்குகளின் நடத்தை, இயந்திர செயல்திறன் மற்றும் பல. மனிதர்கள் தவறவிடும் வடிவங்களைக் கண்டறிந்து, குறிப்பாக பெரிய, குழப்பமான தரவுத்தொகுப்புகளில், பின்னர் எங்கு தேடுவது, எதைக் கையாள்வது, எதைப் புறக்கணிப்பது போன்ற முடிவுகளை எடுப்பதன் மூலம் AI உதவுகிறது. [1]
இதைப் பற்றி சிந்திக்க ஒரு சூப்பர் நடைமுறை வழி: AI என்பது ஒரு முன்னுரிமை இயந்திரம் . இது உங்களுக்காக மாயாஜாலமாக விவசாயம் செய்யாது - இது உங்கள் நேரத்தையும் கவனத்தையும் உண்மையில் முக்கியமான இடத்தில் செலுத்த உதவுகிறது.
2) விவசாயத்திற்கான AI இன் நல்ல பதிப்பை உருவாக்குவது எது? ✅🌱
"விவசாயத்திற்கான அனைத்து AI"களும் சமமாக உருவாக்கப்படவில்லை. சில கருவிகள் உண்மையிலேயே உறுதியானவை; மற்றவை... அடிப்படையில் லோகோவுடன் கூடிய ஒரு ஆடம்பரமான வரைபடம்.
நிஜ வாழ்க்கையில் மிகவும் முக்கியமானவை இங்கே:
-
உங்கள் உண்மையான பணிப்பாய்வுடன் வேலை செய்கிறது (டிராக்டர் வண்டி, சேற்று கையுறைகள், குறைந்த நேரம்)
-
வெறும் மதிப்பெண்ணை மட்டும் விளக்காமல், "ஏன்" என்பதை விளக்குகிறது (இல்லையெனில் நீங்கள் அதை நம்ப மாட்டீர்கள்)
-
பண்ணை மாறுபாடுகளைக் கையாளுகிறது (மண், வானிலை, கலப்பினங்கள், சுழற்சிகள் - எல்லாம் மாறுகிறது)
-
தரவு உரிமை + அனுமதிகளை அழிக்கவும் (யார் எதைப் பார்க்கலாம், எந்த நோக்கத்திற்காக) [5]
-
மற்ற அமைப்புகளுடன் நன்றாக வேலை செய்கிறது (ஏனெனில் தரவு குழிகள் ஒரு நிலையான தலைவலி)
-
சீரற்ற இணைப்புடன் இன்னும் பயனுள்ளதாக இருக்கிறது (கிராமப்புற உள்கட்டமைப்பு சீரற்றது, மேலும் "மேகம் மட்டும்" என்பது ஒரு ஒப்பந்தத்தை முறியடிக்கும் செயலாக இருக்கலாம்) [2]
நேர்மையாகச் சொல்லப் போனால்: மதிப்பைப் பெற மூன்று உள்நுழைவுகளும் ஒரு விரிதாள் ஏற்றுமதியும் தேவைப்பட்டால், அது “புத்திசாலித்தனமான விவசாயம்” அல்ல, அது தண்டனை 😬.
3) ஒப்பீட்டு அட்டவணை: விவசாயிகள் உண்மையில் பயன்படுத்தும் பொதுவான AI-ish கருவி வகைகள் 🧾✨
விலைகள் மாறுகின்றன மற்றும் தொகுப்புகள் மாறுபடும், எனவே இவற்றை நற்செய்தியாகக் கருதுவதற்குப் பதிலாக "விலையுயர்ந்த" வரம்புகளாகக் கருதுங்கள்.
| கருவி வகை | (பார்வையாளர்களுக்கு) சிறந்தது | விலை நிலவரம் | இது ஏன் வேலை செய்கிறது (எளிய ஆங்கிலத்தில்) |
|---|---|---|---|
| களம் & கடற்படை தரவு தளங்கள் | கள செயல்பாடுகள், வரைபடங்கள், இயந்திர பதிவுகளை ஒழுங்கமைத்தல் | சந்தா கட்டணம் | "அந்தக் கோப்பு எங்கே போனது?" என்ற ஆற்றல் குறைவாக, பயன்படுத்தக்கூடிய வரலாறு அதிகமாக [1] |
| படங்கள் சார்ந்த ஸ்கவுட்டிங் (செயற்கைக்கோள்/ட்ரோன்) | மாறுபாடு + சிக்கல் பகுதிகளை விரைவாகக் கண்டறிதல் | பரந்த வரம்புகள் | முதலில் எங்கு நடக்க வேண்டும் என்பதைக் காட்டுகிறது (aka: குறைவான வீணான மைல்கள்) [1] |
| இலக்கு தெளித்தல் (கணினி பார்வை) | தேவையற்ற களைக்கொல்லி பயன்பாட்டைக் குறைத்தல் | பொதுவாக மேற்கோள் அடிப்படையிலானது | கேமராக்கள் + ML களைகளைத் தெளிக்கலாம் மற்றும் சுத்தமான பயிர்களைத் தவிர்க்கலாம் (சரியாக அமைக்கும்போது) [3] |
| மாறி விகித மருந்துச்சீட்டுகள் | மண்டல வாரியாக விதைப்பு/கருவுறுதல் + ROI சிந்தனை | சந்தா கட்டணம் | அடுக்குகளை நீங்கள் இயக்கக்கூடிய திட்டமாக மாற்றுகிறது - பின்னர் முடிவுகளை ஒப்பிடுக [1] |
| கால்நடை கண்காணிப்பு (சென்சார்கள்/கேமராக்கள்) | முன்கூட்டிய எச்சரிக்கைகள் + நலன்புரி சோதனைகள் | விற்பனையாளர் விலை நிர்ணயம் | "ஏதோ தவறு" என்று கொடியிடுங்கள், எனவே முதலில் சரியான விலங்கைச் சரிபார்க்கவும் [4] |
சிறிய வடிவமைப்பு ஒப்புதல் வாக்குமூலம்: "price vibe" என்பது நான் இப்போது கண்டுபிடித்த ஒரு தொழில்நுட்ப சொல்... ஆனால் நான் சொல்வது உங்களுக்குப் புரிகிறது 😄.
4) பயிர் ஆய்வு: சீரற்ற நடைப்பயணத்தை விட AI சிக்கல்களை வேகமாகக் கண்டுபிடிக்கும் 🚶♂️🌾
மிகப்பெரிய வெற்றிகளில் ஒன்று முன்னுரிமை அளிப்பது . எல்லா இடங்களிலும் சமமாகத் தேடுவதற்குப் பதிலாக, AI படங்கள் + கள வரலாற்றைப் பயன்படுத்தி சாத்தியமான சிக்கல் பகுதிகளை நோக்கி உங்களைச் சுட்டிக்காட்டுகிறது. இந்த அணுகுமுறைகள் ஆராய்ச்சி இலக்கியங்களில் தொடர்ந்து காட்டப்படுகின்றன - நோய் கண்டறிதல், களை கண்டறிதல், பயிர் கண்காணிப்பு - ஏனெனில் அவை எம்.எல். நன்கு அறிந்த மாதிரி-அங்கீகாரப் பிரச்சினையாகும். [1]
பொதுவான AI-இயக்கப்படும் ஸ்கவுட்டிங் உள்ளீடுகள்:
-
செயற்கைக்கோள் அல்லது ட்ரோன் படங்கள் (பயிர் வீரிய சமிக்ஞைகள், மாற்றத்தைக் கண்டறிதல்) [1]
-
பூச்சி/நோய் ஐடிக்கான ஸ்மார்ட்போன் புகைப்படங்கள் (பயனுள்ளவை, ஆனால் இன்னும் மனித மூளை இணைக்கப்பட வேண்டும்) [1]
-
வரலாற்று மகசூல் + மண் அடுக்குகள் (எனவே நீங்கள் "சாதாரண பலவீனமான இடங்களை" புதிய சிக்கல்களுடன் குழப்பிக் கொள்ள வேண்டாம்)
இது AI விவசாயத்திற்கு எவ்வாறு உதவுகிறது என்பது மிகவும் நேரடியான ஒரு இடம்: நீங்கள் எதை இழக்கப் போகிறீர்கள் என்பதைக் கவனிக்க இது உதவுகிறது 👀. [1]
5) துல்லியமான உள்ளீடுகள்: சிறந்த தெளித்தல், உரமிடுதல், நீர்ப்பாசனம் 💧🌿
உங்கள் தரவு மற்றும் அமைப்பு உறுதியாக இருந்தால் , AI உண்மையான, அளவிடக்கூடிய ROI போல உணரக்கூடிய இடம் இதுதான்
சிறந்த தெளித்தல் (குறிவைக்கப்பட்ட பயன்பாடுகள் உட்பட)
இது "பணத்தைக் காட்டு" என்பதற்கான தெளிவான உதாரணங்களில் ஒன்றாகும்: , போர்வையில் எல்லாவற்றையும் தெளிப்பதற்குப் பதிலாக களைகளை இலக்காகக் கொண்டு தெளிப்பதை செயல்படுத்தும்
முக்கியமான நம்பிக்கை குறிப்பு: இந்த அமைப்புகளை விற்கும் நிறுவனங்கள் கூட, களை அழுத்தம், பயிர் வகை, அமைப்புகள் மற்றும் நிலைமைகளைப் பொறுத்து முடிவுகள் மாறுபடும் என்று வெளிப்படையாகக் கூறுகின்றன - எனவே இதை ஒரு கருவியாகக் கருதுங்கள், உத்தரவாதமாக அல்ல. [3]
மாறுபடும் விகித விதைப்பு மற்றும் மருந்துச்சீட்டுகள்
மண்டலங்களை வரையறுக்கவும், அடுக்குகளை இணைக்கவும், ஸ்கிரிப்ட்களை உருவாக்கவும், பின்னர் உண்மையில் என்ன நடந்தது என்பதை மதிப்பீடு செய்யவும் மருந்துக் கருவிகள் உங்களுக்கு உதவும். அந்த "என்ன நடந்தது என்பதை மதிப்பிடும்" லூப் முக்கியமானது - ஒரு முறை அழகான வரைபடத்தை உருவாக்குவது மட்டுமல்லாமல், பருவத்திற்கு ஏற்றவாறு கற்றுக்கொள்ளும்போது ML in ag சிறந்தது. [1]
ஆம், சில நேரங்களில் முதல் வெற்றி வெறுமனே: "கடைசியாக என்ன நடந்தது என்பதை என்னால் பார்க்க முடிகிறது." கவர்ச்சியாக இல்லை. மிகவும் உண்மையானது.
6) பூச்சி மற்றும் நோய் கணிப்பு: முன் எச்சரிக்கைகள், குறைவான ஆச்சரியங்கள் 🐛⚠️
கணிப்பு தந்திரமானது (உயிரியல் குழப்பத்தை விரும்புகிறது), ஆனால் நோய் கண்டறிதல் மற்றும் மகசூல் தொடர்பான முன்னறிவிப்பு போன்ற விஷயங்களுக்கு ML அணுகுமுறைகள் பரவலாக ஆய்வு செய்யப்படுகின்றன - பெரும்பாலும் வானிலை சமிக்ஞைகள், படங்கள் மற்றும் கள வரலாறு ஆகியவற்றை இணைப்பதன் மூலம். [1]
யதார்த்த சரிபார்ப்பு: ஒரு கணிப்பு என்பது ஒரு தீர்க்கதரிசனம் அல்ல. அதை ஒரு புகை அலாரம் போல நடத்துங்கள் - அது எப்போதாவது எரிச்சலூட்டும் போது கூட பயனுள்ளதாக இருக்கும் 🔔.
7) கால்நடைகள்: AI நடத்தை, ஆரோக்கியம் மற்றும் நலனைக் கண்காணிக்கிறது 🐄📊
கால்நடை வளர்ப்பு AI ஒரு எளிய யதார்த்தத்தை எதிர்கொள்வதால் வேகமாக வளர்ந்து வருகிறது: எல்லா விலங்குகளையும் எல்லா நேரங்களிலும் பார்க்க முடியாது .
முன்கூட்டியே எச்சரிக்கை செய்வதைச் சுற்றி கட்டமைக்கப்பட்டுள்ளது தற்போது தேவைப்படும் விலங்குகளை நோக்கி உங்கள் கவனத்தை ஈர்ப்பதாகும் . [4]
நீங்கள் காட்டில் காணக்கூடிய உதாரணங்கள்:
-
அணியக்கூடிய பொருட்கள் (காலர்கள், காது குறிச்சொற்கள், கால் உணரிகள்)
-
போலஸ் வகை உணரிகள்
-
கேமரா அடிப்படையிலான கண்காணிப்பு (இயக்கம்/நடத்தை முறைகள்)
AI விவசாயத்திற்கு எவ்வாறு உதவுகிறது என்று நீங்கள் கேட்டால் - சில நேரங்களில் இது மிகவும் எளிமையானது: நிலைமை பனிப்பந்துகள் போல் மாறுவதற்கு முன்பு, எந்த விலங்கை முதலில் சரிபார்க்க வேண்டும் என்று இது உங்களுக்குச் சொல்கிறது 🧊. [4]
8) ஆட்டோமேஷன் மற்றும் ரோபாட்டிக்ஸ்: திரும்பத் திரும்பச் செய்யும் வேலைகளைச் செய்தல் (மற்றும் அவற்றைத் தொடர்ந்து செய்தல்) 🤖🔁
ஆட்டோமேஷன் "உதவிகரமான உதவி" முதல் "முழுமையாக தன்னாட்சி" வரை இருக்கும், மேலும் பெரும்பாலான பண்ணைகள் நடுவில் எங்கோ அமர்ந்திருக்கும். பெரிய அளவில், FAO இந்த முழுப் பகுதியையும் ஒரு பரந்த ஆட்டோமேஷன் அலையின் ஒரு பகுதியாக வடிவமைக்கிறது, இதில் இயந்திரங்கள் முதல் AI வரை அனைத்தும் அடங்கும், இதில் சாத்தியமான நன்மைகள் மற்றும் சீரற்ற தத்தெடுப்பு அபாயங்கள் இரண்டும் உள்ளன. [2]
ரோபோக்கள் மாயாஜாலங்கள் அல்ல, ஆனால் அவை சோர்வடையாத... அல்லது புகார் செய்யாத... அல்லது தேநீர் இடைவேளை தேவைப்படாத (சரி, லேசான மிகைப்படுத்தல்) இரண்டாவது ஜோடி கைகளைப் போல இருக்கலாம் ☕.
9) பண்ணை மேலாண்மை + முடிவெடுக்கும் ஆதரவு: "அமைதியான" வல்லரசு 📚🧩
இதுவே பெரும்பாலும் நீண்ட கால மதிப்பை இயக்கும் கவர்ச்சியற்ற பகுதி: சிறந்த பதிவுகள், சிறந்த ஒப்பீடுகள், சிறந்த முடிவுகள் .
பயிர், கால்நடைகள், மண் மற்றும் நீர் மேலாண்மை ஆராய்ச்சி முழுவதும் ML-இயக்கப்படும் முடிவெடுக்கும் ஆதரவு வெளிப்படுகிறது, ஏனெனில் பல பண்ணை முடிவுகள் பின்வருமாறு சுருக்கப்பட்டுள்ளன: நேரம், வயல்கள் மற்றும் நிலைமைகள் முழுவதும் புள்ளிகளை இணைக்க முடியுமா? [1]
நீங்கள் எப்போதாவது இரண்டு பருவங்களை ஒப்பிட்டுப் பார்த்து, "ஏன் எதுவும் வரிசையாக இல்லை?" என்று நினைத்திருந்தால் - ஆம். இதுதான் காரணம்.
10) விநியோகச் சங்கிலி, காப்பீடு மற்றும் நிலைத்தன்மை: திரைக்குப் பின்னால் உள்ள AI 📦🌍
விவசாயத்தில் AI என்பது பண்ணையில் மட்டுமல்ல. "வேளாண் உணவு அமைப்புகள்" பற்றிய FAO-வின் பார்வை, வயலை விட வெளிப்படையாக பெரியது - இது மதிப்புச் சங்கிலிகள் மற்றும் உற்பத்தியைச் சுற்றியுள்ள பரந்த அமைப்பை உள்ளடக்கியது, அங்குதான் முன்னறிவிப்பு மற்றும் சரிபார்ப்பு கருவிகள் பொதுவாகக் காண்பிக்கப்படுகின்றன. [2]
இங்குதான் விஷயங்கள் ஒரே நேரத்தில் விசித்திரமாக அரசியல் மற்றும் தொழில்நுட்ப ரீதியாக மாறுகின்றன - எப்போதும் வேடிக்கையாக இருக்காது, ஆனால் பெருகிய முறையில் பொருத்தமானவை.
11) ஆபத்துகள்: தரவு உரிமைகள், சார்பு, இணைப்பு மற்றும் “யாரும் பயன்படுத்தாத அருமையான தொழில்நுட்பம்” 🧯😬
சலிப்பூட்டும் விஷயங்களை நீங்கள் புறக்கணித்தால் AI முற்றிலும் பின்வாங்கும்:
-
தரவு நிர்வாகம் : உரிமை, கட்டுப்பாடு, ஒப்புதல், பெயர்வுத்திறன் மற்றும் நீக்கம் ஆகியவை ஒப்பந்த மொழியில் தெளிவாக இருக்க வேண்டும் (சட்ட மூடுபனியில் புதைக்கப்படக்கூடாது) [5]
-
இணைப்பு + உள்கட்டமைப்பை செயல்படுத்துதல் : தத்தெடுப்பு சீரற்றது, மேலும் கிராமப்புற உள்கட்டமைப்பு இடைவெளிகள் உண்மையானவை [2]
-
சார்பு மற்றும் சீரற்ற நன்மை : பயிற்சி தரவு உங்கள் யதார்த்தத்துடன் பொருந்தவில்லை என்றால், சில பண்ணை வகைகள்/பிராந்தியங்களுக்கு கருவிகள் சிறப்பாகச் செயல்படும் [1]
-
“புத்திசாலித்தனமாகத் தெரிகிறது, பயனுள்ளதாக இல்லை” : இது பணிப்பாய்வுக்குப் பொருந்தவில்லை என்றால், அது பயன்படுத்தப்படாது (டெமோ எவ்வளவு அருமையாக இருந்தாலும்)
AI ஒரு டிராக்டர் என்றால், டேட்டா தரம் டீசல். மோசமான எரிபொருள், மோசமான நாள்.
12) தொடங்குதல்: ஒரு குறைந்த நாடகத் திட்டம் 🗺️✅
பணத்தை எரியவிடாமல் AI-ஐ முயற்சிக்க விரும்பினால்:
-
ஒரு வலி புள்ளியைத் தேர்ந்தெடுக்கவும் (களைகள், நீர்ப்பாசன நேரம், வேவு பார்க்கும் நேரம், மந்தை சுகாதார எச்சரிக்கைகள்)
-
முழு ஆட்டோமேஷனுக்கு முன் தெரிவுநிலையுடன் (மேப்பிங் + கண்காணிப்பு) தொடங்கவும்
-
ஒரு எளிய சோதனையை இயக்கவும் : ஒரு வயல், ஒரு மந்தை குழு, ஒரு பணிப்பாய்வு.
-
ஒரு அளவீட்டைக் கண்காணிக்கவும் (ஸ்ப்ரே அளவு, சேமிக்கப்பட்ட நேரம், மறு சிகிச்சைகள், மகசூல் நிலைத்தன்மை)
-
நீங்கள் [5] செய்வதற்கு முன் தரவு உரிமைகள் + ஏற்றுமதி விருப்பங்களைச் சரிபார்க்கவும்.
-
பயிற்சிக்கான திட்டம் - "எளிதான" கருவிகள் கூட கடைப்பிடிக்க பழக்கவழக்கங்கள் தேவை [2]
13) இறுதி குறிப்புகள்: AI விவசாயத்திற்கு எவ்வாறு உதவுகிறது? 🌾✨
விவசாயத்திற்கு AI எவ்வாறு உதவுகிறது? படங்கள், சென்சார் அளவீடுகள் மற்றும் இயந்திர பதிவுகளை நீங்கள் உண்மையில் எடுக்கக்கூடிய செயல்களாக மாற்றுவதன் மூலம், பண்ணைகள் குறைவான யூகங்களுடன் சிறந்த அழைப்புகளைச் செய்ய இது உதவுகிறது. [1]
டிஎல்;டிஆர்
-
AI ஸ்கவுட்டிங்கை (சிக்கல்களை முன்கூட்டியே கண்டறியவும்) [1]
-
துல்லியமான உள்ளீடுகளை செயல்படுத்துகிறது [3]
-
இது கால்நடை கண்காணிப்பை (முன்கூட்டிய எச்சரிக்கைகள், நலன் கண்காணிப்பு) [4]
-
இது ஆட்டோமேஷனை (நன்மைகளுடன் - மற்றும் உண்மையான தத்தெடுப்பு இடைவெளிகளுடன்) [2]
-
தரவு உரிமைகள், வெளிப்படைத்தன்மை மற்றும் பயன்பாட்டுத்திறன் ஆகியவை உற்பத்தி அல்லது முறிவு காரணிகளாகும் [5]
ஆமாம்... அது மாயாஜாலம் இல்லை. ஆனால் அது தாமதமாக எதிர்வினையாற்றுவதற்கும் சீக்கிரமாக செயல்படுவதற்கும் உள்ள வித்தியாசமாக இருக்கலாம் - விவசாயத்தில், இதுதான் அடிப்படையில் எல்லாமே.
குறிப்புகள்
[1] லியாகோஸ் மற்றும் பலர். (2018) “விவசாயத்தில் இயந்திர கற்றல்: ஒரு மதிப்பாய்வு” (சென்சார்கள்)
[2] FAO (2022) “உணவு மற்றும் வேளாண்மையின் நிலை 2022: வேளாண் உணவு அமைப்புகளை மாற்றுவதற்கு ஆட்டோமேஷனைப் பயன்படுத்துதல்” (செய்தி அறை கட்டுரை)
[3] ஜான் டீர் “சீ & ஸ்ப்ரே™ தொழில்நுட்பம்” (அதிகாரப்பூர்வ தயாரிப்பு பக்கம்)
[4] பெர்க்மேன் (2017) “துல்லியமான கால்நடை வளர்ப்புக்கான பொதுவான அறிமுகம்” (விலங்கு எல்லைகள், ஆக்ஸ்போர்டு கல்வி)
[5] Ag தரவு வெளிப்படையான “முக்கிய கொள்கைகள்” (தனியுரிமை, உரிமை/கட்டுப்பாடு, பெயர்வுத்திறன், பாதுகாப்பு)