Тариалангийн өвчин илрүүлэхэд хиймэл оюун ухаан хэрхэн тусалдаг вэ?

Хэрэв та амьдрахын тулд ямар нэгэн зүйл тарьдаг бол бороотой долоо хоногийн дараа навчны хачирхалтай толбо гарч ирэхэд ходоодны дусал дусдагийг та мэднэ. Энэ нь шим тэжээлийн стресс үү, вирус уу эсвэл таны нүд дахиад л гайхалтай болж байна уу? AI энэ асуултанд маш хурдан хариулах чадвартай болсон. Хамгийн гол нь газар тариалангийн өвчнийг эрт илрүүлэх нь илүү сайн, илүү эрт илрүүлэх нь алдагдал бага, илүү ухаалаг шүрших, илүү тайван шөнө гэсэн үг юм. Төгс биш, гэхдээ гайхалтай ойрхон. 🌱✨

Үүний дараа унших дуртай нийтлэлүүд:

🔗 AI хэрхэн ажилладаг вэ
AI-ийн үндсэн ойлголтууд, алгоритмууд болон практик хэрэглээг тодорхой ойлгох.

🔗 AI-г хэрхэн судлах вэ
Хиймэл оюун ухааныг үр дүнтэй, тууштай сурах практик стратеги, нөөц.

🔗 AI-г бизнестээ хэрхэн оруулах вэ
AI хэрэгслийг бизнесийн үйл ажиллагаанд нэгтгэх алхам алхмаар зааварчилгаа.

🔗 AI компанийг хэрхэн эхлүүлэх вэ
AI стартапыг эхлүүлэх, баталгаажуулах, өргөжүүлэх үндсэн алхамууд.

Тариалангийн өвчин илрүүлэх хиймэл оюун ухаан ✅

Хүмүүс хиймэл оюун ухаан тариалангийн өвчний илрүүлэлтийг сайжруулж байна гэж хэлэхэд ашигтай хувилбар нь ихэвчлэн дараах найрлагатай байдаг.

• Эрт, зөвхөн үнэн зөв биш : хүний ​​​​нүдний өмнө сул шинж тэмдэг илрэх эсвэл үндсэн скаут үүнийг анзаардаг. Мультиспектр/гиперспектр системүүд нь гэмтэл гарахаас өмнө стрессийн "хурууны хээ"-г авч чаддаг [3].

• Үйлдэл : тодорхой бус шошго биш, тодорхой дараагийн алхам. Бодоод үз: скаут А блок, дээж илгээж, баталгаажуулах хүртэл шүршихийг зогсоо.

• Үрэлт багатай : халаасан дахь утас нь энгийн эсвэл долоо хоногт нэг удаа дронтой. Батерей, зурвасын өргөн, газар дээрх гутал зэргийг тооцдог.

• Хангалттай тайлбарлах боломжтой : дулааны зураг (жишээ нь, Grad-CAM) эсвэл богино загварын тэмдэглэлүүд нь агрономчид дуудлагын эрүүл мэндийг шалгах боломжтой [2].

• Зэрлэг байгальд бат бөх : өөр өөр сорт, гэрэлтүүлэг, тоос шороо, өнцөг, холимог халдвар. Жинхэнэ талбайнууд замбараагүй байна.

• Бодит байдалтай нэгтгэгдэнэ : скаутын програм, лабораторийн ажлын урсгал эсвэл агрономийн дэвтэрт наалдамхай туузгүйгээр залгагдана.

Энэ хольц нь хиймэл оюун ухааныг лабораторийн заль мэх шиг биш харин найдвартай фермийн аж ахуй шиг санагддаг. 🚜

Богино хариулт: AI хэрхэн тусалдаг вэ?

AI нь зураг, спектр, заримдаа молекулуудыг хурдан, магадлалын хариулт болгон хувиргаснаар тариалангийн өвчний илрүүлэлтийг хурдасгадаг. Утасны камер, дрон, хиймэл дагуул, хээрийн иж бүрдэл нь гажиг эсвэл тодорхой эмгэг төрүүлэгчдийг илрүүлдэг загваруудыг тэжээдэг. Ургамлын хамгаалал, хүнсний аюулгүй байдлын хөтөлбөрүүдийн мөнх ногоон тэргүүлэх чиглэл болох өмнөх сэрэмжлүүлэг нь зайлсхийх боломжтой алдагдлыг багасгахад тусалдаг [1].

Давхаргууд: навчнаас ландшафт хүртэл 🧅

Навчны түвшин

• Зураг авах, шошго авах: хорхой, зэв, хачигт гэмтэл. Хөнгөн CNN болон харааны трансформаторууд одоо төхөөрөмж дээр ажилладаг бөгөөд Grad-CAM гэх мэт тайлбарлагчид уг загвар юу "харсныг" харуулж, хар хайрцагны чичиргээгүйгээр итгэлийг бий болгодог [2].

Блок эсвэл талбайн түвшин

• Дронууд RGB эсвэл олон талт камертай эгнээ шүүрдэг. Загвар өмсөгчид таны хэзээ ч газраас харж байгаагүй стрессийн хэв маягийг хайж байдаг. Hyperspectral нь олон зуун нарийн зурвасуудыг нэмж, өмнө - дамжуулах хоолойг зохих ёсоор тохируулсан тохиолдолд тусгай болон эгнээний ургацыг сайтар баримтжуулсан байдаг [3].

Фермээс бүс рүү

• Бүдүүн хиймэл дагуулын харагдац, зөвлөх сүлжээ нь скаутуудыг чиглүүлэх, цаг хугацааны интервенц хийхэд тусалдаг. Энд байгаа хойд од нь адилхан: урьд өмнө нь, ургамлын эрүүл мэндийн хүрээнд чиглэсэн үйл ажиллагаа, хөнжил хариу үйлдэл биш [1].

Хэрэгслийн хайрцаг: Хүнд өргөлт хийх AI-ийн үндсэн аргууд 🧰

• Гэмтлийн мэдрэлийн тор ба харааны трансформаторууд гэмтлийн хэлбэр/өнгө/бүтэцийг уншдаг; тайлбарлах боломжтой (жишээ нь, Grad-CAM) хосолсон нь агрономчдод таамаглалыг шалгах боломжтой болгодог [2].

• Ганц өвчний шошго нь тодорхойгүй байсан ч гажиг илрүүлэх

• спектрийн судалгаа нь харагдах шинж тэмдгүүдийн өмнөх химийн стрессийн хурууны хээг илрүүлдэг [3].

• Молекулын AI дамжуулах хоолой LAMP эсвэл CRISPR гэх мэт хээрийн шинжилгээ нь хэдэн минутын дотор энгийн уншилтуудыг гаргадаг; Апп нь нойтон лабораторийн онцлогийг програм хангамжийн хурдтай нэгтгэн дараагийн алхмуудыг чиглүүлдэг [4][5].

Бодит байдлыг шалгах: загварууд нь гайхалтай, гэхдээ хэрэв та сорт, гэрэлтүүлэг эсвэл тайзыг өөрчилбөл буруу байж магадгүй юм. Дахин сургах, орон нутгийн шалгалт тохируулга хийх нь тийм ч таатай биш юм; тэдгээр нь хүчилтөрөгч [2][3].

Харьцуулах хүснэгт: Газар тариалангийн өвчин илрүүлэх практик сонголтууд 📋

Бодит худалдан авалт ч бас замбараагүй учраас зориуд бага зэрэг замбараагүй ширээ.

Гүн шумбах 1: халаасанд байгаа утас, секундын дотор агроном 📱

• Энэ нь юу хийдэг вэ : Та навчийг хүрээлээрэй; загвар нь болзошгүй өвчин, дараагийн алхмуудыг санал болгодог. Тоон үзүүлэлттэй, хөнгөн жинтэй загварууд нь хөдөө орон нутагт жинхэнэ оффлайн хэрэглээг боломжтой болгож байна [2].

• Давуу тал : гайхалтай тохиромжтой, нэмэлт тоног төхөөрөмж байхгүй, скаут, тариалагчдыг сургахад тустай.

• Готчас : бага зэргийн эсвэл эрт үеийн шинж тэмдгүүд, ер бусын сортууд эсвэл холимог халдварын үед гүйцэтгэл буурч болно. Үүнийг шүүлтийн шийдвэр биш, харин түүвэр болгон авч үзэх - үүнийг шууд хайлт хийх, түүвэр авахад ашиглах [2].

Талбайн виньет (жишээ нь): Та А блок дахь гурван навчийг нааж байна. Апп нь "зэврэх магадлал өндөр" гэж тэмдэглэж, идээт бөөгнөрөлийг тодруулна. Та зүү тэмдэглэж, эгнээ алхаж, шүршихийн өмнө молекулын сорилыг татахаар шийднэ. Арван минутын дараа танд тийм/үгүй гэсэн хариулт, төлөвлөгөө бий.

Гүн шумбах 2: таны хийхээс өмнө хардаг нисгэгчгүй онгоцууд болон гиперспектрүүд 🛰️🛩️

• Энэ нь юу хийдэг вэ : Долоо хоног бүр эсвэл захиалгат нислэгүүд хамтлагаар баялаг зураг авдаг. Загварууд нь эмгэг төрүүлэгч эсвэл абиотик стрессийн эхлэлтэй нийцсэн ер бусын тусгалын муруйг тэмдэглэдэг.

• Давуу талууд : эрт мэдэгдэх, өргөн хүрээтэй хамрах хүрээ, цаг хугацааны объектив хандлага.

• Готчас : шалгалт тохируулгын хавтан, нарны өнцөг, файлын хэмжээ, төрөл зүйл эсвэл удирдлага өөрчлөгдөх үед загварын шилжилт.

• Нотлох баримт : системчилсэн тоймууд нь урьдчилсан боловсруулалт, тохируулга, баталгаажуулалтыг зөв хийсэн тохиолдолд үр тарианы ангиллын үр дүнтэй байдлын талаар мэдээлдэг [3].

Гүн шумбах 3: талбарт молекулын баталгаа 🧪

Заримдаа та тодорхой эмгэг төрүүлэгчийн хувьд тийм/үгүй гэж хэлэхийг хүсдэг. Шийдвэр гаргахад туслах молекулын иж бүрдэл нь хиймэл оюун ухааны програмуудтай хослуулсан газар юм.

• LAMP : колориметрийн/флюресцент уншилт бүхий хурдан, изотерм олшруулалт; ургамлын эрүүл мэндийн тандалт, фитосанитарийн нөхцөлд газар дээр нь шалгахад практик юм [4].

• CRISPR оношилгоо : Cas ферментийг ашиглан програмчлагдсан илрүүлэлт нь энгийн хажуугийн урсгал эсвэл флюресценцийн гаралт бүхий маш мэдрэмтгий, тусгай туршилтуудыг хийх боломжийг олгодог - хөдөө аж ахуйд лабораториос хээрийн иж бүрдэл рүү тогтвортой хөдөлдөг [5].

Эдгээрийг апп-тай хослуулах нь давталтыг хаадаг: сэжигтнийг зургаар тэмдэглэж, хурдан туршилтаар баталгаажуулж, удаан жолоодохгүйгээр шийддэг.

AI ажлын урсгал: пикселээс төлөвлөгөө хүртэл

1. Цуглуулах : навчны зураг, нисгэгчгүй нислэг, хиймэл дагуулын карт.

2. Урьдчилсан процесс : өнгө засах, газарзүйн лавлагаа, спектрийн тохируулга [3].

3. Дүгнэлт : загвар нь өвчний магадлал эсвэл гажиг оноог таамагладаг [2][3].

4. Тайлбарлах : дулааны зураг/онцлогын ач холбогдол нь хүмүүс шалгах боломжтой (жишээ нь, Grad-CAM) [2].

5. Шийдвэрлэх : скаутыг эхлүүлэх, LAMP/CRISPR тест ажиллуулах, эсвэл шүрших хуваарь [4][5].

6. Давталтыг хаа : үр дүнг бүртгэж, дахин сургаж, сорт болон улирлынхаа босго оноог тохируул [2][3].

Үнэнийг хэлэхэд, 6-р алхам бол нийлмэл ашиг нь амьдардаг газар юм. Баталгаажсан үр дүн бүр дараагийн сэрэмжлүүлгийг илүү ухаалаг болгодог.

Энэ яагаад чухал вэ: өгөөж, орц, эрсдэл 📈

Өмнө нь илүү хурц илрүүлэлт нь дэлхий даяар ургамал үйлдвэрлэх, хамгаалах хүчин чармайлтын хаягдлын гол зорилгыг багасгахын зэрэгцээ ургацыг хамгаалахад тусалдаг [1]. Зорилтот, мэдээлэлтэй арга хэмжээ авах замаар зайлсхийж болохуйц алдагдлыг арилгах нь хүнсний аюулгүй байдал, фермийн ашигт малтмалын хувьд маш том асуудал юм.

Нийтлэг бүтэлгүйтлийн горимууд тул та гайхах хэрэггүй 🙃

• Домэйн шилжилт : шинэ сорт, шинэ камер эсвэл өсөлтийн өөр үе шат; загварт итгэх итгэл нь төөрөгдүүлж болзошгүй [2].

• Харагдах байдал : шим тэжээлийн дутагдал ба мөөгөнцрийн гэмтэл - нүдээ хэт тааруулахгүйн тулд тайлбарлах + үндэслэлийг ашиглах [2].

• Бага зэргийн/холимог шинж тэмдэг : эрт үеийн нарийн дохио нь чимээ шуугиантай байдаг; зургийн загваруудыг гажиг илрүүлэх болон баталгаажуулах туршилтуудтай хослуулах [2][4][5].

• Өгөгдлийн шилжилт : шүрших эсвэл халууны долгионы дараа өвчинтэй холбоогүй шалтгааны улмаас тусгал өөрчлөгддөг; сандрахаасаа өмнө дахин тохируулаарай [3].

• Баталгаажуулах цоорхой : хээрийн туршилтын шийдвэр гаргахад хурдан зам байхгүй-энэ нь LAMP/CRISPR оролт [4][5]-д яг таарч байна.

Хэрэгжүүлэх заавар: хурдан үнэ цэнийг олж авах 🗺️

• Энгийнээр эхэл : нэг эсвэл хоёр тэргүүлэх өвчнийг утсаар скаут хийх; тайлбарлах давхаргыг идэвхжүүлэх [2].

• Зорилготой нисэх : өндөр үнэ цэнэтэй блокууд дээр ажилладаг хоёр долоо хоногт нэг дрон нь хааяа нэг баатрын нислэгийг давдаг; шалгалт тохируулга хийх горимоо хатуу байлга [3].

• Баталгаажуулах туршилтыг нэмнэ үү : цөөн хэдэн LAMP иж бүрдлийг хадгалах эсвэл өндөр эрсдэлтэй дуудлага хийх CRISPR-д суурилсан шинжилгээнд хурдан нэвтрэх боломжийг зохион байгуул [4][5].

• Агрономийн хуанлитайгаа нэгтгэх : өвчний эрсдэлтэй цонх, усалгаа, шүрших хязгаарлалт.

• Үр дүнг хэмжих : хөнжил шүрших нь бага, илүү хурдан хөндлөнгийн оролцоо, алдагдал бага, аз жаргалтай аудиторууд.

• Дахин сургах төлөвлөгөө : шинэ улирал, давтан сургах. Шинэ сорт, дахин сургах. Энэ нь хэвийн бөгөөд төлбөр төлдөг [2][3].

Итгэлцэл, ил тод байдал, хязгаарлалтын тухай товчхон үг 🔍

• Тайлбарлах чадвар нь агрономчдод эрүүл таамаглалыг хүлээн зөвшөөрөх эсвэл эсэргүүцэхэд тусалдаг; тухайн загвар нь ямар шинж чанарт тулгуурласан болохыг асуухад илүү нарийвчлалтай харагддаг [2].

• Удирдах ажил : зорилго нь илүү биш харин шаардлагагүй програмуудыг цөөлөх явдал юм.

• Өгөгдлийн ёс зүй : хээрийн зураг, ургацын зураг нь үнэ цэнэтэй. Өмчлөх, урьдчилж ашиглах талаар тохиролцоно.

• Хүйтэн бодит байдал : заримдаа хамгийн сайн шийдвэр бол илүү их шүрших биш, илүү их хайгуул хийх явдал юм.

Төгсгөлийн тайлбар: Хэтэрхий удаан, би уншаагүй ✂️

AI нь агрономийг орлохгүй. Үүнийг сайжруулдаг. Тариалангийн өвчнийг илрүүлэхийн тулд ялах загвар нь энгийн: утсыг хурдан ангилах, мэдрэмтгий блокууд дээр үе үе дрон дамжуулах, дуудлага үнэхээр чухал үед молекулын шинжилгээ хийх. Үүнийг агрономийн хуанлитайгаа холбоно уу, тэгвэл та цэцэглэж эхлэхээс өмнө асуудалд ордог туранхай, уян хатан системтэй болно. Та дахин дахин шалгаж, хааяа ухрах болно, тэгвэл зүгээр. Ургамал бол амьд биет юм. Бид ч мөн адил. 🌿🙂

Лавлагаа

1. ХХААБ – Ургамлын үйлдвэрлэл, хамгаалал (ургамлын эрүүл мэндийн тэргүүлэх чиглэл, хөтөлбөрүүдийн тойм). Холбоос

2. Kondaveeti, HK, et al. “Тайлбарлах боломжтой хиймэл оюун ухаан ашиглан гүнзгий суралцах загваруудын үнэлгээ…” Шинжлэх ухааны тайлан (Байгаль), 2025. Холбоос

3. Рам, Б.Г., нар. "Нарийвчилсан хөдөө аж ахуй дахь гиперспектр дүрслэлийн системчилсэн тойм." Хөдөө аж ахуй дахь компьютер ба электроник , 2024. Холбоос

4. Aglietti, C., et al. "Ургамлын өвчний тандалт дахь LAMP урвал." Амьдрал (MDPI), 2024. Холбоос

5. Tanny, T., et al. "Хөдөө аж ахуйн хэрэглээнд CRISPR/Cas-д суурилсан оношлогоо." Хөдөө аж ахуй, хүнсний химийн сэтгүүл (ACS), 2023. Холбоос