𝗬𝗼𝘂𝗿 𝗙𝗶𝗿𝘀𝘁 𝗔𝗜 𝗠𝗼𝗱𝗲𝗹: 𝗕𝘂𝗶𝗹𝗱𝗶𝗻𝗴 𝗮 𝗕𝗮𝘀𝗲𝗹𝗶𝗻𝗲 𝗖𝗼𝗻𝘁𝗮𝗺𝗶𝗻𝗮𝘁𝗶𝗼𝗻 𝗥𝗶𝘀𝗸 𝗔𝗹𝗴𝗼𝗿𝗶𝘁𝗵𝗺 𝗳𝗼𝗿 𝗦𝗺𝗮𝗹𝗹-𝗦𝗰𝗮𝗹𝗲 𝗠𝘂𝘀𝗵𝗿𝗼𝗼𝗺 𝗙𝗮𝗿𝗺𝘀

मशरूम उगाने वालों को एक बड़े जोखिम का सामना करना पड़ता है। संदूषण (contamination) में अचानक वृद्धि पूरी फसल को बर्बाद कर सकती है। इससे कड़ी मेहनत नुकसान में बदल जाती है। कई छोटे फार्म जोखिमों को पहचानने के लिए केवल अपने अंदाज़े पर निर्भर रहते हैं। आप सेंसर लॉग को रिस्क स्कोर (risk score) में बदलकर इसे बदल सकते हैं। यह आपको समस्याओं के फैलने से पहले उन्हें पकड़ने में मदद करता है।

प्रेडिक्टिव मॉडल (Predictive models) कच्चे डेटा को फीचर्स (features) में बदलकर काम करते हैं। ये फीचर्स औसत स्थितियों और बदलावों को दर्शाते हैं। संदूषण जोखिम के लिए, तापमान, आर्द्रता (humidity) और CO2 के दैनिक औसत की गणना करें। उच्चतम और न्यूनतम तापमान जैसे चरम मानों (extremes) को भी जोड़ें। तापमान के उतार-चढ़ाव और उन घंटों को शामिल करें जहाँ आर्द्रता 90% से ऊपर रहती है। ये संख्याएँ भौतिक तनाव को एक ऐसे संकेत में बदल देती हैं जिसे मॉडल समझ सके।

कल्पना कीजिए कि एक दिन में औसत आर्द्रता 85% है। आपके सेंसर लॉग 90% से ऊपर छह घंटे दिखाते हैं। आपका फीचर सेट इस उच्च आर्द्रता की अवधि को चिह्नित (flag) करता है। पिछले प्रकोपों (outbreaks) पर प्रशिक्षित एक मॉडल उच्च जोखिम स्कोर देता है। यह आपको बीजाणुओं (spores) के जमने से पहले हवा का प्रवाह (airflow) बढ़ाने का संकेत देता है।

अपना सिस्टम बनाने के लिए इन चरणों का पालन करें:

  • अपना डेटासेट तैयार करें: छह महीने का प्रति घंटा सेंसर डेटा और उत्पादन नोट्स एक्सपोर्ट करें। पिछले प्रकोपों के आधार पर प्रत्येक दिन को 'संदूषण' (contamination) या 'स्वच्छ' (clean) के रूप में लेबल करें। औसत और उतार-चढ़ाव जैसे अपने फीचर्स की गणना करें।

  • एक बेसलाइन मॉडल प्रशिक्षित करें: अपने लेबल किए गए टेबल को Google Vertex AI पर अपलोड करें। logistic regression जैसा एक सरल classification algorithm चुनें। प्लेटफॉर्म आपके लिए feature scaling और model fitting का काम संभाल लेता है।

  • एक दैनिक रिपोर्ट तैनात (deploy) करें: नवीनतम 24-घंटे के लॉग निकालने के लिए एक स्क्रिप्ट सेट करें। यह स्क्रिप्ट फीचर्स की गणना करती है, आपके मॉडल से रिस्क स्कोर प्राप्त करती है, और एक ईमेल सारांश भेजती है। यह सारांश उच्च आर्द्रता या तापमान के उतार-चढ़ाव जैसे मुख्य जोखिम कारकों को दर्शाता है।

कुछ ही फीचर्स से बने एक छोटे मॉडल के साथ शुरुआत करें। यह आपको पर्यावरणीय पैटर्न की समझ देता है। अधिक डेटा एकत्र करें और हर कुछ महीनों में अपने मॉडल को फिर से प्रशिक्षित (retrain) करें। यह कच्चे सेंसर स्ट्रीम को आपके फार्म के लिए एक विश्वसनीय चेतावनी प्रणाली में बदल देता है।

Source: https://dev.to/ken_deng_ai/your-first-ai-model-building-a-baseline-contamination-risk-algorithm-for-small-scale-mushroom-farms-255f

Optional learning community: https://t.me/GyaanSetuAi