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

ಅಣಬೆ ಬೆಳೆಗಾರರು ದೊಡ್ಡ ಅಪಾಯವನ್ನು ಎದುರಿಸುತ್ತಾರೆ. ಕಲುಷಿತಗೊಳ್ಳುವಿಕೆಯ ಹಠಾತ್ ಏರಿಕೆ ಇಡೀ ಇಳುವರಿಯನ್ನು ನಾಶಪಡಿಸುತ್ತದೆ. ಇದು ಕಠಿಣ ಪರಿಶ್ರಮವನ್ನು ನಷ್ಟವನ್ನಾಗಿ ಪರಿಣಮಿಸುತ್ತದೆ. ಅನೇಕ ಸಣ್ಣ ಕೃಷಿಗಳು ಅಪಾಯಗಳನ್ನು ಗುರುತಿಸಲು ಕೇವಲ ಅಂದಾಜಿನ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿವೆ. ಸೆನ್ಸರ್ ಲಾಗ್‌ಗಳನ್ನು (sensor logs) ರಿಸ್ಕ್ ಸ್ಕೋರ್ ಆಗಿ ಪರಿವರ್ತಿಸುವ ಮೂಲಕ ನೀವು ಇದನ್ನು ಬದಲಾಯಿಸಬಹುದು. ಇದು ಸಮಸ್ಯೆಗಳು ಹರಡುವ ಮೊದಲೇ ಅವುಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ಪ್ರೆಡಿಕ್ಟಿವ್ ಮಾಡೆಲ್‌ಗಳು (Predictive models) ಕಚ್ಚಾ ಡೇಟಾವನ್ನು ಫೀಚರ್‌ಗಳಾಗಿ (features) ಪರಿವರ್ತಿಸುವ ಮೂಲಕ ಕೆಲಸ ಮಾಡುತ್ತವೆ. ಈ ಫೀಚರ್‌ಗಳು ಸರಾಸರಿ ಪರಿಸ್ಥಿತಿಗಳು ಮತ್ತು ಬದಲಾವಣೆಗಳನ್ನು ತೋರಿಸುತ್ತವೆ. ಕಲುಷಿತಗೊಳ್ಳುವಿಕೆಯ ಅಪಾಯಕ್ಕಾಗಿ, ತಾಪಮಾನ, ತೇವಾಂಶ ಮತ್ತು CO2 ಗಳ ದೈನಂದಿನ ಸರಾಸರಿಗಳನ್ನು ಲೆಕ್ಕಹಾಕಿ. ಗರಿಷ್ಠ ಮತ್ತು ಕನಿಷ್ಠ ತಾಪಮಾನದಂತಹ ಅತಿರೇಕದ ಅಂಶಗಳನ್ನು ಸೇರಿಸಿ. ತಾಪಮಾನದ ಏರಿಳಿತ ಮತ್ತು ತೇವಾಂಶವು 90% ಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿರುವ ಸಮಯವನ್ನು ಸೇರಿಸಿ. ಈ ಅಂಕಿಅಂಶಗಳು ಭೌತಿಕ ಒತ್ತಡವನ್ನು ಮಾಡೆಲ್‌ಗೆ ಅರ್ಥವಾಗುವ ಸಂಕೇತವಾಗಿ ಪರಿವರ್ತಿಸುತ್ತವೆ.

ಸರಾಸರಿ 85% ತೇವಾಂಶವಿರುವ ಒಂದು ದಿನವನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ನಿಮ್ಮ ಸೆನ್ಸರ್ ಲಾಗ್‌ಗಳು 90% ಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ತೇವಾಂಶವು ಆರು ಗಂಟೆಗಳ ಕಾಲ ಇರುವುದನ್ನು ತೋರಿಸುತ್ತವೆ. ನಿಮ್ಮ ಫೀಚರ್ ಸೆಟ್ ಈ ಹೆಚ್ಚಿನ ತೇವಾಂಶದ ಅವಧಿಯನ್ನು ಗುರುತಿಸುತ್ತದೆ. ಹಿಂದಿನ ಕಲುಷಿತಗೊಳ್ಳುವಿಕೆಯ ಘಟನೆಗಳ ಮೇಲೆ ತರಬೇತಿ ಪಡೆದ ಮಾಡೆಲ್ ಹೆಚ್ಚಿನ ರಿಸ್ಕ್ ಸ್ಕೋರ್ ಅನ್ನು ನೀಡುತ್ತದೆ. ಇದು ಸ್ಪೋರ್ಸ್ (spores) ಸ್ಥಿರವಾಗುವ ಮೊದಲು ಗಾಳಿಯ ಹರಿವನ್ನು (airflow) ಹೆಚ್ಚಿಸಲು ನಿಮಗೆ ಸೂಚಿಸುತ್ತದೆ.

ನಿಮ್ಮ ವ್ಯವಸ್ಥೆಯನ್ನು ನಿರ್ಮಿಸಲು ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ:

  • ನಿಮ್ಮ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಸಿದ್ಧಪಡಿಸಿ: ಆರು ತಿಂಗಳ ಗಂಟೆಗಂಟೆಯ ಸೆನ್ಸರ್ ಡೇಟಾ ಮತ್ತು ಉತ್ಪಾದನಾ ಟಿಪ್ಪಣಿಗಳನ್ನು ಎಕ್ಸ್‌ಪೋರ್ಟ್ ಮಾಡಿ. ಹಿಂದಿನ ಕಲುಷಿತಗೊಳ್ಳುವಿಕೆಯ ಘಟನೆಗಳ ಆಧಾರದ ಮೇಲೆ ಪ್ರತಿ ದಿನವನ್ನು ಕಲುಷಿತ (contamination) ಅಥವಾ ಶುದ್ಧ (clean) ಎಂದು ಲೇಬಲ್ ಮಾಡಿ. ಸರಾಸರಿ ಮತ್ತು ಏರಿಳಿತಗಳಂತಹ ನಿಮ್ಮ ಫೀಚರ್‌ಗಳನ್ನು ಲೆಕ್ಕಹಾಕಿ.

  • ಬೇಸ್‌ಲೈನ್ ಮಾಡೆಲ್ ಅನ್ನು ತರಬೇತಿಗೊಳಿಸಿ: ನಿಮ್ಮ ಲೇಬಲ್ ಮಾಡಿದ ಟೇಬಲ್ ಅನ್ನು Google Vertex AI ಗೆ ಅಪ್‌ಲೋಡ್ ಮಾಡಿ. logistic regression ನಂತಹ ಸರಳ ವರ್ಗೀಕರಣ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಆಯ್ಕೆಮಾಡಿ. ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ನಿಮ್ಮ ಪರವಾಗಿ ಫೀಚರ್ ಸ್ಕೇಲಿಂಗ್ ಮತ್ತು ಮಾಡೆಲ್ ಫಿಟ್ಟಿಂಗ್ ಅನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ.

  • ದೈನಂದಿನ ವರದಿಯನ್ನು ನಿಯೋಜಿಸಿ (Deploy): ಇತ್ತೀಚಿನ 24 ಗಂಟೆಗಳ ಲಾಗ್‌ಗಳನ್ನು ಪಡೆಯಲು ಒಂದು ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಹೊಂದಿಸಿ. ಈ ಸ್ಕ್ರಿಪ್ಟ್ ಫೀಚರ್‌ಗಳನ್ನು ಲೆಕ್ಕಹಾಕುತ್ತದೆ, ನಿಮ್ಮ ಮಾಡೆಲ್‌ನಿಂದ ರಿಸ್ಕ್ ಸ್ಕೋರ್ ಪಡೆಯುತ್ತದೆ ಮತ್ತು ಇಮೇಲ್ ಸಾರಾಂಶವನ್ನು ಕಳುಹಿಸುತ್ತದೆ. ಈ ಸಾರಾಂಶವು ಹೆಚ್ಚಿನ ತೇವಾಂಶ ಅಥವಾ ತಾಪಮಾನದ ಏರಿಳಿತಗಳಂತಹ ಪ್ರಮುಖ ಅಪಾಯದ ಅಂಶಗಳನ್ನು ತೋರಿಸುತ್ತದೆ.

ಕೆಲವು ಫೀಚರ್‌ಗಳಿಂದ ನಿರ್ಮಿಸಲಾದ ಸಣ್ಣ ಮಾಡೆಲ್‌ನೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ. ಇದು ಪರಿಸರ ಮಾದರಿಗಳ ಬಗ್ಗೆ ನಿಮಗೆ ಒಳನೋಟವನ್ನು ನೀಡುತ್ತದೆ. ಹೆಚ್ಚಿನ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಿ ಮತ್ತು ಪ್ರತಿ ಕೆಲವು ತಿಂಗಳಿಗೊಮ್ಮೆ ನಿಮ್ಮ ಮಾಡೆಲ್ ಅನ್ನು ಮರುತರಬೇತಿಗೊಳಿಸಿ. ಇದು ಕಚ್ಚಾ ಸೆನ್ಸರ್ ಸ್ಟ್ರೀಮ್‌ಗಳನ್ನು ನಿಮ್ಮ ಕೃಷಿ ತೋಟಕ್ಕಾಗಿ ವಿಶ್ವಾಸಾರ್ಹ ಎಚ್ಚರಿಕೆ ವ್ಯವಸ್ಥೆಯನ್ನಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ.

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