ਤੁਹਾਡਾ ਪਹਿਲਾ AI ਮਾਡਲ: ਛੋਟੇ ਪੱਧਰ ਦੇ ਮਸ਼ਰੂਮ ਫਾਰਮਾਂ ਲਈ ਇੱਕ ਬੇਸਲਾਈਨ ਕੰਟੈਮੀਨੇਸ਼ਨ ਰਿਸਕ ਐਲਗੋਰਿਦਮ ਬਣਾਉਣਾ
ਮਸ਼ਰੂਮ ਉਗਾਉਣ ਵਾਲਿਆਂ ਨੂੰ ਇੱਕ ਵੱਡੇ ਜੋਖਮ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਦੂਸ਼ਣ (contamination) ਵਿੱਚ ਅਚਾਨਕ ਵਾਧਾ ਪੂਰੀ ਫ਼ਸਲ ਨੂੰ ਬਰਬਾਦ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਸਖ਼ਤ ਮਿਹਨਤ ਨੂੰ ਨੁਕਸਾਨ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਛੋਟੇ ਫਾਰਮ ਜੋਖਮਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਸਿਰਫ਼ ਅੰਦਾਜ਼ੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ। ਤੁਸੀਂ ਸੈਂਸਰ ਲੌਗਸ (sensor logs) ਨੂੰ ਰਿਸਕ ਸਕੋਰ ਵਿੱਚ ਬਦਲ ਕੇ ਇਸ ਨੂੰ ਬਦਲ ਸਕਦੇ ਹੋ। ਇਹ ਤੁਹਾਨੂੰ ਸਮੱਸਿਆਵਾਂ ਦੇ ਫੈਲਣ ਤੋਂ ਪਹਿਲਾਂ ਉਹਨਾਂ ਨੂੰ ਫੜਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।
ਪ੍ਰੈਡਿਕਟਿਵ ਮਾਡਲ (Predictive models) ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਫੀਚਰਸ (features) ਵਿੱਚ ਬਦਲ ਕੇ ਕੰਮ ਕਰਦੇ ਹਨ। ਇਹ ਫੀਚਰਸ ਔਸਤ ਸਥਿਤੀਆਂ ਅਤੇ ਤਬਦੀਲੀਆਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਦੂਸ਼ਣ ਦੇ ਜੋਖਮ ਲਈ, ਤਾਪਮਾਨ, ਹਿਊਮਿਡਿਟੀ (ਨਮੀ) ਅਤੇ CO2 ਦੇ ਰੋਜ਼ਾਨਾ ਔਸਤ ਦੀ ਗਣਨਾ ਕਰੋ। ਸਭ ਤੋਂ ਵੱਧ ਅਤੇ ਸਭ ਤੋਂ ਘੱਟ ਤਾਪਮਾਨ ਵਰਗੀਆਂ ਅਤਿਮਤ ਸਥਿਤੀਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰੋ। ਤਾਪਮਾਨ ਦੇ ਉਤਾਰ-ਚੜ੍ਹਾਅ ਅਤੇ ਉਹ ਘੰਟੇ ਸ਼ਾਮਲ ਕਰੋ ਜਦੋਂ ਹਿਊਮਿਡਿਟੀ 90% ਤੋਂ ਉੱਪਰ ਰਹਿੰਦੀ ਹੈ। ਇਹ ਅੰਕ ਸਰੀਰਕ ਤਣਾਅ ਨੂੰ ਇੱਕ ਅਜਿਹੇ ਸੰਕੇਤ ਵਿੱਚ ਬਦਲ ਦਿੰਦੇ ਹਨ ਜਿਸ ਨੂੰ ਮਾਡਲ ਸਮਝ ਸਕਦਾ ਹੈ।
85% ਔਸਤ ਹਿਊਮਿਡਿਟੀ ਵਾਲੇ ਦਿਨ ਦੀ ਕਲਪਨਾ ਕਰੋ। ਤੁਹਾਡੇ ਸੈਂਸਰ ਲੌਗਸ 90% ਤੋਂ ਉੱਪਰ ਛੇ ਘੰਟੇ ਦਿਖਾਉਂਦੇ ਹਨ। ਤੁਹਾਡਾ ਫੀਚਰ ਸੈੱਟ ਇਸ ਉੱਚੀ ਹਿਊਮਿਡਿਟੀ ਦੀ ਮਿਆਦ ਨੂੰ ਫਲੈਗ (flag) ਕਰਦਾ ਹੈ। ਪਿਛਲੇ ਅਪਬ੍ਰੇਕਸ (outbreaks) 'ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਮਾਡਲ ਇੱਕ ਉੱਚ ਰਿਸਕ ਸਕੋਰ ਦਿੰਦਾ ਹੈ। ਇਹ ਤੁਹਾਨੂੰ ਸਪੋਰਸ (spores) ਦੇ ਜਮ੍ਹਾਂ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਹਵਾ ਦਾ ਪ੍ਰਵਾਹ ਵਧਾਉਣ ਲਈ ਕਹਿੰਦਾ ਹੈ।
ਆਪਣਾ ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਇਹਨਾਂ ਕਦਮਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ:
ਆਪਣਾ ਡੇਟਾ ਸੈੱਟ ਤਿਆਰ ਕਰੋ: ਛੇ ਮਹੀਨਿਆਂ ਦਾ ਘੰਟਾ-ਦਰ-ਘੰਟਾ ਸੈਂਸਰ ਡੇਟਾ ਅਤੇ ਉਤਪਾਦਨ ਨੋਟਸ ਐਕਸਪੋਰਟ ਕਰੋ। ਪਿਛਲੇ ਅਪਬ੍ਰੇਕਸ ਦੇ ਅਧਾਰ 'ਤੇ ਹਰ ਦਿਨ ਨੂੰ 'ਕੰਟੈਮੀਨੇਸ਼ਨ' ਜਾਂ 'ਕਲੀਨ' ਵਜੋਂ ਲੇਬਲ ਕਰੋ। ਆਪਣੇ ਫੀਚਰਸ ਜਿਵੇਂ ਕਿ ਔਸਤ ਅਤੇ ਉਤਾਰ-ਚੜ੍ਹਾਅ ਦੀ ਗਣਨਾ ਕਰੋ।
ਇੱਕ ਬੇਸਲਾਈਨ ਮਾਡਲ ਨੂੰ ਟ੍ਰੇਨ ਕਰੋ: ਆਪਣੀ ਲੇਬਲ ਕੀਤੀ ਟੇਬਲ ਨੂੰ Google Vertex AI 'ਤੇ ਅਪਲੋਡ ਕਰੋ। logistic regression ਵਰਗਾ ਇੱਕ ਸਧਾਰਨ classification algorithm ਚੁਣੋ। ਪਲੇਟਫਾਰਮ ਤੁਹਾਡੇ ਲਈ feature scaling ਅਤੇ model fitting ਦਾ ਕੰਮ ਸੰਭਾਲ ਲੈਂਦਾ ਹੈ।
ਰੋਜ਼ਾਨਾ ਰਿਪੋਰਟ ਡਿਪਲੋਏ ਕਰੋ: ਪਿਛਲੇ 24 ਘੰਟਿਆਂ ਦੇ ਲੌਗਸ ਕੱਢਣ ਲਈ ਇੱਕ ਸਕ੍ਰਿਪਟ ਸੈੱਟਅੱਪ ਕਰੋ। ਸਕ੍ਰਿਪਟ ਫੀਚਰਸ ਦੀ ਗਣਨਾ ਕਰਦੀ ਹੈ, ਤੁਹਾਡੇ ਮਾਡਲ ਤੋਂ ਰਿਸਕ ਸਕੋਰ ਪ੍ਰਾਪਤ ਕਰਦੀ ਹੈ, ਅਤੇ ਇੱਕ ਈਮੇਲ ਸਾਰ (summary) ਭੇਜਦੀ ਹੈ। ਇਹ ਸਾਰ ਮੁੱਖ ਜੋਖਮ ਕਾਰਕਾਂ ਜਿਵੇਂ ਕਿ ਉੱਚ ਹਿਊਮਿਡਿਟੀ ਜਾਂ ਤਾਪਮਾਨ ਦੇ ਉਤਾਰ-ਚੜ੍ਹਾਅ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਕੁਝ ਫੀਚਰਸ ਤੋਂ ਬਣੇ ਇੱਕ ਛੋਟੇ ਮਾਡਲ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰੋ। ਇਹ ਤੁਹਾਨੂੰ ਵਾਤਾਵਰਣ ਦੇ ਪੈਟਰਨਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦਿੰਦਾ ਹੈ। ਵਧੇਰੇ ਡੇਟਾ ਇਕੱਠਾ ਕਰੋ ਅਤੇ ਹਰ ਕੁਝ ਮਹੀਨਿਆਂ ਬਾਅਦ ਆਪਣੇ ਮਾਡਲ ਨੂੰ ਦੁਬਾਰਾ ਟ੍ਰੇਨ ਕਰੋ। ਇਹ ਕੱਚੇ ਸੈਂਸਰ ਸਟ੍ਰੀਮਸ ਨੂੰ ਤੁਹਾਡੇ ਫਾਰਮ ਲਈ ਇੱਕ ਭਰੋਸੇਯੋਗ ਚੇਤਾਵਨੀ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ।
Optional learning community: https://t.me/GyaanSetuAi