𝗖𝗮𝗹𝗶𝗯𝗿𝗮𝘁𝗶𝗻𝗴 𝗬𝗼𝘂𝗿 𝗙𝗼𝗿𝗲𝗰𝗮𝘀𝘁𝘀: 𝗨𝘀𝗶𝗻𝗴 𝗟𝗮𝘀𝘁 𝗦𝗲𝗮𝘀𝗼𝗻'𝘀 𝗗𝗮𝘁𝗮 𝘁𝗼 𝗜𝗺𝗽𝗿𝗼𝘃𝗲 𝗧𝗵𝗶𝘀 𝗦𝗲𝗮𝘀𝗼𝗻'𝘀 𝗔𝗰𝗰𝘂𝗿𝗮𝗰𝘆 𝘄𝗶𝘁𝗵 𝗔𝗜
நகர்ப்புற சந்தை தோட்டக்காரர்கள் நெருக்கடியான கால அட்டவணைகள், வரையறுக்கப்பட்ட இடவசதி மற்றும் கணிக்க முடியாத வானிலை போன்ற சவால்களை எதிர்கொள்கின்றனர். ஒவ்வொரு நடவு முடிவும் ஒரு சூதாட்டம் போலத் தோன்றுகிறது. ஒரு AI கால அட்டவணை தவறான கணிப்பைத் தரும்போது, உங்கள் பயிர்களில் இடைவெளிகள் ஏற்படலாம் அல்லது விற்க முடியாத உபரிப் பொருட்கள் உருவாகலாம். உங்கள் கணிப்புகளைச் சரிசெய்யத் தேவையான தடயங்கள் கடந்த பருவத்தின் அறுவடைப் பதிவில் (harvest log) உள்ளன.
இதன் அடிப்படை யோசனை எளிமையானது. உங்கள் உண்மையான அறுவடைத் தரவை ஒரு பின்னூட்டச் சுழற்சியாக (feedback loop) கருதுங்கள். இந்தச் சுழற்சி கால அளவு மற்றும் விளைச்சலில் உள்ள பிழைகளை அளவிடுகிறது. அடுத்த ஆண்டுத் திட்டத்தைத் திருத்த, இந்த அளவீடுகளை உங்கள் AI மாதிரியில் மீண்டும் உள்ளீடு செய்கிறீர்கள்.
பிழைகளைத் தனித்தனியாகப் பகுப்பாய்வு செய்வதன் மூலம், நீங்கள் வடிவங்களைக் (patterns) கண்டறியலாம். தவறுகள் பயிர் குடும்பம் (crop family), படுக்கை இருப்பிடம் (bed location) அல்லது பருவம் ஆகியவற்றின் அடிப்படையில் குழுவாக உள்ளனவா என்பதை நீங்கள் பார்க்கலாம். இது வெறும் யூகங்களை எண்களாக மாற்றுகிறது.
இந்த பணிப்பாய்விற்கான (workflow) ஒரு நடைமுறை கருவி HarvestAudit Pro ஆகும். இது உங்கள் AI Master Plan, Yield Forecasts மற்றும் உங்கள் வாராந்திர Harvest Log ஆகியவற்றை இறக்குமதி செய்கிறது. இந்தக் கருவி கால அளவு மற்றும் விளைச்சல் பிழைகளைத் தானாகவே கணக்கிடுகிறது. இது Crop Family, Bed ID அல்லது Season போன்ற பரிமாணங்களின் அடிப்படையில் தரவுகளைத் தொகுக்கிறது. நிழலான படுக்கைகளில் brassicas மோசமாக வளருவது அல்லது வசந்த கால மழைக்குப் பிறகு கேரட்கள் தாமதமாக வருவது போன்ற வடிவங்களை இது முன்னிலைப்படுத்துகிறது.
கடந்த வசந்த காலத்தில், உங்கள் கேரட் விளைச்சல் கணிப்பு 20% அதிகமாக இருந்ததோடு, அறுவடை 12 நாட்கள் தாமதமாகவும் இருந்ததை HarvestAudit Pro காட்டியது. நிழலான Bed 7-ல் இருந்த மிகைப்படுத்தப்பட்ட முளைப்பு (germination) அனுமானங்களே இதற்குக் காரணம் என்பதைக் கண்டறிந்து, அந்தப் பகுதிக்கு மாதிரியை (model) சரிசெய்தீர்கள்.
இதைச் செயல்படுத்த இந்த வழிமுறைகளைப் பின்பற்றுங்கள்:
தரவுகளைச் சேகரித்து மையப்படுத்துங்கள். உங்கள் AI நடவு அட்டவணை, விளைச்சல் கணிப்புகள் மற்றும் உண்மையான அறுவடைப் பதிவை ஏற்றுமதி செய்யவும். Bed ID, பயிர் வகை, நடவு தேதிகள், அறுவடை தேதிகள் மற்றும் எடை ஆகியவற்றைச் சேர்க்கவும். இவற்றை HarvestAudit Pro-வில் ஏற்றவும்.
தணிக்கையை (audit) நடத்தி சார்புகளை (bias) கண்டறியவும். ஒவ்வொரு பதிவிற்கும் கால அளவு மற்றும் விளைச்சல் பிழைகளைக் கணக்கிட கருவியைப் பயன்படுத்தவும். முடிவுகளை Crop Family, Location மற்றும் Season ஆகியவற்றின் அடிப்படையில் குழுவாக்கவும். கணிப்புகள் எங்கே அதிகமாக அல்லது குறைவாக உள்ளன என்பதைப் பார்க்கச் சுருக்க அட்டவணைகளை (summary tables) ஆய்வு செய்யவும்.
மாதிரி அளவுருக்களை (model parameters) புதுப்பித்து மீண்டும் உருவாக்கவும். இந்தச் சார்புகளைச் சரிசெய்தல்களாக மாற்றவும். மோசமான படுக்கைகளுக்கு முளைப்பு விகிதங்களைக் குறைக்கவும். குளிர்ந்த, ஈரமான வசந்த காலங்களுக்கு முதிர்ச்சி அடையும் நாட்களை அதிகரிக்கவும். குறிப்பிட்ட குடும்பங்களுக்கான வளச் சத்து (fertility) அனுமானங்களைச் சரிசெய்யவும். புதிய Master Plan-ஐ உருவாக்க இந்த அமைப்புகளை உங்கள் AI planner-இல் மீண்டும் உள்ளீடு செய்யவும்.
கடந்த பருவத்தின் தரவைக் கொண்டு கணிப்புகளைச் சரிசெய்வது, யூகங்களை ஒரு மீண்டும் செய்யக்கூடிய செயல்முறையாக மாற்றுகிறது. நீங்கள் பிழைகளை அளவிடுகிறீர்கள், வடிவங்களைக் கண்டறிகிறீர்கள் மற்றும் நுண்ணறிவுகளை உங்கள் AI மாதிரிகளில் மீண்டும் உள்ளீடு செய்கிறீர்கள். இது திட்டம் மற்றும் யதார்த்தத்திற்கு இடையிலான இடைவெளியை நிரப்புகிறது. இதன் மூலம் நீங்கள் துல்லியமான கால அட்டவணைகள், சந்தையில் குறைவான ஆச்சரியங்கள் மற்றும் உங்கள் விளைச்சலில் அதிக நம்பிக்கையைப் பெறுகிறீர்கள்.
Optional learning community: https://t.me/GyaanSetuAi