𝗬𝗼𝘂𝗿 𝗙𝗶𝗿𝘀𝘁 𝗔𝗜 𝗠𝗼𝗱𝗲𝗹: 𝗕𝘂𝗶𝗹𝗱𝗶𝗻𝗴 𝗮 𝗕𝗮𝘀𝗲𝗹𝗶𝗻𝗲 𝗖𝗼𝗻𝘁𝗮𝗺𝗶𝗻𝗮𝘁𝗶𝗼𝗻 𝗥𝗶𝘀𝗸 𝗔𝗹𝗴𝗼𝗿𝗶𝘁𝗵𝗺 𝗳𝗼𝗿 𝗦𝗺𝗮𝗹𝗹-𝗦𝗰𝗮𝗹𝗲 𝗠𝘂𝘀𝗵𝗿𝗼𝗼𝗺 𝗙𝗮𝗿𝗺𝘀 你的第一个 AI 模型：为小型蘑菇农场构建基准污染风险算法
蘑菇种植者面临着巨大的风险。污染的突然激增可能会毁掉整个收成，让辛勤的劳动化为泡影。许多小型农场依靠直觉来发现风险。你可以通过将传感器日志转化为风险评分来改变现状。这有助于你在问题扩散之前及时发现它们。
预测模型的工作原理是将原始数据转化为特征。这些特征展示了平均状况和变化情况。针对污染风险，可以计算温度、湿度和 CO2 的每日平均值。此外，还要添加极端值，例如最高温和最低温。同时，包括温度波动幅度以及湿度保持在 90% 以上的小时数。这些数值将物理压力转化为模型能够理解的信号。
想象一下，某天的平均湿度为 85%。你的传感器日志显示有六个小时的湿度超过了 90%。你的特征集会标记出这段高湿度持续时间。一个基于过往爆发案例训练的模型会分配一个高风险评分。这会提醒你在孢子沉降之前增加空气流通。
按照以下步骤构建你的系统：
准备数据集：导出六个月的每小时传感器数据和生产笔记。根据过去的爆发情况，将每一天标记为“污染”或“清洁”。计算你的特征，例如平均值和波动幅度。
训练基准模型：将标记好的表格上传到 Google Vertex AI。选择一个简单的分类算法，例如逻辑回归 (logistic regression)。该平台会为你处理特征缩放和模型拟合。
部署每日报告：设置一个脚本来提取最新的 24 小时日志。该脚本会计算特征，从你的模型中获取风险评分，并发送电子邮件摘要。该摘要会显示主要的风险因素，如高湿度或温度波动。
从一个由少量特征构建的小型模型开始。这能让你洞察环境模式。每隔几个月收集更多数据并重新训练你的模型。这将把原始的传感器流转化为农场的可靠预警系统。
Optional learning community: https://t.me/GyaanSetuAi