農業人工智慧

條件會因作物、土壤、地區、季節、感測器及管理方式而異。模型必須在田間條件及應用決策中進行評估。

重點摘要

• 定義時間、裁切和決策。
• 跨農場和季節進行評估。
• 保留資料控制與手動權限。

定義農藝結果與時機。辨識可能病害、建議灌溉及預測產量有不同的證據需求。檢查各感測器或天氣特徵何時可用，避免在先前決策中使用未來資訊。跨田地、季節、品種、攝影機及天氣狀況進行評估。在單一農場訓練的模型可能依賴無法轉移的土壤或管理模式。納入罕見疾病、乾旱、洪水及感測器缺失案例，這些錯誤的成本很重要。將預測與行動及資源連結。灌溉建議應尊重水資源可用性、土壤限制、作物階段及操作者實務。產量估算應傳達不確定性，而非成為買方的承諾。保護農場資料並維護操作權限。感測器、模型與田間邊界版本;監測新作物或裝置後的漂移;當模型不確定或無法取得時，則維持安全的手動流程。

1. 想像一個主要以夏季影像訓練的疾病偵測器，特定葉子顏色同時代表疾病與強烈陽光。
2. 在另一個季節測試，當捷徑失效時調整資料或模型。
3. 在使用建議施行治療前，先測量偵測與誤報。

建構情境說明了場多樣性的重要性。