Conformal-Risk Evaluation for Artificial Intelligence Agriculture Spray-Nozzle Fault Detection Under Label-Delay Feedback: A Computer Coverage Audit
Achieng' Atim Okello
将标签延迟反馈建模为共形分数分布偏移，推导覆盖率界并审计喷雾喷嘴故障检测器。
分裂共形预测、总变差距离、600次重复模拟（N=500）评估OLS估计。
延迟诱导项而非可交换项主导检测器风险，审计可在田间标签返回前认证检测器。
可将该覆盖率审计框架扩展到其他标签延迟的农业传感器故障检测，并研究延迟分布估计误差对认证的影响。
论文提出标签延迟下共形预测覆盖界，方法有新意但属预印本、应用面窄，可作为专业补充而非每日精选头条。
在精准农业中，喷雾喷嘴故障检测是一个分类问题，其中确认故障的标签在喷雾作业结束后才到达，因此检测器必须基于未标记的证据采取行动，并且其错误率必须在标签存在之前得到认证。保形预测（conformal prediction）提供了无分布覆盖保证，但该保证是针对可交换的校准数据和测试数据而言的，而标签延迟反馈违反了这一假设，因为校准集总是比部署集更旧。本分析将标签延迟反馈形式化为一致性分数中的分布偏移，并推导了在该偏移下分裂保形故障检测器的覆盖界。该界将名义错误覆盖 rate 分解为可交换分量和延迟诱导分量，后者随校准与部署分数分布之间的全变差距离而缩放。对 ['Intercept', 'exposure', 'group', 'severity'] 估计器进行了基于重复的评估：从声明的数据生成过程（截距 12.0，暴露 0.42，分组 -3.1，严重程度 1.35，误差标准差 4.2）中抽取了 600 个 N = 500 的数据集，研究刻画了普通最小二乘估计器在所述过程下的行为。该估计器恢复了声明的系数，截距的估计偏差为 0.01122，暴露为 -0.0002，均方根误差分别为 0.9217 和 0.01614，两个参数在 600 次重复中名义 95% 区间的经验覆盖率为 1.0。覆盖审计表明，延迟诱导项而非可交换项主导了保形喷雾喷嘴检测器的风险，并且该审计程序可以在田间标签返回之前对检测器进行认证。