Отличная идея! Начнём с того, чтобы собирать записи с точными датами – фотографии, описания запахов, замеры листьев, влажность почвы и так далее. Потом приложим анализ временных рядов, чтобы увидеть, когда происходят ключевые изменения, например, пик содержания алкалоидов или интенсивность аромата. Кластеризация поможет нам сгруппировать схожие фазы роста, а модели регрессии могут предсказывать период цветения, основываясь на погоде и составе почвы. С надёжной моделью мы точно будем знать, когда собирать урожай или корректировать составы. Главное – это последовательные, детальные данные и чёткий критерий для определения "пиковой эффективности". Как только это будет у нас, остальное станет на свои места.