文摘
农业变得越来越工业化和强化食品的质量和数量的不断增长的需求。农业现代化将通过物联网(物联网),一个为工业革命技术与一个伟大的承诺。农产品将在高需求在2050年由于全球人口增加30%,因此需要设计新的农业、机制和智能农业的机制;然而,智能农业需要进一步探索充分实现其潜力。因此,探索这一领域的潜力,研究人员使用了一个语料库,从斯高帕斯数据库提取从2008年到2022年LDA和应用技术。语料库的4309篇文章被选中的斯高帕斯数据库应用潜在狄利克雷分析(LDA)模型预测智能农业研究领域。利用物联网技术,农民和生产者可能更好地管理他们的资源,如化肥消费和汽车旅行的数量由农场,同时最小化浪费和最大限度地提高生产率,包括水,电,和其他投入。这个数据驱动实验研究确定了智能农业研究趋势通过实现先前的话题建模技术用于智能农业。作者创造了17个研究主题在智能农业LDA基于主题建模。这一分析表明,指定的区域是在发展阶段,需要进一步的研究和探索。
1。介绍
数字技术的物联网(物联网)重塑农业。当涉及到农业、什么是物联网?物联网连接“哑巴”设备。物联网是所有关于数据(1]。数据正在成为一种宝贵的资源,我们的世界。农民可能会变得更加智能和安全使用的数据产品,以适应不断变化的环境更容易更有效地和农场(2]。释放资源,农民可以使用从远方监控农业条件和基础设施的能力(3]。许多领域和行业都采用物联网来减少错误和提高性能在制造业、能源、医疗、和通信(1]。农场设备可以收集和主人使用物联网远程传送数据。
农民可以节省时间和金钱使用物联网选项卡田间操作和效率,对提高生产力做出更明智的决策,响应更快速地改变条件。在这种情况下,它是将数据置于农夫的直觉2]。槽的水供应,肥料在作物使用的数量,并检查当产羔母羊都是农民可以知道。
智能农业是必要的,因为70%的农业时间监控和分析作物状态而不是执行实际领域劳动(3]。考虑到该行业的规模,它需要各种技术和精确的解决方案,以确保可持续性,同时减少环境破坏。传感器和通信技术提供了农民与远程看到他们的田地,使他们足不出户看发生了什么。无线传感器实时监测作物和更精确,更重要的是,检测不良状况的早期阶段更容易(4]。这就是为什么“智能农业使用创新设备和工具从播种到收割,存储和运输。操作聪明和具有成本效益的由于其准确监测功能和提示报告使用各种传感器。各种自治拖拉机、收割机、机械除草机、无人机、和卫星补充农业设备(5]。传感器可以立即部署,开始收集数据,用于进一步的在线学习。通过允许精确数据收集在每个区域,传感器技术允许农业作物和网站”。物联网及其应用是他们所能做的只是做表面文章,尚未显著影响人们的生活,每个人都可以看到这一点。然而,鉴于近期物联网技术在农业的应用程序中,我们可以期望它扮演了一个重要的角色。图1总结了推动农业技术的关键因素。
有合理的努力,强调农业物联网的重要性;大多数出版工作(6)仅将重点放在应用程序。然而,鉴于最近的事实和数据,最新出版物给小见解或有限重视多样化IoT-based设计、原型、先进方法,物联网对食品质量,和其他未来的问题。IoT-based农业研究的当前状态检查。农民们推迟或拒绝改变他们的传统技术,这可能进一步打压印度的GDP。最近技术移民来自印度各地的人回到他们的祖国COVID-19大流行期间选择农业作为一种职业,不打算回来。这些移民可能接近智能农业系统,因为它需要更少的时间说服他们使用它们比传统的农民。(我)远程监控的农业基础设施和条件可以为农民节省时间和劳动力,减少现场实地检查的频率(2)农民从数据分析中获益(3)从实时数据在整个价值链中获得的见解让农民更快响应市场的请求(iv)食品制造过程应该提高效率降低食物浪费,加快上市时间,提高可追溯性。这将让我们展示我们的消费者,我们的食物是安全的和可持续的(v)研究、开发、和适应新技术确保持续的生产力和创新
本研究的首要目标是收集语料的荟萃分析。第二个目标是目前的研究领域和趋势预测,5日和10个主题,强调了在表1。第三个目标是深入研究当前研究趋势帮助未来的研究人员确定正确的研究方向领域的智能农业。
2。回顾文献
物联网是革新农业通过结合各种方法,如精度和保守的农业,帮助农民在地里克服障碍。Jayaraman et al。7]讨论了利用物联网、云计算、移动计算、和智能农业开发“phononet”系统,开放的无线传感器系统共享信息和交流。多年来,目前设备贴上物联网已经部署在农业。博世技术公司提供IoT-based数据管理策略监控农业产量和疾病(8]。英特尔开发的基于物联网的平台帮助农业解决方案运作更有效地通过改善服务的互操作性(9]。麻省理工学院媒体实验室开放农业计划的一部分,谷歌共同愿景更可持续的食物系统(10]。为高效的种子种植,“传感器和应用技术”帮助确定距离和深度。一个自治机器人名叫Agribot正在开发使用传感器和播种一个应用11]。技术和经济可持续发展齐头并进。是在巴基斯坦进行的一项研究以确定的商业可行性,提出作物保险计划和评估洪水泛滥农村地区农作物保险的需求在不同的开伯尔-普赫图赫瓦省省(12]。进一步的研究表明,农户在该研究领域所面临一些障碍适应气候变化,包括劳动力缺乏,一个不安全的土地所有权制度,缺乏市场准入、贫穷、缺乏政府支持,缺乏资产,水源缺乏,缺乏信贷来源,缺乏知识和信息(13]。一项研究发现之间的联系减少贫困和自然可持续生计和社会资本。的研究提供实证和定量证据扶贫、和结论将会改善农业家庭的可持续性(14]。研究还使用自然和农业资源在巴基斯坦西北部创建一个生计脆弱性指数(LVI) LVI-IPCC,生计影响指数(15]。
此外,几种非接触传感方法提出了确定种子流率(16),”传感器配备led,红外线,可见光,laser-LED,和辐射接收元素”。输出电压的波动取决于种子通过传感器和乐队的光线和阴影落在接收部分(17]。因此,种子流量计算基于信号的信息传递种子。研究人员提供了一个专家系统评价的可行性农业用地在2019年的一项研究通过结合传感器网络与神经网络等人工智能系统和多层感知器18]。该方法的目的是帮助农民在农业用地分类培养成最合适的,合适的,比较合适,不合适的类别。在最近的一项研究中,研究人员使用柑橘类水果标签的数据有四个严重的领域专家水平(高、中、低和健康)训练深神经网络(款)模型来检测疾病的严重程度(19]。模型预测的可能性有98%低严重性和98%的几率预测高严重性。在随后的研究中,作者利用区块链的潜在好处,结合SDN,并提供理由担心能源消耗和安全(20.]。在最近的调查中,作者同一区块链技术集成技术应用于不同的平台。LDA用于预测区块链研究的趋势。研究人员预计17科学趋势,值得更多的关注。根据文献,LDA方法预测智能农业研究的趋势(21]。研究人员创建了一个新奇的物联网网络路由协议与使用blockchain-based集群拓扑架构SDN控制器。的现有状态的研究概念艺术及其分化从当前状态表表示2。
3所示。主题建模
数据挖掘是一个新兴领域,从非结构化格式中提取数据。主题建模是一个功能强大的文本挖掘技术在自然语言处理研究收集到的数据和文档之间的关系(22]。这种技术使用不同的本国领域的研究者,如医疗、语义分析(23),工程(24),结论文档和主题之间的关系。技术潜在狄利克雷分配(LDA),非负矩阵分解(NMF),潜在语义分析(LSA),并行潜在狄利克雷分配(PLDA)和弹球盘分配模型(PAM)被用于主题建模;在所有,LDA密集使用人员。主题建模技术类似于用于数值数据降维技术。一袋字(弓)创建字典的单词,和主题建模提取所需的功能从这个弓。中包含的词语料库在NLP视为一个重要的特性。
NLP认为每个词作为特征训练模型。这种技术帮助我们找到合适的内容,而不是准确的数据分析。LDA用于实现文件收集的数据集之间的关系,和结果统计和图形化表示。开发LDA,变分异常最大化(VEM)算法(25)是用来估计语料库的相似之处。通常,上面几句话从船头是这种方法缺乏语义的句子。LDA遵循概率分布的概念,所以每个文档在语料库描绘主题的概率分布,并且每个提取主题描述词的概率分布。这导致结论主题连接的一个清晰的愿景。LDA用于从非结构化数据检索关键信息或分析。例如,研究社交媒体让用户可以理解的反应和谈话中人们在社交媒体连接结论模式(26]。
4所示。方法
不管任务已经完成的逐步过程是令人感动地解释说,画面质量定义了我们的研究方法来预测农业物联网的研究趋势。用于进行综述的方法是描绘在图2,在这三个阶段。研究的第一阶段是数据收集;在第二个阶段,收集的数据预处理;最后,在第三阶段,数据分析和结果描述。
4.1。语料库
收集数据的主要来源和形成研究的语料库是各种网上数字图书馆、期刊、会议论文集可供用户通过谷歌学者。数字图书馆的搜索关键字被选择基于主题选择。Sehra等的研究工作。27影响了他们的实验。搜索短语识别是“农业物联网”。斯高帕斯被认为是全球最广泛的数据库发布的文章。字符串在斯高帕斯平台上运行,和4803篇文章从斯高帕斯数据库中提取。出版中的特定关键词的标题,摘要,关键词被搜索收集他们在各种数据库中。
进一步处理所需的纳入和排除标准完成语料库,入选标准,我们认为该研究论文发表在英语。然后,研究关于物联网农业只考虑。在排除过程,我们排除和删除这些研究发表在不同的母语。此外,研究有缺失的信息,如作者、抽象、标题和被排除在语料库。应用需求,4309年研究后被认为是当前的研究。图3代表year-wise增长的文章发表在农业物联网。很明显从图32015年之后,有巨大的增长在出版物。领先的出版是在2021年,26.43%的总语料库;在2020年,21.95%的一篇发表的文章。根据数据,2022年有0.07%的出版物,可以增加了今年年底。
这一领域的研究发表在各种著名期刊。一些顶级期刊或主导物联网农业期刊在图所示4。主要期刊分析显示最大的参与先进的智能系统和计算,134篇文章有0.031%,这杂志属于激飞,有48 h指数和0.66是其影响因素。
4.2。预处理
这是一个初步的步骤流程数据集或收集的信息。预处理的目的是丢弃在信息无关的信息。预处理从积累中删除不必要的单词和字符或语料库和提高了数据采集的质量。结果,进一步处理的形象变得更加准确和可接受的。在收集到的语料,LDA作者使用四种类型的数据建模:论文的题目,出版,杂志发表文章,抽象,和关键字的文档。另外,摘要和关键词结合在同一列。加载语料库的样本如表所示3。
执行的第一步在上传语料库是令牌的话,这样所有的抽象/标题被分割成令牌。生成的令牌然后为每个文档转换为小写字母。在标记中,重点是把标点符号,单个字符,和其他特殊字符,如“;”,“,”,”。”、“/”、“\”,“括号”、“!”。此外,任何方程或公式中使用抽象了。同时,数值都是根除得到一个全面的文本标记(28]。最后,标记后,被这句话没有意义。停止词是常用的词,如“的”、“如果”、“但是”,“一个”或“一个”。这些话占用空间在我们的语料库和消费价值的处理时间。因此,删除这些停止删除变得至关重要,这在我们的实验中,我们使用自然语言工具包(NLTK)。此工具包已经停止词存储在超过十六个语言。这里,NLTK的英文停止词库和其他短语用于构建该语料库从语料库中删除(29日]。
此外,遏制是减少一个词的词根。阻止是必不可少的在自然语言理解和自然语言处理,努力提取根或核心词通常附加英语后缀和前缀。擦除所有无关的词和部分来源准确,有意义的词。例如,使用是核心词,这个词可以被阻止提取没用,有用,并使用。准备一个足够的语料库,词源于其原始形式使用雪球抽梗机算法(30.),以及由此产生的基础关键字存储在洁净的语料库。最后,以前的话是需要lemmatized。词元化是当上下文被认为,是单词转换成更有意义的基础单词或前题。这一阶段目标移除变形词和输出字典的单词(31日]。
5。潜在狄利克雷分配
潜在狄利克雷分配(LDA)是最受欢迎的NLP技巧,所以数据预处理后美联储LDA模型。在发送数据之前,三元和三元从语料库中删除。一起出现的两个词命名三元,如人力资源、和三个字经常出现在文档称为三元模型,如人力资源管理。LDA模型是在python语言实现,genism库已经被用于去除这些短语。Genism短语模型可以构建和识别这些三元,三元模型,quadgrams,甚至 - - - - - -克(32];因此,我们可以删除,提高数据清理过程。它也是预处理的一部分,所以在完成这一阶段,数据发送给LDA模型进一步分析(49,67年]。LDA话题建模是基于三个输入参数,其中一个是一个主题列表,另一个是hyperparameters。前一个文档的主题分布的内容是狄利克雷的大小。这个参数被认为是几个“二”同样分布在文档的主题,无论如何分配给文档的句话说的话题。之前是per-word-weight狄利克雷topic-word分布。的这个实验被认为是价值 ,在哪里是所需的主题33),所有主题的解决方案被固定为0.01。识别两个,五个,十个主题的解决方案,所显示(26),迭代的数量被认为是1000。因此,初始化这些参数成为关注的值可以定义高质量的主题分布的结果。袋子里的单词(弓)最初在LDA话题建模处理,提取最频繁和最常出现在哪里删除语料库可以成为绝对的。本研究删除超过5000的词频弓。前20名常出现文字从语料库的频率如图5从曲线图,因为很明显,最关键字是系统发生、使用、传感器、网络、农业、和许多更多。
Hyperparameters使用Python的锤优化图书馆,一个基于java的NLP包。然后,锤包提取所需的主题通过训练模型使用的弓。不幸的是,没有官方或证明测量存在找到最优的解决方案(27]。不过,一些观测参数由曹和阿伦,这有助于研究人员决定最优数量的钥匙(55,68年]。此外,主题的选择解决方案的启发式和发现的影响研究(55,61年,68年,69年]。最后, - - - - - -平均聚类算法用于寻找最优数量的主题从弓。
6。主题标签
一旦主题提取的帮助下LDA模型,每个主题用手动标记根据每个主题的关键术语。结果,有4309篇文章语料库,所有文档,分别排名前五位的论文及其贡献表中提到的话题1。
7所示。结果分析
7.1。参数主题的解决方案
载荷两个,五个,十个主题的解决方案已经被部署了LDA模型和展示在表1。选择两个,五个,十个主题的解决方案是基于相干分数和先前的研究的影响。一致性评分中扮演着重要的角色在发现关键术语之间的语义相似度的话题,和理想情况下,0.3到0.6相干值被认为是好成绩(81年]。在这项研究中,取得很好的相干值;两个主题的解决方案,0.62;五的话题,0.58;和十主题的解决方案,达到0.52相干值。因此,五个主题的解决方案被认为是基于相干最优值。每个主题的统治地位还支持解决方案覆盖相应的计数的文章。表4总结了year-wise出版物的数量对应于每个主题的解决方案。
最初选择的两个话题广泛描述的核心研究领域被研究人员广泛覆盖在编译后的研究文献。此外,在五个主题的解决方案,研究人员探索的研究领域。因此,我们详细描述了研究领域研究了五个主题的解决方案。进一步的层次结构,五个主题解决方案已扩展到十主题的解决方案,与新领域新兴的研究趋势GHRM。
7.2。主题标签
核心研究区域探索和发现中描述的两个主题的解决方案是基于主题t - 2.1和- 2.2。让我们讨论这个标签已经完成。实现LDA在两个主题的解决方案时,关键字及其加载被提取。LDA的提取结果分别描述文章/主题,每个主题分别术语或关键字。标签过程分别是基于关键字被收集。因此,在表中,每个主题标签解决方案对应于头下的术语提取2.1 t - t - 2.2,等等;五和十个主题的解决方案。
7.2.1。核心研究领域
这两个主题的解决方案存在一个抽象的观点的文献数据集划分成“智能农业安全和隐私”(t - 2.1)和“农业监控系统”(t - 2.2)。这两个重要的标签描述研究领域研究人员的广泛探讨。
(1)t - 2.1:在智能农业安全和隐私。农业自古以来塑造了人类文明。信息和通信的快速增长影响农业的结构和操作(ICT) (82年]。尽管进步,危害可能是重要的,所以智能农业必须把握安全和隐私的挑战之前考虑网络攻击。智能农业使用设备、协议和计算机农业现代化思想。数字农业改变了一切并创建有效、高效、可持续的和开放系统83年]。移动设备,精密农学、遥感、大数据、云分析,网络安全,智能系统简化农业技术集成。不相容、异质性、设备的限制,处理和数据安全可能威胁智能农业,但近年来增加农业使用信息通信技术(84年]。物理风险和担忧可能阻碍农业的部署,但农业4.0将成为新的农业标准(85年]。同时研究也在该地区安全智能农业。农业技术增加了环境问题的物理威胁类别。人口增长、城市化、老龄化和技术发展粮食生产影响农业和农民。农业最重要的物质危险天气(86年]。外部因素不断地威胁到农业。近几十年来,技术减少了它的影响。农业应用需要稳定的连接,物联网网络和云计算(87年]。外部因素不断地威胁到农业。近几十年来,技术减少了它的影响。农业应用需要稳定的连接,物联网网络和云计算。传感器故障,导致错误的数据和指令,可能导致生产失败。温度、湿度、障碍物,和人类的存在会影响罗拉WAN,无线个域网,和其他agri-wireless网络,导致数据丢失。传感器和网络设备通常暴露(88年]。
(2)t - 2.2农业监控系统。新技术,技术和方法也有助于农业。世界上35%的劳动力从事这个职业。农业可以帮助许多经济体增长(89年]。它能提高工业化国家的经济。印度是第二大国家,经营这个行业。每个国家都有练习农业自古以来。企业和其他领域必须支持农业的技术转型。未来的人口增长是可怕的。左右的th世纪人口可能超过九十亿项,因此需要加强农业满足洪水的需要。农业工程的挑战包括排水、灌溉、作物调度,和生物系统的优化。缺乏农业技术来监控和管理系统或机械可能的原因这些问题。报告说,控制方法提高幼苗生长(90年]。
物联网可以帮助农业现代化的过程中通过收集农业数据段。IoT-based农业监控系统无线通信和传播传感器数据。每年全球农业使用70%的可用的淡水灌溉17%的土地(91年]。全球变暖日益增长的食物需求和减少灌溉土地,在瘟疫农业的挑战。粮农组织预测全球粮食生产必须增长70%满足人口和城市化进程的需要。现代农业使用机器人、自动化和计算机系统来取代挑战人类工作,所以扩大农业新技术需要被包括(92年]。未来农业技术包括机器人和机器视觉。此外,人口增长对资源和产品的需求将会增加。“可持续性”是融入社会、经济和技术来解决环境保护与经济发展问题,和信息和控制系统将是至关重要的93年]。
7.2.2。五个主题的解决方案:研究领域
(1)t - 5.1:智能疾病检测模型。印度的经济主要以农业为主。农业占印度GDP的16%和出口。超过75%的印度的人口依赖于农业。健康、高质量的农业对经济繁荣至关重要(94年]。植物病害的检测在早期阶段是至关重要的。植物可以生病而增长。早期疾病诊断是农业的一个挑战。研究人员首次展示了先进的机器学习方法识别植物疾病(95年]。训练参数用于现代系统但需要强大的计算机或长时间的训练和预测时间工作。卷积汽车编码器(CAE)网络预测功能降低,同时保留在这个研究精度。由于技术进步,世界人口70亿人可以的96年]。
改变气候,下降的传粉者,和植物疾病威胁的能力产生足够的食物。植物病害危害小农户的生计依赖于健康的作物(97年]。尽管收益率下降,发展中国家的小农提供农业产量80%以上。预防疾病的方法已经存在(98年]。农药已经取代害虫综合管理(IPM)。早期诊断是至关重要的成功治疗。农业推广组织和当地植物诊所长期以来支持疾病检测由于计算机能力,高分辨率显示器,和广泛的配件,如高清摄像头。智能手机诊断是首开先河的技术。5 - 6美元的手机将使用到2020年。超过三分之二的世界人口现在访问移动宽带,自2007年以来的12倍(99年]。
(2)t - 5.2:在智能农业数据安全挑战。技术、设备、协议和计算机范式都是用于提高智能农业的农业操作。大数据、人工智能、云,边缘计算存储和分析数据以各种形式的存储和存档。作为一个相对较新的领域,智能农业缺乏足够的数据安全措施84年]。农业的未来在很大程度上依赖于数据的可用性和质量,这需要对安全的需要。维护安全智能农业、管理数据兼容性,资源约束和大规模数据处理(One hundred.]。农业系统可能不适合传统的物联网安全解决方案,导致独特的需求和可能性。新的农业项目开发跟上人口增长和粮食生产。农业的成功取决于生产力,era-specific限制,和科学技术的进步。很多关于智能农业可能出错,目前仍处于起步阶段。在未来,农民将严重依赖于数据的可用性和质量来帮助他们;因此,开发安全、稳定系统是至关重要的(101年]。农业的发展一代描绘在图61.0,其中农业开始于1784年。在20th2.0世纪,农业就诞生了。1992年农业3.0开始,2018年农业4.0如果紧随其后。
智能农业使用它来增加信息感知、定量决策、智能控制、合适的投资,和个人服务102年]。此外,目前的技术提高农业产量,提高了安全性和隐私103年]。既有优点和缺点使用自动化在智能农业。计算机辅助农业使用现代技术和程序,所以在未来,“数字农业”将更加高效,高效、可持续的、包容的、透明的,农业和弹性。可以使用许多不同类型的农业技术结合,提高效率和生产力104年]。
(3)t - 5.3:智能监控系统在农业。降雨和温度波动是非常难以预测。气候智能型农业是印度农民中变得越来越流行。物联网使智能农业。它可以节省水、肥料和农业产量。IoT-enabled自动化系统和无线网络产业扩张。因此,研究集成传感器技术和农业物联网网络的使用已经达到的水平(105年]。
(4)t - 5.4:农业生产和供应链管理。供应链的发展和信息的运动是由材料的收集,产品的转换,交付给最终用户。信息驱动”,连接供应链“使组织能够减少库存和支出;增加产品价值;扩展资源;加快上市时间;并留住消费者,其他福利(106年]。供应链的性能决定了有益健康的活动都与顾客价值最大化和利润在每一个过程阶段,最终用户受益于一个有效的供应链。一些在印度农业供应链问题由于农业行业的问题(107年]。许多因素影响农产品供应链,包括小型和边际农民,杂乱的供应链,缺乏规模经济,低于标准的处理,价值,和更少的营销选项。供应链管理是扩大到物流通过创建新的部门集成制造、采购、运输、和分布108年]。信息流的可见性增加了由于电信的发展,电子数据接口,和其他技术。动物和植物被用于农业生产产品,造福人类健康。例如,农业生产纺织品和纸。在整个供应链中,满足客户的需求。组织农业供应链,如合作社、分配生产、水果、谷物、豆类和产品来源于动物(109年)——的企业网络,使最终用户的产品和服务。有几个好处建立供应链网络,如转移风险和利润从一个公司到另一个。质量保证过程的开放性和问责制。质量是依赖于透明的流程和责任在每个阶段的过程。转移支付的价格和性能是至关重要的成功过程链。
(5)t - 5.5:有效的通信系统在智能农业。低成本解决方案如轮作,绿色施肥,覆盖减少耕作费用,同时节省了土壤和水。豆类、除草和农业多样性增加非货币输入(101年]。气候变化,全球变暖,海水入侵、沙漠化,和缺乏耕地增加了全球对食品安全的担忧。Connectivity-of-Things应用程序需要稳定的网络(110年]。在湄公河三角洲和阮,气候变化威胁着粮食安全。干旱和盐水入侵在2016年初在南部和中部高地的脆弱性和敏感性不可持续的农业。农业可能是更有效和更安全的由于新的农业系统。越南可能成为一个聪明的和可持续的农业现代化,提高效率,保证质量。企业在越南与在其他国家的公司分享他们的知识。另一个需要考虑的重要因素是食品的安全。当决定哪些食物对你有好处和环境,大多数人都不知道从哪里开始。担忧食品安全提出新的想法如“城市农场”和“在家种植蔬菜”[111年]。然而,这些模型必须的经济可持续性进行过彻底的探索。研究人员目前专注于开发一个IoT-enabled农业系统。提高生产率、质量和安全可以通过这种方法来实现(82年]。
7.2.3。十个主题的解决方案:研究趋势
(1)t - 10.1:温室监控系统。大多数印度人在农业工作,导致该国economy-agriculture得益于技术进步。然而,农药是用来培养大多数水果和蔬菜因为现代耕作方式跟不上需求。因此,传统农业耕作方式与天气和疾病作斗争。虽然作物产量可能增加通过改变农业实践(112年因为城市化和土地稀缺,在温室农业必须完成。温度、湿度、光、水含量、pH值、湿度都在温室通过led显示。我们的目标是创建一个智能温室。温室温度和湿度均可自动调整使用可编程模块和低成本和高效率的选项(113年]。
土壤水分含量、光照强度、温度和湿度可能会调整。在温室作物生产,适当的生长条件必须改变达到高产量,低成本,提高质量和最低的环境的影响。为了达到这些目标,适当的加热和通风必须维护。使用温室更可靠,但也更加困难(114年]。温度和时间控制之前改善作物品质。许多控制设备和系统缺乏自动化和效率在今天的动态和竞争环境。各种复杂的模型描述了温室效应。成本增加,计划变得更加复杂,需要更多的控制。计算机在温室的使用增加了在过去的十年。这些组件是必要的控制系统。先进的微电子混合电路提高传感器制造。先进的产品质量和可靠性使商业竞争力。每个传感器的性能是由其校准和感知过程。 It will be impossible to automate some jobs even in the far future. Several American businesses have yet to automate fully, maybe due to cost concerns [115年]。
(2)t - 10.2:智能农业服务的行业。技术进步推动了它的广泛使用及其适应性,能够满足各种需求。基于服务的农业(SBA)广泛应用于多个行业。农业系统,使农民更容易去做他们的工作。大规模服务智能农业系统链接巴士到酒店,医院,物流中心、餐厅、杂货店、或传统市场。与SBA、材料销售伙伴很可能与另一个快速分享信息关于他们的产品。由于小企业管理局,印尼将增加其经济,在一项研究中引用。随着时间的推移,信息技术发展的重要性。农场的生产增加了由于现代技术的采用(116年]。很多人都熟悉印尼农民的困境。变量的重要性不能被夸大。农民有一个对技术的恐惧。农民在印尼可以提高自己的能力,为国家生产粮食人口利用新技术。
经纪人通常用于转售印尼农民的生产。小规模农民赌博的代理商在印尼受伤在农产品的价格117年]。组件的价格正在上升。代理欺诈的市场价值。经纪人保存农产品,给外界的印象是市场供应过剩,抬高了食品价格。当辣椒价格攀升和短缺,许多经纪人从种植者拒绝购买。日益增长的食品价格在印尼可能会损害这个国家的经济。农民必须能够直接向消费者销售产品。直接分配为农民提供了一个简单的方法来推销他们的产品。批发商从农民购买农产品以廉价的利率(118年]。让他们的商品市场,农民必须租一车。商品不再影响农民的收入与处理时间长。印尼人严重依赖智能手机获取信息。技术可以帮助农民成为食品批发商。当地市场和餐馆使用这种方法可能是美联储的农民。物联网(物联网)和云计算支持农业的粮食供应和分配系统(119年]。如今,纳米技术也被运用于农业,提高产量和减少浪费。
(3)t - 10.3:基于云计算的智能应用于农业。智能农业使用技术来增加产量和提高产品质量。例如,互联网什么智能农业自动化作物检查和浇水。数据库流量和数据不能由一个基于云的IoT-based系统。因此,有更少的延迟,电池更持久,资金和信息更好的管理120年]。
在许多情况下,物联网的优势可以提供显著的优势,比如删除需要间隔和几何通信效率。自动化接口高物联网活动可能达到降低延迟和更快的处理。该模拟器复制刺痛、边缘和物联网的雾。IoT-based边缘计算更直接,成本效益和效率比传统计算机系统(121年]。在城市,这些策略是无效的。农村地区是最常用的地方。机器人应该用于农业。这个领域是使用拖拉机上的GPS导航。农业在21圣世纪是除了数字或由电脑控制的。监测作物和动物与传感器、gps拖拉机、图像处理、机器学习是可能的。边缘计算减少噪声的原始数据分析这可以使用数据挖掘技术(清洁122年]。
另一方面,宽带网络是一件非常麻烦的事情,很难标准化。传感器安装后,数据自动收集。我们可以确定如果动物或鸟类是活跃,不活跃,不适,健康的,顺从的,或占主导地位。我们可能会改变他们的治疗,生活情况下,医学,和食物来满足他们的需求123年]。
(4)t - 10.4:节能智能传输系统。智能电力基础设施满足社会的可持续发展和能源效率的要求被称为“智能基础设施”客户和公用事业供应商将受益于智能电网的能力更好地监控他们的能源使用和链接与micro-networks电网。因此,有一个危险的数据安全和隐私。经济增长依赖于是否有充足的电力,促进生产力和维持生活的质量。全球经济发展和用电消耗世界上的能源资源124年]。智能电网的核心假设是减少资源消耗和促进经济增长通过能源效率和管理技术。需求管理降低压力和高需求的架空线输电和配电系统。几个国家使用了工业和商业需求响应策略来刺激他们的经济。直接负载限制通常减少高峰需求(125年]。直接负载管理可能会导致降低客户satisfaction-direct负载管理。消费者和公用事业公司受益于降低高峰负荷转移时的需求。然而,电力系统的稳定性和可靠性破坏时期高能源需求。智能电网和负荷建模需要限制能源使用峰值。
麻烦随之而来当需求超过供给。从2019年到2030年,印度的人口与发展需求预计将增长50% (126年]。传输系统能够忍受干扰和停电必须符合这些标准。电网运营商必须定期监控供给和需求,避免停电。为了解决这个问题,卸载断开特定客户的电力。发电机必须拒绝以防止停电如果供给和需求不同步。智能电网可以在早期发现问题,立即解决。传感器监视电网和管理流动的电流。这些都是电脑提高工作效率(127年]。
(5)t - 10.5:现代农业智能解决方案。可持续的粮食生产是在高需求随着世界人口的膨胀和天气模式的转变。农业和发展随着时间的推移,前进。农业技术发展迅速。这些新技术是很有效的,但是他们必须不断改善。使用信息和通信技术、播种、浇水,和收获都增强。许多领域,包括农业,从技术进步中获益。农业物联网(物联网)被称为“智能农业”(128年]。生产和家畜健康由于IoT-enabled智能农业。通过这套可提供实时信息和传感器。
住所、衣服和食物一直以来人类文明的黎明的重中之重。有很多现代化的房子和衣服。根据联合国粮食及农业组织(粮农组织),人类的食物需求将增长70%,到2050年,根据联合国粮食及农业组织(粮农组织)129年]。物联网可以用来解决在业务和技术的问题。拖拉机用于植物种子和收集农作物。您可以使用它为业务或自己。农业是拖拉机的帮助下完成的。农民可以做其他的事情时使用自动驾驶拖拉机。一家名为Agribot使拖拉机的波兰公司可以独立工作。当他们把杂草,拖拉机有传感器,减少化学品和农药暴露。Agro-IoT设备可以满足未来农业的需要。传统农业必须变得更有效率和更少的风险对全球经济增长。 IoT helps growth. Farmers can keep an eye on their land with the help of the Internet of Things. IoT applications include keeping an eye on climate change, managing water, keeping an eye on land, improving productivity, keeping an eye on farming, and keeping track of pesticides and herbicides [130年]。
(6)t - 10.6:智能农业灌溉系统。在农业灌溉领域的最困难的任务。水系统由水滴、喷嘴、管和喷头等东西。作为一个整体,农业经济活动具有积极的影响。浇水用手是必需的。园艺和土壤恶化都覆盖着降雨。农业的主要目标是生产食品和牲畜。物联网是一个网络的互联设备交换数据(131年]。当水的供应是有限的,自动灌溉可能是必要的。
根据天气、灌溉可能持续或间歇性地完成。因此,减少泄漏。几乎所有的水来自滴灌或洒水装置。一个无线装置,土壤水分和湿度可能会被监控。在农业、控制器管理从权力入侵者检测泵切换(69年]。用泵送水在地上。使用水沥干架时是守恒的。滴灌灌溉和洪水都是标准的灌溉方法。所有的传感器,泵,按预期和控制工作。人工浇水可能伤害或耗尽的作物和环境。自动灌溉系统可以用来解决困难。农业可能受益于滴灌,节省水。自动灌溉系统作物管理已成为普遍暴雨期间,绿化和水土流失。无线传感器用于测量土壤的湿度和水分含量。 In agriculture, controllers keep an eye on the electricity, keep an eye out for intruders, and manage the pumps. Saturating the soil is accomplished with the use of pumps. Using drippers saves water, therefore reducing the amount of water used. Floatation irrigation commonly utilizes electricity, sensors, pumps, and controls [132年]。
(7)t - 10.7: Blockchain-Based农业保障体系。区块链中的节点,每个节点都有自己的分布式分类,允许多个节点读取和修改一个分类帐,同时保留共享控制。每个区块链节点包含一个分布式分类帐,是安全的和可访问的所有参与者。没有中间商进行身份验证、跟踪、存储或使用区块链技术同步交易。根据一些研究,区块链改变了技术从集中到分散的分布式网络,这种转变已经被很好地记录下来了。区块链帮助商业网络(133年]。商业网络是由交易的公司或个人的资产。产品、材料和设备实物资产的例子。分布式分类帐可以用来移动资产跨网络成员的人。最近的分类帐是提供给所有成员。一致同意的分布式分类帐和智能合约促进网络的信心。资产和交易都记录在分布式分类帐。事务可能与分布式分类帐。您不能删除一个事务后,已被添加。一个加密的分类帐可以防止篡改交易。 With blockchain, the distributed ledger is transformed into a reliable data source for the network [134年]。一个分布式数字商务称为区块链的分类帐。
网络的每个节点通过密码修改分布式分类帐。组件的一个区块链包含它的头,时间戳,nonce, Merkle根散列。智能应用程序正在开发农村农业。农业现代化依赖ICT自动化过程和保护个人数据。许多物联网设备的数据可能被发送到中心来分析和管理自治的农业活动。然而,集中中间体固有的单点故障,数据丢失的风险,和中间人攻击。由于智能合同区块链,分散和安全农业自动化现在可能(135年]。
(8)t - 10.8:生产型农业智能系统。可以提高生产率和质量通过IoT-based农业融合技术。预测需求,管理供应,保证质量是精准农业的好处。经济的扩张主要受农业。政府是负责保护土地136年]。什么都没有改变,尽管在科学和技术方面的进步。没有短缺的绿色技术。农民需要减少他们花的时间工作和提高精度他们使用他们的资源。农学家使用复杂的统计方法在分析历史数据,使经济预测。通过GPS农场产量提高,传感器和大数据。从线的实时数据决策支持系统可以把农民的知识和直觉的作用[137年]。改进决策减少浪费、提高效率。图像、GPS、以科学为基础的解决方案、气候预测、技术和环境控制在农业中发挥作用。与“智能电表”和“智能城市”,“智能农业”是指任何M2M应用程序。技术的进步帮助收获预测。然而,基于统计数据并不总是准确预测。获取数据和农业环境应该是相关的。农业物联网将提供数据。农学家使用复杂的统计方法在分析历史数据,使经济预测。预测作物产量是得益于智能系统的使用。 In the end, statistical forecasts are not perfect; they are only a starting point. Make a connection between the agricultural environment and harvest data. Crop pattern data will be provided through IoT-based decision support. On IoT, agribusiness utilizes data mining, statistical forecasting, and IoT services [138年]。
(9)t - 10.9:在农业行业4.0。全球农业必须经历一个范式转变发展的环境条件,饮食偏好,和缺少关键的输入。这都是关于农业的最新进展。由于采用工业4.0,企业可能希望看到输出,进步效率,和创造力。首先,农业为世界人口提供食物。第二,农业4.0减少劳动力和环境影响提高农业盈利能力通过减少温室气体排放和水使用。第三,农业是主要的收入来源,印度人口的一半,印度的静脉和动脉(139年]。工业发展的第四阶段是大规模的农业。信息通信技术是物联网中必不可少的。灵活性是“智能工厂的改善。“人、设备和软件一起工作,以满足生产要求,通过尖端技术,如满足CPS /物联网/ iOS和实时交互。该行业受益于整合。然而,未来的制造业和商业将受到伤害。这种转变可能是由于互联网和信息技术(140年]。质量控制包括所有方面的工程、管理、制造、操作和物流。成本、可用性、利用资源和市场需求都是自动的。的实现行业4.0将深刻影响农业和工业领域。大数据等所有技术、人工智能和物联网行业4.0的一部分。物联网允许农业系统和设备连接,使农业产业改变游戏规则4.0 (141年]。第四次工业革命创造了网络化的拖拉机、农场,和制造设备142年]。4.0“工业革命”是指三个因素:(1)数字化及其融入简单的经济和技术网络(2)数字化的服务和产品(3)市场模型,已更新
随着经济、经济和商业模式的发展,人类越来越远离作物的生产和监控中心。4.0产业由发达国家和发展中国家使用。印度有很多未开发的农业增长潜力。机器人技术、物联网、电子商务是这场革命的三大支柱,旨在提供技术全球各个角落。
(10)t - 10.10:基于图像分类技术在智能农业。农业起源于一万三千年前在伊拉克北部的底格里斯河和幼发拉底河之间。聚集的植被包括野生小麦和其他。很少人需要食物。联合国估计,世界人口将达到100亿,到2050年,影响农民。荒漠化和城市化对农田造成严重破坏。COVID-19是威胁食品安全和国家经济。为了解决这个问题,我们需要使用更少的人来生成更多的食物(143年]。在印度的某些地区,降雨是唯一的灌溉水源。然而,作物破坏可能发生在一些地方由于降雨量的不可预测性,这是一个问题。流域管理是至关重要的。许多可变水文建模需要准确预测在不同流域降雨和径流。估计所需要的地形分类,最终分类土地利用和覆盖144年]。中使用的图像分类曲线数字建模。卫星图片很难分类,因为他们的高分辨率和广泛的应用。
然而,图像是一个常见的做法在农业和水资源管理。有大量的工具和方法分类图像。安和SVM用于图像分类(145年]。技术通常用于组织图片是耗时和容易出现人为错误。与模式识别,替代方法可以减少时间和提高准确性。与贝叶斯判别标准,SVM multiclassification优于。
8。威胁的有效性
这个分析是基于LDA主题建模和有界这一主题建模技术的局限性。足够的条数已经达到,但错过的风险是一个问题。文献材料也被推断出来的。搜索字符串不足已根除适当由于选择的搜索条件的局限性,同义词,字符串配方,和搜索引擎的变化导致不完美的语料库检索文献。标签的主题是一个重要的问题由于主观性和偏见。根据作者,深入讨论了确定标签最好克服这个限制。然后,基于关键条款,标签已经制定吸引最好的主题标签研究者和实践者。
9。结论
利用物联网技术,农民和生产者可能更好地管理他们的资源,如化肥消费和汽车旅行的数量由农场,同时最小化浪费和最大限度地提高生产率,包括水,电,和其他投入。在物联网智能农业系统中,传感器监测农业领域和自动灌溉系统。农民可以从任何地方监视他们的田地。本文总结了研究方向在智能农业和农业。技术形成了农业的历史。历史学家已经发现了几个农业革命,改变了做法和输出。技术的进步推动了这些革命。工业革命机械化农业,提高农业劳动生产率。
现代机械化农业已经取代了许多农场活动通过手或牛、马和骡子。天气预报和铁丝网19th世纪的进步。便携式引擎和打谷机改进后开始流行。在20th世纪,人工合成的化肥和杀虫剂,批量生产的拖拉机和农用飞机空中农药应用程序开发。精密农业、疾病监测、农业无人机,卫星图像,和传感器技术使农业农民更容易的方法。智能软件分析病虫害预测和土壤管理的许多分析活动只有几个IoT-based传感器网络可能做。智能农业新问题包括农业数据的安全、技术故障、和技术无能。
10。未来的工作
LDA模型就像一个推荐系统。目前的研究是基于从文档中提取关键词和建议当前和热门研究领域基于关键字的相关性在指定的字段中。所以,在实时的情况下,任何规模的语料库可以传递给模型相关的关键字,并根据这些关键词,建议可以描述为主题。作者用这个模型在智能农业在当前的研究。相比之下,这个模型也可以实现在其他研究领域,如智能城市,区块链,无线传感器网络。在这项研究中,作者分析了从斯高帕斯数据库中检索数据,而不是网络的科学,教育资源信息中心,ScienceDirect或开放获取期刊的目录。然而,作者选择了斯高帕斯数据库对这些其他数据库因为斯高帕斯有更多优秀的出版物的报道,证明它是一个全面和可靠的数据来源证明其资格审查。
数据可用性
数据通讯作者的要求。
的利益冲突
作者宣称没有利益冲突。