物联网数据分析、机器学习在精准农业中的应用和挑战 - 印度研究论文

制作和主办：Elsevier沙特国王大学学报使用物联网数据分析和机器学习的精准农业Ría Akhtersoul，Shabir Ahmad Sofi国家技术学院信息技术系，Srinagar，Hazratbal，Jammu and Kashmir 190006，印度阿提奇莱因福奥文章历史记录：2021年1月14日收到2021年5月26日修订2021年5月27日接受2021年6月5日在线发布保留字：物联网（IoT）数据分析（DA）机器学习（ML）A B S T R A C T尽管关于农业实践的见解可能具有共性，但事实是，如今的农业科学勤奋比以往任何时候都准确、精确、数据驱动和充满活力。基于物联网（IoT）的技术的兴起几乎改变了每个行业，如智能城市，智能健康，智能电网，智能家居，包括利用物联网数据分析在农业领域应用机器学习将带来新的好处，提高农田生产的数量和质量，以满足不断增长的粮食需求。这些令世界震惊的进步正在动摇目前的农业方法，并在许多限制之外产生新颖和最好的机会。本文将计算技术的力量和能力推向高潮，包括物联网，无线传感器网络，数据分析和机器学习在农业中的应用。利用物联网系统中的数据分析和机器学习技术，提出了克什米尔山谷苹果园苹果病害的预测模型。此外，还进行了一项当地调查，以了解农民对精准农业的趋势技术及其影响。最后，本文讨论了将这些技术纳入传统耕作方法时所面临的挑战。版权所有©2021作者。由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。内容1.导言56032.文献调查56042.1.物联网传感器和网络56052.2.数据分析56062.3.物联网和数据分析作为智能系统在农业中的应用2.3.1.土壤选择和规划56072.3.2.农田灌溉2.3.3.肥料56092.3.4.作物病害56092.3.5.害虫管理56092.3.6.产量监测56093.在传统克什米尔农场采用物联网（传感器）和数据分析来预测苹果黑星病56093.1.框架56103.2.传感器组装56113.3.传感器/IoT网络设置56113.4.数据采集5611*通讯作者。电子邮件地址：ravesa_05phd18@nitsri.net（R.Akhter）。沙特国王大学负责同行审查https://doi.org/10.1016/j.jksuci.2021.05.0131319-1578/©2021作者。由爱思唯尔公司出版代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.comR. Akhter和Shabir Ahmad Sofi沙特国王大学学报56033.5.分析56133.6.结果56134.传统农民采用物联网面临的挑战4.1.测量设置56144.2.结果56144.2.1.基于商业5614的挑战4.2.2.基于部门5615的挑战4.2.3.基于技术性的挑战4.2.4.基于数据分析的5.结论和今后的工作竞争利益声明附录A.补充数据5616参考文献56171. 介绍印度的主要经济活动之一是农业。印度约60-70%的就业依赖于农业部门。它拥有仅次于美国的第二大可耕地面积，这是因为土壤肥力高，灌溉水源网络大。由于不同地点的气候条件不同，它确保了植物群的高可用性和生产力。虽然资源的充分存在并没有产生与可获得性相当的结果，这是因为稀缺性和不称职的使用技术，不足知识和意识的农民，使用一些过时的方法（Bhargava等人，2014年）。此外，大多数作物受到害虫、昆虫、疾病的影响，导致产量下降。许多农作物受到昆虫或害虫的侵袭。杀虫剂或杀虫剂并不总是被证明有效，因为它们可能对某些鸟类和动物有毒。它还破坏了自然动物食物网和食物链（Shinde和Kulkarni，2017）。作物病害导致相当低的产量。作者在Oerke（2006）中概述了由昆虫、害虫、病毒、动物和杂草引起的全球农业生产的20%至40%的产量损耗。此外，它们有许多方面，有些是短期的，有些是对全球粮食安全的长期影响（Savary等人，2012年）。病虫害造成的作物产量损失相当大，特别是在印度气候半干旱条件下（Shinde和Kulkarni，2017年）。 天气在农业生产中有着极其广泛的作用。一般来说，作物在以天气为基础的脆弱农业系统中更为常见。有调查质疑，随着人口增加到100亿，那么到2050年，我们肯定会走向粮食末日。这意味着如果我们不建立和推进农业智能技术，粮食生产能力将破产。因此，为了适当管理有限的资源，有必要为印度农民开发一种经济技术。该系统应帮助农民及时预防作物病害，提高粮食的数量和质量。该系统应足够可靠，以便在查谟和克什米尔等丘陵地区持续进行及时预防和治疗（Bhargava等人，2014年）。这是因为它们能够通过空间部署传感器来远程监测环境参数、土壤参数、植物参数。通过监测参数的正常值的不足或超过，及时预测由各种有害实体引起的疾病可以帮助农业学家。以便他们能够采取特别措施，以控制的方式对付这些害虫和昆虫的袭击。这将防止任何化学品的使用，并减少动物群中发生的疾病。此外，它肯定会提高农业生产力，从而将缩小人口增长与粮食需求增长之间的差距。显然，作物的总体损失百分比将降低。在过去的十年里，科学和技术已经彻底改变了全球。当今时代是技术时代。为了给农业生产者提供有用的信息，目前正在使用远程监测技术，无线传感器网络和物联网在这方面起着至关重要的作用该技术的微型化导致了物联网（IoT）乌托邦（Buyya和Dastjerdi，2016）。“物联网”（IoT）一词首次由Kevin Ashton使用，而1999年关于供应链管理的演讲（Ashton etal.， 2009年）。物联网是一个由计算对象（如传感器）组成的互连网络，这些计算对象是唯一可识别的智能对象。术语这意味着一切都可以访问，没有任何地点或时间限制。在物联网中，无线技术在数据收集和数据通信中发挥着核心作用（Abdmeziem等人，2016年）。无线传感器网络（WSN）和射频识别（RFID）被认为是物联网传感和通信技术的两个主要组成部分（Marjani等人，2017; Fortino等人， 2020年）。 无线传感器网络已经被用于不同的应用中，诸如军事、农业、体育、医学和工业（Jawad等人，2017年）。由于这一点，正在生成大量的数据（Marjani等人，2017年）。无线传感器网络传感器、智能设备、RFID标签、平板电脑、掌上电脑、膝上型电脑、智能电表、智能手机、智能医疗、社交媒体、软件应用程序和数字服务产生大量数据。它们不断生成大量的结构化、半结构化和非结构化数据，这些数据正在急剧增加。网络运营、医疗管理、社交媒体、智能交通系统、商业、营销、资源优化、精准农业和社会行为等多个应用领域的数据增长。研究这一切，致力于数据分析，为多样化的无线传感器网络取益。数据分析是一个数据收集、数据转换、数据清理和数据建模的过程，目的是发现所需的知识（Dai等人，2019年）。通过提出结论和支持决策来传达由此获得的结果和调查结果。数据分析是检查包含各种数据类型的大型数据集的过程（Mital等人， 2015）来揭示看不见的模式、隐藏的相关性、市场趋势、客户偏好和其他有用的商业信息（Saura等人，2019年）。农艺学考虑是WSN、数据分析和机器学习提高作物产量和减少农民艰巨任务的最善意的能力（Kim等人，2014年）。精准农业（PA）或特定地点农业是利用现代农业技术的技术方法。R. Akhter和Shabir Ahmad Sofi沙特国王大学学报5604数据技术和知识，发展高质量的农业生产。WSN是提高作物产量的经济方法（Jawhar等人，2014年）。精准农业已进入高级阶段，一些农民已开始在其土地上实施因此，与PA相关的活动包括：作物、昆虫和杂草的识别和定位，性能监测，机械，化肥、除草剂、杀虫剂和杀真菌剂的可变剂量，种植监测和绘图（Buyya和Dastjerdi，2016年）。在Ayaz等人（2019）中，对精准农业进行了广泛的讨论。他们详细介绍了物联网如何通过让田地说话在精准农业中发挥作用在物联网的帮助下，他们提出了如何通过使用有限的可耕地进行耕作，通过提供精确和所需的肥料，杀虫剂，水等来增加农业产量以满足庞大人口的需求的想法 在Xia et al. （2011）设计并部署了基于无线传感器网络的精准农业环境监测系统。该系统在位于山坡上的杨梅温室中进行了测试，通过收集以下参数;温度，电压，湿度等。该系统被证明是可扩展的，稳定的，准确的，可以为精准农业提供实时数据。数据分析和机器学习技术在农业部门发挥着重要作用，以应对由于天气和气候变化（如温度，降雨，湿度等）而带来的日益严峻的挑战，这些变化对作物生产造成了严重损害提高数据分析的准确性是生产蓬勃发展的必要条件。 分析大量数据的能力可以帮助组织处理可能影响业务的大量信息（Russom等人， 2011年）。此类分析工具中使用的程序和算法必须发现数据中隐藏的模式和相关性（Oswal和Koul，2013）。由部署的传感器收集的现场数据是多媒体的形式，其有助于茎、叶、果实和根中的疾病检测、果实的质量、健康（Suksawat和Komkum，2015）以及杂草和智能灌溉的存在或检测（Tripicchio等人，2015; Jhuria等人，2013; Kapoor例如，2016; Roopaei等人，2017; Cambra等人， 2017年）。 为了生产更高的数量和提高食物的质量并减少作物歉收，物联网传感设备和无人机的集成似乎是有帮助的，相同的设备定期监测事物以获得最佳结果（Tripicchio 等人， 2015;Kapoor 等人， 2016; Cambra 等人， 2017年）。 图 1.1我们已经展示了物联网和数据分析如何相互关联的各个步骤。通过使用物联网数据分析和机器学习，我们可以使精准农业变得实用。最初，在第一步中，包括管理物联网数据源，其中连接的传感器设备使用应用程序相互交互为例如，CCTV摄像机、无人机、环境传感器、土壤传感器、植物传感器等设备的交互产生了大量不同格式的数据。这些生成的数据可以使用商用硬件设备存储在云上。 在第二个过程中，由于数据量、速度和多样性，数据变得复杂。取决于精确农业应用规范和我们感兴趣的数据收集类型，主要是精确农业数据集，其具有与作物模式、作物轮作、天气参数、环境条件、土壤类型、土壤养分、地理信息系统（GIS）数据、全球定位系统（GPS）数据、农民记录、农业机械数据相关的数据，例如产量监测和可变速率肥料（VRT）（Bendre等人，2015年）。这些海量数据存储在共享和分布式容错数据库的大数据文件中。最后一步应用分析工具，如Map Reduce，Spark和Skytree，可以分析存储的物联网数据集并从中发现价值。这意味着将物联网数据分析和机器学习技术相结合，需要开发用于作物管理的预测模型，包括疾病和产量预测。本文的主要目的如下：i）对物联网（传感器）和数据分析在精准农业中的应用进行全面回顾; ii）对苹果园采用物联网和数据分析进行案例研究;iii）了解传统农民在采用技术补充传统农业方面面临的挑战。其余的文件是有组织的;第2节介绍了点燃-在以下子标题下对精准农业进行了一次调查：i）物联网传感器和网络;ii）数据分析; iii）物联网和数据分析作为农业智能系统的应用。第3节讨论采用物联网（传感器）的案例研究和数据分析在传统的克什米尔农场预测苹果黑星病。第4节讨论了传统农民在精准农业中采用物联网数据分析的几个挑战和开放性问题，这些问题进一步分为以下四类：i）商业; ii）技术; iii）部门; iv）数据分析。第5节总结了一份文件，简要强调了重要的研究结果，并提出了一些未来的方向。2. 文献调查在精准农业领域已经完成了许多活动，使用不同的技术，如物联网，机器学习决策支持系统，数据分析等。1)物联网/传感器和网络，2）数据分析和3）物联网和数据分析作为农业智能系统的应用。文献中不同领域的精密度工作在以下小节中详细介绍：图一点一物联网与数据分析的关系。R. Akhter和Shabir Ahmad Sofi沙特国王大学学报56052.1. 物联网传感器和网络无线传感器网络被用于各种农业应用中，例如远程观察环境和土壤条件以便预测作物的健康状况。利用无线传感器网络观测农田的压力、湿度、温度、土壤湿度、土壤盐分和土壤电导率等环境条件，预测农田的灌溉时间。一在文献方面做了大量的工作，主要贡献不同的研究人员进行了讨论。在Ahmed et al.（2018）中，作者提出了可扩展的网络架构，以监测和控制农村地区的农业领域。他们提出了一个基于物联网的控制系统，以促进农业和农业的发展。在物联网的路由和MAC解决方案中，通过结合基于Wi-Fi的长距离（WiLD）网络和雾计算解决方案，实现了高能效、低延迟和高吞吐量。在Bhargava等人（2014）中，作者提出了WSN框架设计，旨在为检测建立DSS在喜马偕尔邦的苹果黑星病使用米尔斯表。在Muangprathub等人（2019）中，物联网应用于农业，以提高作物产量，改善作物质量并降低成本。基于无线传感器网络，他们提出并开发了一个系统，可以优化灌溉农业作物，如柠檬，家庭种植的蔬菜。为了控制农田环境因素的影响，该系统由硬件（控制盒）、Web应用程序和移动应用程序三个主要部分组成。控制箱实际上是一个无线传感器网络和电子控制系统，这是帮助数据收集。利用Web应用程序从控制箱中采集的数据是大规模的数据，利用数据挖掘关联规则进行分析。移动应用程序用于通知农民土壤的含水量，并相应地进行自动或手动浇水。数据挖掘表明，要获得高产量的自家种植的蔬菜和柠檬，温度应在29在Fonthal等人（2018）中，作者设计了一种用于精确农业栽培的系统，该系统被称为Smartnode。为了实现最佳作物开发，他们使用了硬件和软件平台，可以监测农业气候参数。他们将该系统应用于农田以提高产量。Trilles Oliver等人（2019）的主要目的是应用一个模型来提醒农民何时是在葡萄园环境中治疗霜霉病的合适时机。遵循物联网范式，他们提出了名为SEnviro（感知我们的环境平台）的系统来监控葡萄园。他们使用边缘计算范式来减轻两端之间的通信。在Shinde和Kulkarni（2017年）中，作者表明现有系统不可靠且廉价。他们给出了在精准农业中使用物联网和机器学习来预测作物病害的信息。他们提出了一个使用机器学习和物联网的系统模型。他们用温度、湿度等环境传感器收集数据。在最终产出产生后，同样的内容以SMS的形式发送给当地农民。在Jawad等人（2017）中，作者对基于WSN的农业应用进行了综述。作者比较了各种无线技术和协议套件，如Wi-Fi、蓝牙、GPRS/3G/4G、ZigBee、LoRa和Sig Fox。他们表明，LoRa和ZigBee无线技术由于通信范围合适和功耗低，可高效用于精准农业。对与无线传感器网络能量有效性相关的各种技术和算法进行了分类。他们还提到了可以在PA中使用的技术。最后，指出了无线传感器网络在PA应用中面临的挑战和局限性在Sikerwald等人（2018）中，作者将机器学习方法与物联网相结合，并展示了他们的他们通过共同使用无人机（UAV）和无线供电通信（WPC）来提高NOMA（非正交多址接入）公共安全网络在Hsu等人（2018）的研究中，作者提出了一种基于物联网云计算平台的创造性服务流程，可用于改善当前云到物理网络的集成，并提高物联网的计算速度。这项研究使用创新的平台技术，应用于云农业平台。通过云集成，可以应用于大面积的数据采集和分析，让网络信息资源有限的农田实现集成和自动化，包括农业监测自动化、病虫害管理图像分析等。（2020）作者通过设计氮磷钾（NPK）传感器提出了基于物联网的系统，这是一种具有光依赖电阻（LDR）和发光二极管（LED）的新方法。监测和分析存在于土壤的比色原理是使用。Google云数据库用于存储从字段中收集的数据，以便快速检索数据。模糊逻辑概念已被应用，以便知道从感测数据的营养素在模糊化时，将传感数据区分为很高、高、中、低和很低五个微控制器中包含的预期硬件和软件使用Python在Rasp-berrypi 3中开发。三种不同的土壤样品，如红色，沙漠，山地土壤进行了测试所提出的模型。相对于溶液土壤的浓度，所开发的系统导致线性变化。为了分析所开发的NPK传感器在端到端延迟、吞吐量和抖动等方面的性能，使用Qualnet模拟器部署了一个传感器网络场景。与现有解决方案相比，所开发的物联网系统被认为是农民最需要的农作物高产系统。在这篇文章中，研究人员确定了使用物联网的最重要的应用，并进行了详细的调查，特别是在精准农业中（Khanna和Kaur，2019）。在智能农业中使用物联网时面临的挑战。在Sethi和Sarangi（2017）中，作者调查了物联网发展领域的协议，方法和应用。文章提到了新的分类法物联网技术。它将最重要的技术推向高潮，这些技术有能力为人类生活带来非凡的变化，特别是对残疾人和老年人。与同类调查文章相比，本文全面、详尽地涵盖了从传感器件到应用的主要技术。在Abdmeziem等人（2016）中，作者提出了一项关于历史上主要架构的调查。此外，基本单元技术被广泛接受，以满足物联网应用需求。他们还介绍了一种分类，介绍了物联网特征中拟议架构的适当性。此外，他们还强调了现有解决方案的优势，并在最新技术水平的基础上提出了未来的发展方向。在未来的研究中，他们计划设计一种能够在互联网的每一层减轻物联网缺点的方法。在Ojha等人（2015）中，作者研究了有前途的无线传感器网络应用，以及在分发WSN以提高作物产量时所面临的挑战和限制。重点介绍了与无线传感器网络相配套的智能设备、传感设备和通信技术在农业上的应用.他们提到了不同的案例研究，以探讨文献中提出的现有解决办法。他们在文献调查中提到了包括印度在内的全球范围内实施精准农业的情况。他们描述了这些现有解决方案的缺点，并提出了未来的解决方案。R. Akhter和Shabir Ahmad Sofi沙特国王大学学报5606使用先进技术的方向。在Zhao等人（2010）中，作者研究了物联网在精准农业中的应用。他们利用无线通信技术实现对温室的定点监控。他们提出了利用无线通信的温室远程监控系统.在考虑系统管理的基础上，设计了一个信息管理系统现场数据已被用于研究。通过该远程监测系统，可以准确地监测到温室内的温度、湿度等田间数据，并经过适当的研究，使蔬菜生长状况良好建议的系统，tem导致提高性能和可靠性。该系统的界面对普通农民来说是友好的在Balaji等人（2018）中，作者提出了一种有效监测农田作物的方法。随着物联网的应用，数据可以从任何地方存储和检索各种传感器用于监测和收集有关现场条件的信息。通过GSM技术将农场情况集体发送给农民。在所提出的工作中，传感器部分仅限于监测农作物。 在Jayaraman et al. （2016）作者的研究集中在通过各种技术从农业领域收集数据。使用无线传感器网络，物联网，气象站，智能手机，无人机和相机被发现是有用的，在他们的研究。此外，作者还提出了一个基于物联网的平台，称为SmartFarmNet。这是能够处理收集的数据从外地有关的各种参数，如土壤，水分，灌溉，土壤肥力，湿度，温度等拟议的系统是能够相关的分析数据，并能够预测作物状况。在Paustian和Theuvsen（2017）中，作者强调了各种技术在精准农业中的重要性。德国农民如何能够接受使用智能手机等智能设备的精准农业。回归分析表明，精准农业对农民的影响是积极的作者给出了在农业中使用物联网的一些研究方向。2.2. 数据分析在信息技术出现之前，各种传统方法，如人工检测农作物病害和害虫、基于统计的计算以估计农作物的数量并预测农作物的产量和损失，通常是繁琐的，这导致由于检查员缺乏经验而导致的人为错误（Rumpf等人，2010年）。机器学习是技术通过经验学习的能力。数据分析和机器学习使我们能够从从农田收集的大量数据中得出最重要的结论。它揭示了影响园艺的参数（如温度、土壤盐度、湿度等）之间的隐藏模式和隐藏关系。在分析天气数据的作物病虫害预测中，最常用和相关的机器学习技术是人工神经网络（ANN）、SVM回归和Logistic回归、使用神经网络的识别技术、支持向量机（SVM）（Singh和Gupta，2016年）、模糊识别技术等。在Singh和Gupta（2018年）中，作者提出了一种使用机器学习分类算法对苹果病害进行分类的系统。他们通过使用苹 果 树 的 叶 子 图 像 作 为 输 入 来 分 类 的 两 种 疾 病 是 苹 果 黑 星 病和Marsonina coronaria。分类算法支持向量机，K最近邻，决策树和朴素贝叶斯用于相同的数据。Matlab 2016用于仿真所提出的系统。结果表明，K近邻法对疾病的分类准确率为99.4%。该系统是在北达科他州喜马偕尔邦开发的。在Shinde和Kulkarni（2017年）中，作者表明现有系统不可靠且廉价。他们提供了使用物联网和机器学习在精准农业中预测作物病害。他们提出了一个使用机器学习和物联网的系统模型。他们用温度、湿度等环境传感器收集数据。在最终产出产生后在Huang et al.（2018）中，作者使用机器学习方法来创建智能通信。为了提高有限无线资产的QoS（服务质量），已经使用了智能机器学习方法。在Geetha（2015）中，作者使用物联网技术和ML技术来预测马铃薯晚疫病。环境参数（如温度及湿度）通过使用部署于农田中的传感器装置捕获，传感器装置将信息传输到中央网关。收集的数据有助于检测枯萎病的水平和风险在Geetha（2015）中，作者使用准确度为94%的反向传播网络关注马铃薯作物的中度易感栽培。在Aggelopoulou等人（2011年）中，作者使用图像处理和数据分析算法进行精准农业，以预测特定地点的产量。通过对苹果园产量的预测，证明了花密度与果实产量之间有很高的相关性，其预测在Mazilu和Trandafir（2002）中，作者在果园中建立了五个所收集的数据可用于模型预测苹果黑星病的感染期。这种模型可以帮助农民确定是否需要（或缺乏）杀菌剂喷雾来控制苹果黑星 病 。他 们 将 这 些 信 息 发 布 在 www.example.com 上http://www.pomosat.ro，供罗马尼亚邻近的苹果种植者访问和决策使用。 在Ceti，s li和Büyükçingir（2013）中，提出了一种新的苹果黑星病预警预测模型。该模型基于人工智能和时间序列预测。用时间序列预测模型代替湿润持续时间的总和来评价苹果黑星病的侵染期采用皮尔逊相关系数法、Fisher线性判别分析法、语言模糊限制自适应神经模糊分类器等特征选择方法确定重要时段。采用自适应神经网络模型进行预测为了确定苹果黑星病感染，需要24小时来捕获测量值。五个气象测量指标：相对湿度、叶片湿度、温度、日照和降雨量.每隔12分钟收集数据，因此时间是时间序列预测的另一个参数他们指出了苹果黑星病与气象测量之间的相关性他们发现感染的适当时间。 此外， 还对苹果 病害进行 了分类预 测。在 Foughali et al.（2018）作者提出了一种新的决策支持系统（DSS），用于使用WSN，云和物联网的集成来预防晚疫病。该模型对马铃薯晚疫病的防治具有一定的指导意义。DSS能够估计施用的杀真菌剂的精确量此外，与天气相关的物联网传感器被部署来收集实时数据，然后发送到云物联网框架进行处理。预测模型利用气象站的气象相关数据和历史数据对晚疫病进行预测。该系统对农民来说效率很高，成本效益也很好。在Balducci et al.（2018）中，作者打算将来自不同来源的异构数据以数据集的形式组织起来，作为感官系统的结果他们还表明，无论是大规模还是小规模，公共或私人公司都在努力提高盈利能力。找到正确的方法来使用连续记录的数据是实现目标的最佳可能性指出了回归分析、神经网络和机器学习在决策中的作用在Hamad等人（2018）中，作者强调了智能手机在获取土壤水分、湿度、温度等不同参数的农艺学事实信息方面的重要性。在同一篇文章中，他们强调了R. Akhter和Shabir Ahmad Sofi沙特国王大学学报5607表2.1文献调查。参考贡献结果（贾亚拉曼例如，（2016年）SmartFarmNet应用程序建议的框架能够：● 使预测相关到作物性能●作物预测（Ahmed等人， 2018年）（Muangprathub等人，2019年度）他们提出了一种可扩展的网络架构，用于监测和控制农村地区基于无线传感器网络，他们提出并开发了一种系统，可以最佳地灌溉柠檬，家庭种植的蔬菜等农作物。在以下方面提高业绩：● 延迟● 带宽数据挖掘显示，家庭种植的蔬菜和柠檬的生产率很高：● 温度应为29● 湿度72（Fonthal等人，2018年）作者设计了一种低成本的精准农业系统，称为Smartnode。他们部署了系统：● 提高了番茄田的产量。（ Mazilu 和Trandafir，2002年）（ Hamad 等人 ， 2018年）（Trilles Oliver等人， 2019年度）（Jawad等人，（2017年）（Lavanya等人，2020年）他们提出了一个果园系统，用于监测和模拟苹果黑星病（黑星菌），他们在果园建立了五个现场气象站收集数据。了解农民对在农业活动他们提出了一个名为SEnviro（感知我们的环境平台）的系统来监测葡萄园。作者比较了不同的无线技术和协议，如Wi-Fi，蓝牙，ZigBee，GPRS/3G/4G，LoRa，Sig Fox他们提出了一个基于物联网的系统，设计了一种新型的氮磷钾（NPK）传感器，带有光敏电阻（LDR）和发光二极管（LED）。拟议方案：● 在质量和数量应用卡方检验后获得的结果：● 缺乏信任● 成本高他们使用：● 边缘计算范式，以减轻两端之间的通信。他们表明：● ZigBee和LoRa无线协议更方便精准农业。所提出的模式被证明是有益的：● 为了农作物的高产。（ Shinde 和Kulkarni，2017）给出了用于作物病害的机器学习和物联网实现的信息。审查得出的结论是：● 现有系统既不可靠又不便宜智能手机在农业领域的应用。作者通过问卷调查和访谈对约230名农民进行了调查，以了解他们想要什么。在完成这一过程后，他们得出的结论是，农民有兴趣利用智能手机来获取有关当前农场数据的信息。表2.1总结了文献调查的要点，现有技术的作者如何在精准农业中做出贡献以及他们取得了什么成就。2.3. 物联网和数据分析作为智能系统在农业中的应用物联网/传感器节点在精准农业中起着收集实时数据的关键作用（Sriet al.，2019年）。这些节点具有通过从农田采集实时数据来使农业系统精确化的能力，从而使系统更实用。通过整合数据分析和机器学习，农业系统变得更加可行。所有这些技术在其他领域都有巨大的应用。在精准农业中，为农民开发了各种应用程序，以及时告知他们作物的状况。精准农业的体系结构通常由三个主要阶段组成，如图所示如图2.1所示。第一阶段包括传感器/物联网节点的数量，以监测物理或环境条件，土壤条件，植物条件，例如土壤湿度传感器记录土壤湿度读数或土壤养分传感器将检查土壤的肥力在第二阶段，我们需要收集这些精确的数据，我们可以将数据本地存储到最近的雾节点，也可以将其发送到云上进行更高的计算和远程监控，这取决于需要。在架构的第三阶段然后将此信息传达给最终用户（农民），帮助他们识别读数是否低于或高于阈值。因此，它们启动与致动器的通信，该致动器将打开（或关闭）浇水系统以将水倾倒到土壤中，或者农民（最终用户）可能需要喷洒一些肥料钾、氮和磷以平衡土壤的肥力使用分析和致动器，响应机制在识别（感测/预测）任何关键场景时被激活。物联网和无线传感器网络在精准农业中有许多应用，这里提到了其中的一些应用图2.2显示了与精准农业相关的应用。2.3.1. 土壤选择和规划土壤是每一种农业实践的基本组成部分没有土壤，作物这个词就不存在.土壤被认为是植物的胃（Manna et al.，2014年）。因此，分析土壤状况是实现最佳农业实践的第一步通过土壤测试我们可以分析物理，生物学-R. Akhter和Shabir Ahmad Sofi沙特国王大学学报5608图2.1. 精准农业模式。图2.2.与精准农业相关的应用。土壤的化学、物理状态。在此基础上，农民可以对他们的土地做出相应的决定精准农业的主要动机是从稀缺的可耕地中生产更多因此，为了实现新时代的技术是非常重要的在全球范围内，因为我们必须满足人口增长与有限的资源。通常土壤测试基于天气土壤条件在秋季完成（Dinkins和Jones，2019）。通过土壤测试，可以分析土壤养分，包括与肥料需求、作物历史、土壤类型、灌溉水平等有关的信息目前，我们有各种传感器为基础的技术，这是非常有帮助的土壤选择和规划。这些技术帮助我们决定最适合土壤的最佳作物Agro- cares开发的土壤测试工具包Lab-in-a-Box被认为是完整的实验室测试工具包（Dinkins和Jones，2019）。任何农民都可以使用它来测试他们田地的土壤，而不需要去任何农业实验室。根据这个工具包，据说每天可以测试大约100这意味着每年可以在不访问任何实验室的情况下测试大约36000个样本 使用具有传感器的基于视觉的技术，农学家可以熟练地确定植入种子和植物的深度和距离（Manna等人， 2014年）。在Santhi et al. （2017年），使用GPS（全球定位系统），传感器和基于视觉的自主机器人Agribot用于播种。因此，简而言之，我们可以说，目前的技术对每个农民都很有帮助，帮助他们选择最适合的土地种植合适的作物。2.3.2. 农田灌溉根据需要灌溉农田是生产越来越多作物和管理可用淡水水体的最佳方法之一。人类仅依赖于0.5%的可用淡水。地球上大约97%的可用水是咸水，剩下的3%是淡水。大约67%的淡水是在极地冰盖或冰川冻结（冰，2020年;地球的百分之多少是水？，2020年）。这意味着只有剩余的百分比的淡水是解冻的，位于地下，只有0.5%可用于动植物，R. Akhter和Shabir Ahmad Sofi沙特国王大学学报5609《 水 的 事 实 -- 全 球 供 水 》 （ Water Facts-Worldwide WaterSupply，2020）粮农组织在《2020年可持续粮食和农业用水》中提到了这一点; Motoshita等人， 2018年），农业地区消耗了约70%的0.5%可用淡水，在不发达国家甚至约85%被用于同样的目的。因此，管理水资源是人类的责任为此，许多研究人员正在努力。因此，传统的灌溉方法可以通过采用新兴的技术，如物联网和无线传感器网络进行管理我们可以部署与土壤湿度相关的基于WSN的系统，当我们需要灌溉系统时，它会通知我们 在（Zhang等人，2018年;灌溉&用水量，2020年），作物水分胁迫指数（CWSI）已经开发出来，可以用来提高作物的效率。在CWSI系统中，我们将所需的传感器部署在所需的区域并收集数据，将该数据发送到中央处理器。作为中心节点，我们还从气象站收集数据，包括卫星图像，基于所有这些，我们决定是否应该灌溉田地。简而言之，我们可以说，通过采用新兴技术，我们可以保持作物所需的水分，从而节省淡水资源。2.3.3. 肥料肥料为土壤提供养分，这些养分又通过根系转移到植物中。肥料如钾（K），磷（P），氮（N）等都有自己的用途，以保持植物群的健康。植物主要需要氮磷钾宏量营养来维持健康。P用于维持根、花的健康，并有助于果实发育，K用于茎的生长和木质部的正常功能，以便水可以转移到植物的每个部分，N有助于叶子的生长。因此，我们需要防止任何形式的氮磷钾肥料在植物中的缺乏或使用不当也可能导致不良后果。过度使用化肥使生态系统失衡。精准农业通过使用无线传感器网络、机器学习和物联网技术，帮助我们正确使用NPK肥料使用航空/卫星图像监测作物营养素，在（Benincasa et al.，2018年; Liu等人，2018年）作者使用了归一化植被指数（NDVI），从植被中可以看到可见光和近红外光的反射。它可以帮助农民估计植物活力、作物健康和密度。它还有助于评估土壤养分水平。因此，它有助于肥料的有效使用。NDVI有助于精准农业使用VRT（可变速率技术）等新兴技术（Colaço和Molin，2017年; Basso等人， 2016年），自动驾驶汽车（汗例如，2018），地理测绘（Suradhaniwar等人，2018）和全球定位系统（GPS）精度（Shi等人，2017年）。简而言之，我们可以说，如果不能正确使用化肥，那么我们就会给我们的后代带来困难。因此，最好通过采用新时代的技术来发展我们的地球。2.3.4. 作物病害目前，全球范围内的各种作物病害，如叶斑病、苹果黑星病、马铃薯黑星病、炭疽病、晚疫病等，表3.1克什米尔地区的苹果生产区生产量（公吨）Baramulla469.3Anantnag161.182Pulwama121.9库尔加姆45.53斯利那加36.1枯萎病、早疫病、白粉病等。这些疾病造成高达数十亿的经济损失。除了财政和经济损失外，作物病害还影响动物的健康。 据联合国粮农组织（FAO）估计，由于作物病害和害虫的使用，20现在是时候努力了，因为如果我们不处理这一切，我们将在不久的将来失去更多。物联网通过使用无线传感器、无人机、其他基于物联网的智能设备在监测农作物状况方面发挥着重要作用，这些智能设备捕获农作物的状况并在高端处理器中进行分析，并基于使用机器学习的决策支持系统做出相应的决策。大量的工作已经应用到克服这一切，通过使用各种新时代的技术.在Oberti等人（2016年）中，各种方法，如自动化和车辆喷雾，主要用于精准农业来治疗农作物的疾病。2.3.5. 虫害管理通过使用各种杀虫剂，除草剂，杀虫剂，以消除作物的敌人，我们试图最大限度地提高产量。大多数农民都是普通人，他们不了解当前的趋势和技术。他们对精准农业技术一无所知。杀虫剂、杀虫剂等的过量和不足使用使自然界失衡。过量使用农药对环境造成了不良影响。通过使用这些杀菌剂，我们创造了更多的慢性和致命疾病的机会，如癌症，哮喘等。在Kim et al.（2018）和Venkatesan et al.（2018）中，在物联网的帮助下，我们可以阻止这些杀虫剂的不当使用基于实时环境监测的现代物联网害虫管理提供疾病预测、建模等，因此结果更有效。2.3.6. 合格率监测物联网的最后一个应用是农田监测。为了使产量在质量和数量上都最大化，好的农民应该毫不犹豫地采用现代技术，因为所有的农民都希望从他们的田地里生产出最好的产量，他们总是喜欢提高作物的数量和质量产量监测是指对整个作物面积从耕种到收获的全程监测。在收获时，我们需要检查如何储存食物？如何运输？如何处理在储存过程中引起的疾病无线传感器等相关技术的应用解决了这些Wietzke等人（2018）、Chung等人（2016）和Gholami等人（2014）已经提到，作物的质量和产量取决于自花授粉和其他环境条件。在干燥条件下监测木瓜等食物时，使用多个光学传感器（Udomkun等人，2016年）。3. 在传统克什米尔农场采用物联网（传感器）和数据分析来预测苹果黑星病苹果是世界上种植最多的水果之一。它主要生长在干旱地区。在查谟和克什米尔，来自大部分地区的人们都依赖农业和农业，它生产了印度大量和多样化的苹果。 它的产业在JK价值数千亿卢比。如表3.1所示，克什米尔地区的苹果产量。但由于各种疾病，广泛的害虫和缺乏技术的领域，我们失去了数量和质量的作物。苹果黑星病是困扰苹果种植者的最大病害R. Akhter和Shabir Ahmad Sofi沙特国王大学学报5610