边缘计算在智能农业中的应用——全球粮食安全和农业系统现状调查

农业中的人工智能3（2019）42边缘计算：智能农业的易处理模型M.J. O'Gradya，D.Langtonb，G.M.P.奥黑尔aa爱尔兰都柏林大学学院计算机科学学院，都柏林4bOrigin Enterprises，4-6 Riverwalk，Citywest Business Campus，Dublin 24，Irelanda r t i c l e i n f o文章历史记录：收到2019年2019年11月30日收到修订版2019年12月1日接受在线提供2019年12月10日保留字：智慧农业精准农业边缘计算雾计算a b s t r a c t建立粮食安全仍然是一项全球性挑战，因此是联合国2030年可持续发展目标的具体目标在世界范围内成功地提供生产和可持续的农业系统在考虑消除世界饥饿和营养不良的双重目标时，智能农业通常被视为一个关键推动因素由于技术、社会和经济因素的影响，智能农业系统的实际实现、部署和采用仍然很遥远边缘计算为智能农业的主流化提供了一个潜在的易处理模型存在一种协同关系，如果有效利用，将增加智能农业技术在多数-少数世界边界的传播本文考虑了全球粮食安全、智能农业和互联网接入普遍问题的普遍背景一项调查的国家的最先进的研究利用边缘模型计算在农业中的报告。调查结果证实，边缘模型是积极探索在一些农业领域。然而，研究是植根于原型阶段，目前缺乏详细的研究虽然潜力已得到证明，但必须解决几个系统性挑战，才能在农场一级产生有意义的影响© 2019作者由爱思唯尔公司制作和主持我代表科爱通信公司，公司 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/）。内容1.导言. 431.1.捐款432.全球粮食问题2.1.粮食贫困：一种内在矛盾？................................................................................................................................................................................................................432.2.建立粮食安全2.3.走向可操作的智能农业443.智慧农业443.1.构成技术3.1.1.定位系统443.1.2.现场遥感3.1.3.数据分析453.1.4.决策支持453.1.5.自动化机器人453.2.英国小麦的智能生产3.3.互联网接入：一个全球性问题3.4.边缘计算：现状454.农业中的边缘计算4.1.畜牧业：健康和福利4.2.作物生产4.3.水产养殖484.4.林业484.5.农场安全484.6.监测农场周围环境*通讯作者。电子邮件地址：我的朋友. J. ogrady@ucd。ie（M. J. O'Gr ad y）。https://doi.org/10.1016/j.aiia.2019.12.0012589-7217/© 2019作者。由爱思唯尔公司制作和主持我代表科爱通信公司，公司这是一篇基于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上获得目录列表农业中的人工智能期刊主页：http://www.keaipublishing.com/en/j ournals/artificial-intelligence-in-agriculture/M.J. O'Grady等人 /农业人工智能3（2019）42 - 51434.7.食品供应链5.讨论496.结论. 50致谢. 50参考文献501. 介绍智能农业设想利用各种信息和通信技术（ICT）来提高曾经可持续且经济上可行的生产力。该范式是技术不可知论的;它设想提供一套可根据情况需要使用的技术这些技术可在农业价值链中从生产者到消费者的任何地方采用。在农场一级，吸引农业界注意的是在尽量减少投入的同时尽 量 提 高 生 产 力 的 可 能性 农 业 部 门 采 用 信 通 技 术 面 临 许 多 挑 战（Archontakis和Anastasiadis，2019年）。预计部门增长。2017年，智能农业产品市场估计为63.4亿美元;预计到2023年，该市场将达到135亿美元，复合年增长率（CAGR）为12.39%（MarketsandMarkets，2018）。智能农业带来的好处是有据可查的--一个共同的主题出现了;在智能农业的保护伞下提供的服务几乎总是依赖于持续的互联网接入。 这种获取首先是一个社会问题;农民由于其农村和往往偏远的地位而特别脆弱。一般来说，问题是双重的;有些人没有互联网接入，而另一些人则有间歇性的、质量差的连接。因此，那些即使是相对简单的服务也会证明是最有益的人，不能利用这些服务。边缘计算（Shi等人， 2016）提供了一种手段，通过这种手段，农业社区可以更有效地获得和利用智能农业服务。它可以帮助缓解互联网接入问题，但不能消除它。将Edge模型集成到他们的设计中将为服务提供商带来挑战。事实上，农业领域，特别是在农场层面，为边缘计算模型在智能服务交付方面的有效性提供了一个令人信服的测试案例因此，本文旨在评估边缘计算如何在广泛的农业领域被研究界1.1. 贡献本文调查了研究文献，并提供了关于在农业中采用边缘计算的最新技术提供了Edge/Fog计算所设想的全球粮食安全和分布式计算架构方面的背景最后提出了从调查中得出的见解。表12017年世界营养不良流行率估计（粮农组织，2019年）。营养不良发生率（%）非洲19.8亚洲11.4拉丁美洲加勒比地区6.5大洋洲6.1北美欧洲b2.5世界杯10.82. 全球粮食问题粮食贫困在全球范围内提出了许多挑战（粮农组织，2019年）。阐明：• 超过8.2亿人在挨饿;也就是说，世界上几乎每九个人中就有一个人在挨饿。• 据估计，全球营养不良的发生率略低于11%。• 在高收入国家，缺乏定期获得营养和充足食物的机会;据估计，北美和欧洲8%的人口粮食不安全。• 妇女的粮食不安全程度略高于男子。这些数字清楚地说明和提醒人们世界上很大一部分人口所遇到的问题如果考虑到世界人口中有很大一部分还受到隐性饥饿，即微量营养素（维生素和矿物质）缺乏的影响，这种情况就会更加严重。微量营养素对身体发育和疾病预防至关重要，只能从饮食中获得消除世界饥饿的政策往往不区分长期饥饿和隐性饥饿;然而，有证据表明，国家战略在微观层面上增加了额外的具体干预措施（即，社区、家庭或个人）可能更有效（Gödecke等人， 2018年）。表1显示了2017年世界营养不良的发生率。到2017年，全球人口超过70亿，预计将超过到2050年达到97亿这一发展对粮食供应产生了影响;据预测，粮食需求可能需要增加25%至70%才能满足需求（Hunter等人， 2017年）。2.1. 粮食贫困：一种内在矛盾？肥胖是一种国际流行病;传统上与成人有关根据世界卫生组织的数据，2016年，19亿18岁及以上的成年人超重;其中，超过6.5亿成年人肥胖。在智利，估计有4100万5岁以下的儿童超重或肥胖。肥胖症越来越多地出现在中低收入国家。肥胖背后的科学是复杂的;许多因素结合起来导致它，包括遗传学，激素和环境。令人惊讶的是，肥胖可以被认为是食物贫困的一个方面;对于高收入国家的低收入者来说，遵循健康的饮食通常是昂贵的，导致肥胖-贫困的比例（playukiewicz-Sobczak等人，2014年）。第二个矛盾出现在考虑食物浪费和损失据估计，供人类消费的所有粮食中有三分之一在整个粮食供应链（图1）中损失或浪费，从生产到消费（粮农组织，2018年）。这种损失相当于13亿吨/年;实质上，人类消费所产生的卡路里的四分之一成为食物垃圾（Kummu等人，2012年）。2012年，食物浪费的价值估计为9360亿美元;这略高于印度尼西亚或荷兰2012年的国内生产总值。1世卫组织：肥胖和超重情况说明书。https://www.who.int/en/news-room/fact-sheets/detail/obesity-and-overweight.44M.J. O'Grady等人 /农业人工智能3（2019）42 - 51图1.一、食品供应链的各个阶段。改编自粮农组织（2018）。当年2粮食损失是由供应链上的问题造成的2.2. 建立粮食安全粮食生产和供应不安全的原因是复杂和多方面的。一系列广泛的问题，包括政治不稳定、冲突、经济前景不佳和自然灾害，都是造成这种情况的原因。在自然灾害方面，粮食、干旱和热带风暴对粮食生产的影响最大（粮农组织，2015年）;尤其是干旱，造成农业总破坏和损失的80%，其中畜牧业和作物生产子部门受到的影响尤为严重。 由于没有单一的原因为什么供应食品是有问题的，所以不可能有单一的解决方案;相反，应该采取混合的策略（Fraser等人， 2016年）。在关于粮食安全的讨论中出现的一个反复出现的主题是可持续性。然而，这一概念是有问题的，在某种意义上是两极分化的。 正如Bénéet al. （2019），可持续发展的概念被不同的社区广泛采用，但仍然缺乏定义和应用。关注微观解释将使协调营养、能源和水的使用以及温室气体排放的矛盾需求所必需的不变权衡成为一个更加困难的主张（全球小组，2016）。最终，认识到粮食安全是一个邪恶的问题（Peters和Pierre，2014），因此是一个值得解决的问题，可能有助于承认其规模和复杂性，并促进考虑解决其破坏性方法2.3. 走向可操作的智能农业从历史上看，农业中采用ICT的速度相对较慢;造成这种情况的原因有多种，但基础设施的内在缺乏是一个关键的抑制因素（Trendov等人，2019年）。社会经济问题显然起了作用（Tamirat等人，2018）;尽管如 此 ， 价 值 主 张 是 关 键 ， 这 对 美 国 的 许 多 农 民 来 说 仍 然 不 清楚（Thompson等人，2018年）。因此，它要求决策者确保价值主张不仅对农民而且对价值链中的所有行为者都有意义据世界经济论坛（WEF）估计，如果到2020年，物联网（IoT）解决方案部署在发达国家50智能农业提供了技术将如何转变的一个愿景农业实践。粮食生产始于农场;因此，全球粮食供应问题的可持续解决方案也必须一个全球性的解决方案不会出现在农场层面;相反，多样化的农场系统必须得到智能农业的支持（Walter等人，2017年）。解决方案的一部分可能涉及农民采用研究开发（R D）角色，正如MacMillan和Benton（2014）所设想的那样，以增加创新和验证解决方案。2粮农组织：粮食浪费足迹气候变化。http://www.fao.org/3/a-bb144e.pdf网站。3. 智慧农业ICT技术继续渗透到农业中，导致定义了几种范式来捕捉这一现象。智慧农业、数字农业和电子农业只是学术文献和大众媒体中遇到的一些术语。虽然经常互换使用，但每种范式都可能有细微差别，这取决于最终用户群体。最常见的术语之一是精密农业（PA），特别是在讨论农场层面的操作时;这种模式的普遍性已经在多农场系统中得到了证明-见表2。 定义是多种多样的;然而，Gebbers和Adamchuk（2010）的定义可能是典型的-“精确农业包括一套技术，将传感器、信息系统、增强型机械和知情管理相结合，通过考虑农业系统中的可变性和不确定性来优化生产。”必须强调的是，智能农业和类似的范例并不与单一的技术相结合;相反，它们包括一系列必须根据需要和背景加以利用的技术。3.1. 组成技术智能农业中使用的技术多种多样;然而，核心技术往往围绕五种技术合并（图1）。 2）。3.1.1. 定位系统利用GPS、Galileo和等效系统的基于卫星的定位为许多智能服务提供了基础在实践中，必须增强信号，以提供地面所需的必要精度为了提供厘米精度，有必要使用实时动态（RTK）;这需要农民的机械上的接收器被适当地装备。由于RTK的精度与距基站的距离成正比，因此可能需要在农场安装RTK基站。 位置精度是自动制导和转向、产量监视器和可变速率技术（VRT）的基础。3.1.2. 现场遥感从卫星或无人驾驶航空器（UAV）捕获的遥感图像可以对农场进行客观的时间序列分析，从而能够识别对作物造成压力的因素，如土壤水分不足现场传感是指安装在农场一级的传感器平台;例如气象站和土壤传感器。表2精准农业在不同耕作制度中的应用农业系统参考养蜂亨利等人， 2019AQUOTEFøre等人， 2018CottonGuo，2018CropsBaylis，2017HorticultureLópezetal.， 2011畜牧业Berckmans，2017RiceGuan等人， 2019葡萄栽培Santesteban，2019M.J. O'Grady等人 /农业人工智能3（2019）42 - 5145图二、 提供智慧农业服务的基础技术。3.1.3. 数据分析对于一个普通的农场，重要的数据量可以从卫星、无人机和现场来源快速生成处理这些数据以使其易于解释需要访问从图像处理到机器学习的各种分析云和边缘技术是数据分析的有吸引力的解决方案3.1.4. 决策支持将信息转化为知识支持的、基于证据的决策构成了智能农业以农民为中心的维度据认为，当地农民对这种决策支持工具的接受速度很慢。为什么会出现这种情况已经调查;英国的研究人员确定了15个有助于有效使用决策支持工具的特征（包括成本和信任）（Rose等人， 2016年）。3.1.5. 自动化机器人目前，机器人在很大程度上还是一项新兴技术，尽管有现场试验的记录，但仍处于研究喷洒、除草和收割是目前优先考虑的三项活动农业机器人总是比传统的拖拉机/机器组合更轻，从而减少了可耕地农业系统中的土壤压实问题。3.2. 英国小麦的智能生产小麦是世界上仅次于水稻的最大农作物;它在各种气候条件下生长，但产量根据气候和生长条件而变化很大以英国为例，与世界其他地区相比，平均产量较高;然而，各地区、农场和田地之间仍存在相当大的差异智能农业为了解作物表现的历史和当前变化提供了极好的潜力在地面上的机器和支持服务平台之间。GPS转向和土壤测绘是英国最常用的PA技术了解作物表现的一项关键技术是产量测绘;在这里，联合收割机配备了产量监测设备，该设备与GPS相结合，能够生成整个田地的产量数据点。必须强调的是，某一点的产量是整个季节影响作物的所有因素（例如天气）的累积结果了解这些因素，特别是在土壤中进行的过程，是复杂的，目前还没有很好的理解然而，这种情况正在改变，创新产品正在出现在市场上例如，2018年，Teralytic Inc.（美国）3发射了一个土壤探测器，在不同深度安装传感器，以测量土壤养分和其他环境参数。这些通过无线远程广域网（LoRaWAN）以接近实时的方式报告给基于农场的网关，然后上传到云端进行分析。在那里，农民和他们的顾问可以访问信息，并作出更明智的决定有关作物管理。虽然有希望，但这些探针的有效性受到损害，因为它们是原位和静态的。从长远来看，移动机器人的使用，以及合作机器人的可能性，例如英国小型机器人公司4正在开发的原型机器人，提供了更灵活和全面的可能性。3.3. 互联网接入：一个全球性问题在互联网和宽带接入方面存在农村数字鸿沟;这是世界各地反复出现的主题。实际上，城市和农村地区之间的服务质量（QoS）总是存在差异;然而，从社会和经济角度来看，弥合这一差距并最大限度地缩小差距至关重要，也是许多政府举措的主题。为了量化：在美国，FCC报告说，39%的美国农村地区没有宽带接入。5在欧盟，农村地区的覆盖率为47%，而总体平均水平为80%;在14个成员国中，农村地区的高速宽带覆盖率为50%（欧洲审计院，2018年）。平均而言，世界上有50%的人上网;然而，另外50%的人可能主要是生活在（相对）孤立地区的穷人联合国可持续发展目标9和6的一个关键目标是到2020年在最不发达国家（LDCs）提供普遍和负担得起的互联网颠覆性技术即将出现，例如，TV空白空间（Johns onanddMik eka，2016）。 F IG。3.说明在家庭一级如何在全球范围内实现不同的目标。 对最不发达国家而言，可以推测，农民往往得不到这种机会。3.4. 边缘计算：现状边缘模型的价值主张是将计算、网络和存储推向移动网络的边缘，从而为计算密集型、延迟敏感型和带宽要求高的服务提供足够的QoS（Abbas等人，2018年）。对于本讨论，边缘计算和雾计算被认为是可互换的;雾计算倾向于关注基础设施维度，而边缘计算倾向于关注设备维度（Shi等人，2016年）。雾计算倾向于从云的角度看待世界，而边缘计算通常是从网络的角度来看待的（图4）。标准化举措正在进行中。OpenFog Consortium7为Fog计算定义了一个开放的参考架构;2018年，该架构被采纳为一个正式标准（IEEE通过这种方式，可以优化不断增长的系统，既经济又可持续。随着农场规模的增加，英国对技术的采用正在增加，从而降低了每公顷的成本。越来越多的机械制造商正在提供支持智能农业的设备。ISOBUS等标准化技术在此至关重要，因为它们可确保更大的互操作性3Teralytic Inc. https://teralytic.com/网站。4小型机器人公司https://www.smallrobotcompany.com/网站。52016年宽带进展报告。https://www.fcc.gov/reports-research/reports/broadband-progress-reports/2016-broadband-progress-report.6可持续发展目标https://unstats.un.org/sdgs/report/2016/goal-09/7OpenFog联盟。https://www.openfogconsortium.org/网站。46M.J. O'Grady等人 /农业人工智能3（2019）42 - 51图3. 世界各地的家庭都可以上网。* 国际电联估计数。资料来源：国际电联世界电信/信通技术指标数据库。https://www.itu.int/en/ITU-D/Statistics/Pages/publications/wtid的网站。aspx。1934年由IEEE标准协会（IEEE-SA）发布。 ETSI（欧洲电信标准协会）已经开发了边缘计算的标准，或者更正式地说，多址或移动边缘计算（MEC）。8ETSI和OpenFog Consortium积极合作;行业参与是两者的共同点。研究表明，精准农业在经济上是有利的，但具有场地特异性（Grif fin等人， 2018年）。目前，物联网被视为现代农业发展的关键贡献者。当考虑到边缘计算的持续发展时，可以设想，通过在网络边缘实现智能，边缘计算有可能从根本上改变当前的实践，从而提供易于处理的智能农业服务。4. 边缘计算在农业现在介绍边缘计算在农业中的调查为这次调查确定研究的方法如下。使用检索词组合检索Scopus和Web of Science存储库主要的搜索词是边缘计算或雾计算。农业和农场的大规模变化又使这些问题得到了加强。然后添加了第二级领域特定搜索词-园艺，水产养殖和森林。最后，添加了额外级别的特定术语以完成搜索查询;这些术语包括作物、动物、水果、蔬菜和鱼类。所有检索词均以带有通配符的最终脚本表示共发表论文135篇。对这些进行了筛选，以排除扩展摘要、概念论文和海报摘要。这项工作的结果是确定了46篇论文，值得更详细的研究。这种方法的一个局限性是，它不包括已发表的研究8多访问边缘计算（MEC）。https://www.etsi.org/technologies/multi-访问边缘计算。在传统渠道之外，即表3总结了本次调查中确定的边缘计算技术。4.1. 牲畜：健康和福利Bhargava和Ivanov（2016）说明了边缘挖掘（EM）（Gaura等人， 2013）预测奶牛热应激的方法。温度湿度指数（THI）使用来自一套物理原位传感器的数据计算每头奶牛的项圈作为评估THI和估计热应激概率的基准点然后根据需要将风险传达给农民虽然案例研究是奶牛，但该方法可以应用于不同的农业系统。EM方法的修改已经在Bhargavaet al. （2017年）。在这里，奶牛的运动是使用由作者开发的称为交互式边缘挖掘（IEM）的分类技术在项圈设备上分类的利用两种方法-所讨论的信号是来自加速度计的信号，从加速度计中推导出活动状态。这些信息被上传到云端;在这里，在与农民沟通之前，将对动物的运动进行分析只有当奶牛在挤奶站时才进行挤奶已经进行了 线 性 西 班 牙 语调 查 协 议 （ L-SIP ） 的 性 能 的 后 续 调 查（Bhargava等人， 2016年）。EM研究的最近迭代评估了经修订的IEM算法（IEM2.0），其增强了基于协作活动序列的地图匹配（CASMM）-ASMM的扩展（Zhou等人，2015），为奶牛的活动识别和定位提供雾分析解决方案（Bhargava等人， 2019年）。初步结果是有希望的，实现了高达99%的定位精度同样，核心方法是通用和可转让的。Taneja等人（2018）同样展示了边缘计算在牛群健康监测中的应用，使用农场工作站上托管的Fog节点，以及连接到牛群中奶牛脚上的计步器-M.J. O'Grady等人 /农业人工智能3（2019）42 - 5147图四、 边缘农业作为云和电信模式。每头牛一 在节点上，发生数据聚合、预处理、分类和特征选择。 这样的行为分析允许观察到异常规范;例如，与这些规范的偏差可以是疾病的指示。当检测到跛行等情况时，向农民发送警报（Byabazaire等人， 2019年）。Caria等人提出了利用边缘计算进行动物福利监测的通用架构。（2017）和Taneja et al. （2019年）。Debauche等人（2018）探索CE设备的潜力，在这种情况下，智能手机平台（iPhone），作为边缘节点动物行为。该设备被托管在笼头上，并且从设备的IMU测量五个单独的参数在处理这些参数之后，总共产生41个参数当从数据源（奶牛）的频率和数量方面考虑数据时，数据管理挑战很快就会出现; lambda云架构可以用来管理这一挑战。在iPhone上使用边缘计算将传输的原始数据大小减少了43.5%。Jukan等人（2019）描述了一种用于智能农业的低成本、集成的云到雾架构。这种建筑的一个有趣的特点是表3边缘计算技术在农业领域的应用主题域边缘计算技术参考动物福利精密乳品延迟敏感分析。Bhargava和Ivanov，2016年动物福利精密乳品边缘挖掘（L-SIP）用于数据压缩。Bhargava等人，2016动物福利精密乳品行为模型的学习（Learning of BehaviorBhargava等人，2017动物福利精密乳品计算负载（上下文感知）。Bhargava等人，2019动物福利精密乳品减少数据传输。Byabazaire等人，2019动物福利精密乳品计算负载（数据分类和分析）。Taneja等人， 2019; Taneja等人， 2018动物福利精准畜牧计算负载（本地数据分析）Caria等人，2017动物福利精准畜牧减少数据传输。Debauche等人，2018动物福利精准畜牧减少延迟。Jukan等人，2019动物福利家禽数据分析（DataAnalytics）。Yang等人，2019水产养殖雾培装载量的计算。Chang等人，2018水产养殖水培装载量计算（自动控制）。Ferrán-Pastor等人，2016水产养殖水产养殖减少数据传输;减少数据负载的计算。Romli等人，2017水产养殖Aquaponics装载量的计算。Romli等人，2018作物精准葡萄栽培计算负载（警报生成）。Morais等人，2019作物葡萄栽培（Viticulture）装载量的计算。Oliver等人，2018作物番茄生产计算负载（隐私保护）。Park等人，2017农场周围宏基因组学数据分析（DataAnalysis）。D'Agostino等人，2019; Merelli等人，2018农场周围水质延迟减少。范和高，2018农场周围微气候（温度）数据分析（DataAnalysis）。Krintz等人，2018农场周围土壤肥力数据分析（DataAnalysis）。Lavanya等人，2019农场周围精准灌溉装载量的计算。Zyrianoff等人，2018林业火灾探测装载量的计算。Avgeris等人，2019林业火灾探测计算能量负载（能量密集型任务）。Kalatzis等人，2018林业火灾探测负载计算;分布式数据收集。Neumann等人，2018林业火灾预测预测（Predictions）。Rajagopal等人，2018安全野生动物监测动物分类（Animalclassification）（Elias等人，（2017年）安全野生动物监测延迟减少;计算负载;数据流量减少。（Singh等人，2018年）供应链货架期预测计算负载（数据分析和预测）。Musa和Vidyasankar，2017年48M.J. O'Grady等人 /农业人工智能3（2019）42 - 51它包含一套用于监测动物及其物理室内环境的异构传感器;然而，标准平台是Raspberry Pi。 通过利用边缘计算，作者展示了降低的延迟和对可扩展性，模块化和可靠性的支持。展望未来，机器学习的使用被认为是减少传感器基础设施的可行方法Yang等人（2019）同样解决室内环境监测问题，在这种情况下，鸡舍。温度、湿度和光照强度均受到监控，可实现近乎实时的控制。来自传感器的数据分析发生在网关（边缘）节点上，从而驱动风扇和灯的4.2. 作物生产Oliver等（2018）描述了一个基于物联网范式的通用监测框架;它已在一个viti- culture场景中部署和验证，其中监测各种天气和土壤参数。从战略上讲，目标是积极预测与葡萄园同义的某些疾病，但气象条件是爆发的关键预测因素此类疾病的实例包括霜霉病和黑腐病。整体架构以云为中心，边缘计算节点被利用来收集来自分布式传感器网络的数据mySense是一个通用平台，用于在精确葡萄栽培场景中快速创建和部署监控应用程序（Morais等人， 2019年）。它包括四个层 雾计算在WSN/网关层用于本地任务和实时警报生成。该平台已在葡萄园中用于研究流行微气候背景下的疾病动力学Park等人已经描述了示例性案例研究，其示出了边缘计算如何能够演示可扩展的数据分析。（2017年）。在这里，Raspberry Pi既充当传感器配置的基站，又从网络的角度来看，充当边缘节点。樱桃番茄的生长状态预测在边缘节点上生成，并发送到云上的中央服务器，用于后续的计算、模型集成和分析，从而产生产量预测。除了减少数据流量外，这种方法还使农民能够保护他们的数据，只分享他们选择的数据4.3. 水产养殖在传统水产养殖中，循环水处理系统（RAS）的使用通过利用复杂的生物过滤过程，为减少对淡水的需求提供了巨大的潜力Romli等人（2017）描述了一种雾计算方法，用于使用Raspberry Pi作为雾节点进行RAS的类似的模型已经被证明用于控制生长池中的水位（Romli等人，2018年）。使用NodeMCU监控入口和出口水速度;Raspberry Pi在配置中充当代理随后测试了利用超声波传感器测量水位的替代方法Ferrán-Pastor等人（2016）提出了一种基于物联网的通用低成本传感器/执行器平台，用于提供精准农业服务。以物联网为模型，边缘计算被用来实现过程控制的多协议方法通过温室水培作物的生产验证了该平台的有效性. Chang等人（2018）描述了一种启用雾的控制器，用于实现温室中的雾培式栽培。应用层基于基于云的ThingSpeak9平台。9https://thingspeak.com/。4.4. 林业林业在农业中起着至关重要的作用，在耕地和牧场中种植树木和灌木，并与其他农业企业相结合 这种方法产生了许多好处;农林业企业的作物产量已被证明有所增加（Barrios等人， 2018年），而防护林在冬季和夏季都为牲畜提供保护。Kalatzis等人（2018）展示了配备Raspberry Pi的无人机如何捕获图像数据以检测火灾爆发。本案例研究比较了几种数据处理方法，其中一种涉及将Raspberry Pi有效载荷作为边缘节点的无人机权衡是有趣的。无人机上的图像处理在计算上是昂贵的，而电力的使用必须与无处不在的最大化搜索时间的需求相协调。当在边缘节点上处理图像时，隐私受到尊重，并且仅需要传输计算的风险指数然而，卸载方法被证明是最可持续的。诺依曼等人采用了一种不同的方法来解决火灾探测问题。（2018年）。在这里，通过边缘计算解决方案利用参与式数据收集范例。在整个森林中部署了一套支持捕获温度和湿度的传感器;这些传感器使用蓝牙低功耗（BLE）进行通信。警卫和访客携带的智能手机充当移动枢纽。当在范围内通过时，参数被上传到智能手机（移动集线器）;然后这些参数被传输到主机服务器，在那里它们给出火灾风险的指示，从而通知风险评估并实现更有效的规划和响应策略。数据挖掘可以预测容易发生森林火灾的地区（Rajagopal等人，2018年）。利用风速、降水量、相对湿度和温度参数的支持向量机（SVM）预测模型托管在本地Fog节点上，预测从该节点传送到云。Avgeris等人描述了一种用于火灾检测的边缘计算框架，其结合了IoT、云和参与式传感元件。（2019年）。 核心模型是网络物理社会系统（CPSS）（Wang et al.， 2017年）;向网络边缘重新加载被认为是确保时间关键性和快速决策的关键。4.5. 农场安全动物栖息地日益缩小，导致人类（以及大量驯养和养殖的牲畜）与野生动物相遇的可能性相应增加虽然动物与车辆的碰撞是一个明显的后果，但疾病（例如，牛结核病）和人身安全也是无所不在的风险。围栏和边界墙等解决方案必然会减少遭遇战;然而，规模和不适宜居住的地形往往使这些举措不经济且不可行。Singh等人（2018）考虑了动物与人类同居的问题，并提出了一个基于物联网和边缘技术的预警系统。混合光纤-无线（FiWi）网络将一套边缘节点（无线传感器）连接到云。PIR传感器在检测到移动时激活相机模块以捕获动物的图像。对于图像处理，利用卷积神经网络（CNN）。仿真结果表明，接入网络中带宽的动态分配，以及在其起源处处理数据，减少了端到端的延迟;通过在边缘设备上处理，同样减少了能耗。理解计算和通信之间的权衡是无线传感器网络研究中多年来反复出现的主题。然而，每个场景是不同的，因此，资源和功率约束的理解是一个先决条件，有效的WSN部署，无论域。Elias等人已经描述了类似的架构，其支持IoT和边缘云模型。（2017）;在这里，野生动物的具体实例（熊，鹿和郊狼）M.J. O'Grady等人 /农业人工智能3（2019）42 - 5149可以识别。虽然目标是自动化野生动物监测，但该模型可转移到安全环境中。4.6. 监测农场环境肥 沃的 土壤 是几 乎任 何成 功的 农 业系 统的 基础 Lavanya 等 人（2019）开发了一个基于物联网的原型传感平台，用于确定土壤中的氮磷钾（NPK）浓度。该传感器采用比色法，通过光敏电阻（LDR）和发光二极管（LED）实现最有趣的是，用于分析感测值以确定营养缺乏的逻辑是通过在Edge设备上实现的基于模糊规则的系统来实现的，在这种情况下，是Raspberry Pi。这一逻辑进一步增强了额外的规则，用于确定必须施用的肥料浓度，以弥补任何养分不足。肥料需求以尿素、钾肥或磷酸铵表示，因此农民可以立即获得这种方法提供了一种廉价和快速的替代实验室的方法，往往是耗时和昂贵的。 在帮助农民准确管理土壤营养的过程中，土壤肥力得到优化，从而节省了资金，实现了可持续的农场管理，并通过消除径流和沥滤造成的水污染来加强环境保护。气温是影响植物生产力的关键天气参数;它还影响农场的许多操作决策，例如温室管理和灌溉调度。Krintz等人（2018）已经探索了如何利用廉价单板计算机和微控制器的CPU温度来预测室外温度。CPU温度首先传输到农场边缘云。然后，通过单谱分析（SSA）和线性回归的校准平滑的组合用于生成对设备处的温度的预测边缘计算提供了一种实现所需低延迟的方法。这种方法的优点在于可以利用现有的传感基础设施，而不是部署当地气象站或微气候监测网络。从实践上看，农民需要使用额外的温度计来建立相关性的基线，这可能是有问题的。可持续的水资源管理是农场的一个普遍问题水平Fan和Gao（2018）探索了移动边缘计算中的重载策略任务当决定进行卸载过程时，通常不考虑由于传输链路特性和计算引起的延迟提出了一个创新的链接数据管理计划，并在农业用水监测的背景下进行了初步验证。可扩展的开放式物联网中间件平台对于物联网服务的快速部署是必要的;然而，至少可以部分部署在雾节点上的平台几乎不存在。针对这一观察结果，Zyrianoff等人（2018）评估了FIWARE10平台使用精密冲洗作为案例研究的潜力。 得出的结论是，虽然FIWARE适用于支持物联网的智能农场，但在雾计算环境中优化性能时，需要更深入地了解权衡。边缘计算作为宏基因组学分析的基础已经被Merelli et al. （2018）;在农业方面，这为土壤、空气和水的远程微生物分析提供了机会。传统方法需要将大量数据传输到云端。 使用片上系统（SoC）和边缘计算的组合，可以进行远程分析，并将结果发送到云端。 这样的边缘/云组合提供了一种特别有吸引力的方法来提供完整的分析工作流程。实验结果表明，数据流减少了95%;得出的结论是，这说明了宏基因组分析的可行性，10个固件。网址：//www. fi ware.org/。偏远地区。一个边缘的方法是可行的奇异分析。然而，作者随后的工作表明，当分析频率增加时，将计算移动到云会导致成本和性能的改善（D'Agostino等人， 2019年）。4.7. 食品供应链可追溯性从农场开始，并沿着供应链继续;食品安全和感知的竞争优势是实施食品供应链的关键驱动力，其中从源头到零售商的可追溯性是一个显著特征（Haleem等人， 2019年）。 关键的启用技术包括RFID（Costa等人， 2013），以及越来越多的区块链（Kamilaris et al.，2019年）。Musa和Vidyasankar（2017）专注于RFID，并说明了雾计算在黑莓供应中的潜力。区块链的潜力得到了广泛的认可（Zhao et al.，2019）;同样，它在物联网（Fernando-Carames和Fraga-Lamas，2018）和移动边缘计算（Xiong等人， 2018年），得到承认。然而，描述它们在食品可追溯性中的集体使用的案例研究很少;在撰写本文时，只有Lin et al. （2018）探索了这些可能性。5. 讨论边缘计算和相关的范例正处于发展的早期阶段，仅在过去五年才获得关注在为农业价值链中的参与者提供有意义的服务成为主流之前，还存在许多挑战从技术准备水平（TRL）的角度来看，前面描述的所有系统基本上都是原型，从在实验室环境中验证的TRL 4到在相关环境中验证的TRL5可以谨慎地观察到，边缘计算在农业中的流行比人们想象的更广泛，因为它有时是其他研究领域（例如物联网）的子组件。可以考虑边缘使能服务的两种模型-独立于云而起作用的以节点为中心的服务和依赖于来自云的至少一个服务来操作的以云为中心的服务上一节中考虑的大多数系统都可以被视为以云为中心。边缘计算的主要好处-减少延迟，更有效的带宽利用率和任务卸载在不同程度上得到了利用。 初始数据处理在本地边缘进行，而核心云服务用于二级卸载，存储和警报生成等活动。总的来说，边缘计算在农业中的地位与其他地方的情况不同;它由与本地传感器和传感器网络耦合的物理边缘服务器主导。农村一级的宽带接入仍然是全世界普遍存在的问题。虽然边缘计算提供了一种易于处理的方法来部分减轻有限互联网访问的影响，但访问云是复杂分析驱动