AgroSupportAnalytics：埃及可持续农业的云投诉管理和决策支持系统

埃及信息学杂志23（2022）73AgroSupportAnalytics：埃及可持续农业的云投诉管理和决策支持系统Kamran Munira，Kamran，Mubeen Ghafoora，Mohamed Kjuagyb，Hisham Ihshaishaa联合王国布里斯托尔西英格兰大学计算机科学和创新技术系计算机科学研究中心b埃及法尤姆大学计算机和信息学院阿提奇莱因福奥文章历史记录：2021年2月10日收到2021年5月24日修订2021年6月12日接受2021年6月30日在线提供保留字：可持续农业决策支持系统大数据分析A B S T R A C T可持续农业需要最新的建议，作物疾病，模式和充分的预防行动，以面对不断发展的情况。目前，在埃及等发展中国家，由于农业支持要么不存在，要么不持续，要么不可靠，农民埃及提出的基于云的可持续农业投诉管理和决策支持主要贡献是在对埃及量身定制的需求分析进行广泛研究的基础上，开发了自动化的计算机管理和决策支持战略。该解决方案基于对农业数据和农民投诉的知识发现和分析本文介绍了整个系统的体系结构框架以及信息和存储服务，这些服务是基于该项目的需求规范阶段以及埃及过去10年农民投诉和查询的历史数据集。©2022 The Bottoms.出版社：Elsevier B.V.代表计算机与信息学院开罗大学。 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/）。1. 介绍耕作土壤、生产作物、以及准备和分配由此产生的产品是一种可以追溯到几千年前的做法，并且从那时起一直在为全球经济做出贡献方面发挥着至关重要的作用。在许多发展中国家，农业是占世界人口45%的农村社区收入和就业的主要来源。全世界约有26.7%的人口以农业为生[1]。然而，尽管该部门对粮食安全、就业和社会经济发展与稳定产生了历史性影响，但它仍然面临结构性弱点和挑战。这些包括但不限于虫害、对气候变化的脆弱性*通讯作者。开罗大学计算机和信息系负责同行审查。制作和主办：Elsevier在规划、支助和保护方面，耕作方法不当，决策不知情。缺乏对农民采用良好农业实践和预防方法的有效支持是阻碍大规模农村社区生产力和粮食安全的另一个因素[2]。农民需要关于作物病害、作物模式和适当预防行动的最新建议，以应对不断变化的情况。目前，由于现有的支持系统不一致、不可靠而且往往不及时，农民在过 去的二十 年中， 通过应用 数据分 析工具和 决策支 持系统（DSS），农业行业取得了进步，在灌溉管理，精准农业和优化农业方面产生了显着的影响[3]。虽然这些系统在逐步向农民提供结构化分析和信息方面非常有用，但由于其复杂性，使用困难，特别是对于发展中国家识字率低的农民来说，往往是一个挑战。存在几种系统，包括相关的非正式论坛[4]、社交网络[5]和交互式语音应答系统[6]，同行和专家在这些系统中相互交流，并就农民提出的问题交换建议和意见。管理-https://doi.org/10.1016/j.eij.2021.06.0021110-8665/©2022 THE COURORS. Elsevier B.V.代表开罗大学计算机和信息学院出版。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上获得目录列表埃及信息学杂志杂志主页：www.sciencedirect.comK. Munir，M.Ghafoor，M.Kandaragy等人埃及信息学杂志23（2022）7374各部门还试图通过在农村中心建立农业中心来处理农民提出的询问和关切，在农业中心，专家通过电话就农民的投诉和询问提供建议虽然这种方法似乎有助于获得合理的结果，但由于用户需求很高，实际上不可能对大量电话呼叫提供有效的响应，并且没有提供结构化的方法来跟踪和使用所提出、解决和其他查询的历史记录。此外，对于领域专家来说，为农场主的查询提供充分的响应并且潜在的问题可能不能通过传统的电话呼叫充分地传达。对于可持续的农业实践，自动查询/组件管理系统的开发仍然是一个悬而未决的问题。Mohit Jain等人[8]提出了一种对话代理，通过使用IBM Watson Speech系统和Google Translator来解决农民查询。然而，仍然有一个高效率的查询/投诉管理系统的需求，以提高可用性和可接受性方面的农民识字有限，同时保持系统的高度可扩展性，全天候可用，并有管理的开销。本研究的目的是为了解决支持和建议的问题，通过提出可持续农业投诉管理和决策支持系统（AgroSupportAnalyt-ics）框架，帮助农民取代目前在埃及部署的手动系统。它基于对农业数据和农民投诉的知识发现和分析的应用，部署在云平台上。该自动化系统旨在就农民的查询/投诉提供充分和及时的意见，并由专家预测近期的情况发展。因此，使农业专家能够传播威胁的早期预警信号，主要是害虫和疾病，以及农民需要采取的预防行动。该系统可以部署到埃及农田周围的村庄，旨在改善该国农村地区的福利和发展，并为该领域的进一步研究和开发提供机会。本文的其余部分结构如下：在第2节中，介绍了农业决策支持和专家系统的文献综述。第3节描述了系统要求和应用限制。第4节介绍了系统架构，并举例说明了AgroSupportAnalytics系统提供的服务/功能。在第5节中，我们介绍了软件应用程序架构。拟议系统的N层架构表示在第6节中描述。第7节提供了子系统分层和组件级功能的详细信息。第8节介绍了AgroSupportAnalytics系统的应用，并简要介绍了农民查询和投诉响应的案例研究，作为系统的示范性证明。第9节总结论文。1.1. 现行处理农民投诉的方法埃及的农业吸收了30%以上的劳动力，为50%以上的农村人口提供生计，但2019年仅占全国GDP的11%[9]。这主要是因为每年有很大一部分作物因病虫害和过时的耕作方法而浪费因此，我们现有的农民这些都是阿拉伯文，收到后，提交给分布在全国各地的国家“中心”，为村里的农民提供支持。在这些中心工作的几位农业专家可以立即处理农民通常会提出建议。然而，大多数情况下，ARC提供的门户网站提供了对投诉-支持对数据库的访问，这些数据库有时会出现不一致、冗余、缺乏结构或缺失价值的问题现有人工查询系统的流程如图1所示。即使系统提供了一轮快速因此，农民们在行动为时已晚的时候得到了答案同样，专家提供的支持只涉及农民2. 相关文献综述近二十年来，决策支持系统（DSS）和数据分析已成为提供精准农业和农业的有效工具。最近，大数据技术在农业领域中被广泛采用，主要是因为农业相关的数据集（包括实时数据）变得极其庞大和复杂，使得使用现有的数据管理工具和/或传统的数据处理应用程序来处理它们变得困难。CropSyst[10]是一个DSS开发成一套程序，包括作物模拟器，天气预报生成器，GIS（地理信息系统）建模程序和流域实用程序。CropSyst旨在模拟和优化Fig. 1. 现有的投诉/查询解决机制。K. Munir，M.Ghafoor，M.Kandaragy等人埃及信息学杂志23（2022）7375土壤水分收支、土壤-植物氮收支、作物冠层和根系生长以及产量等特征。AquaCrop[11]模型评估了半干旱气候条件下的玉米作物产量。García-Vila和Fereres后来将经济模型与AquaCrop模拟器相结合，以优化农田灌溉[12]。Paredes等人分析并预测了灌溉管理策略对玉米作物产量和经济回报的影响[13]。在[14]中，使用了一个推理框架来检查基于环境天气条件（如湿度、降水、温度和冠层覆盖度变化）的土壤湿度。Giusti和MarsiliLibelli[15]介绍了一种基于推理的模糊决策支持系统，以根据作物和场地特征优化灌溉行动，并节约用水。Perini和Susi[16]讨论了害虫管理决策支持系统的设计和开发方面，该决策支持系统可供包括害虫专家和技术人员在内的咨询服务人员使用Xu等人[17]介绍了农业生态系统管理系统，以提取、管理和分析有关地形、土地利用和种植的数据。 Kurlavic.P. [18]介绍了 一个可持续农业决策支持系统，用于预测特定地区的最佳作物种植和动物饲养，该系统还预测了在不同环境条件下开展这些活动所需的资源。Antonopoulou等人引入了基于Web的DSS，让农民根据其区域和环境条件找到合适的作物，并提供最佳种植策略和时期[19]。在[20]中 ， 提 出 了 一 种 使 用 云 和 外 部 Web 服 务 的 农 场 管 理 信 息 系 统（FMIS）DSSKaloxylos等人。后来，提出了一个基于云的FMIS管理 温 室 的 实 施 [21] 。 Fountas 等 人 [22] ， Tayyebi 等 人 。 [23] 和Tan[24]提出了云计算作为FMIS和精准农业未来发展的关键驱动力的观点。大数据挖掘可以促进从复杂、可变和大量的数据集中提取有用信息[25]，因此可以提高DSS例如，千年项目[26，27]确定了许多与清洁水、可持续发展、气候变化、人口和资源等有关的有趣挑战该项目倡导使用大量地理空间数据，通过生态路线节省能源，即，避免拥挤，红灯停车，转弯点，识别海拔变化。此外，还提出了一种燃料消耗最小化技术，以实现最佳行驶时间和缩短的行驶距离。最近，数据力量分析的空前增长使大数据技术和数字传感器能够有效地管理数据。在实地采取这种办法农业可以带来许多好处来支持决策。尽管如此，数据分析仍然面临着处理大量数据和不同数据集（如半结构化、非结构化和流数据）的许多挑战。因此，在这种数据力分析的发展中，将非常需要有效地利用数据集来帮助用户高效地找到他们的需求，例如[28]中的定性研究指出了一种共同发展的工具来了解这些需求/技能。最近，组织已经开始使用自助服务分析的概念，以鼓励专业人员或工作人员在IT支持下执行查询并独立生成报告[29]。[29]中提出的框架提供了称为自助服务分析（GOSSA）的矩阵，它使用商业智能（BI）工具和平台的力量来支持IT支持的分析内容开发，以帮助专家找到最佳解决方案并快速做出决策。该地理数据库包含对表格数据的可视化分析，以实现实践BI系统和GIS的主要用途数据分析[30]。Puerto de la Luz是一个智能港口[30]解决方案，实现海港基础设施中传感器数据的实时监控和收集。它是一个基于Web的GIS应用程序，使用开源大数据架构来实现其功能。该系统部署在Puerto de La Luz海港，并应用于来自两个系统传感器的数据空间决策支持系统（SDSS）是DSS应用程序的扩展[31]，与非空间数据相比，特别是，SDSS在农业方面对改善决策有着积极的影响[32]。SDSS受益于空间数据的更大公共可用性和更灵活的软件，这使得它能够集成/建模到地理信息系统中[33]。此外，一个名为MicroLEIS DSS的开源SDSS项目[34]有助于农业土壤保护和土地可持续性。它包括在广泛的农业生态计划中进行决策的宝贵工具和技术该系统建立在统计学、数据库、神经网络、专家系统、Web技术和GIS应用的基础上.农业土地管理的SDSS[35]有助于粮食作物土地管理的决策制定。它还有助于决策模型的测试、验证和敏感性检查。研究表明，SDSS是基于模糊集和层次分析SDSS在操作中利用输入信息，例如，来自现场专家的信息及其应用。虽然在数字支持系统方面取得了显著进展，但大多数拟议的DSS都是为了处理与精确农业、灌溉管理和优化农业有关的方面此外，除了从大量历史数据和记录的经验中为受益人提供见解外，还没有提出太多关于促进对农民的支持因此，本研究的目的是设计和开发一个系统，考虑到农民对获取信息的独特需求，同时提高整个系统的可用性和可也就是说，拟议的决策支持系统使农民能够获得信息和专家3. 系统要求和限制AgroSupportAnalytics的目的是管理农民的查询和投诉，同时取代目前的手动系统，这将进一步降低系统运行的总体成本。该系统将需要遵守农业标准，并通过确保获得及时的信息、详细的估计、记录保存和使用数据挖掘（以帮助决策）工具提取知识，保持高质量的专家反应。衍生的功能和非功能要求详述如下：3.1. 功能要求以下是设计本项目架构时开发一个网络应用程序，允许农民以自由文本的形式输入他们的查询和投诉，并提供一套固定的预定义问题，然后由农业专家解决。●K. Munir，M.Ghafoor，M.Kandaragy等人埃及信息学杂志23（2022）7376将所有查询和投诉及其解决方案存储在托管观察、支持和分析工具包的集中数据存储中。通过数据分析技术对查询和投诉进行分析基于历史投诉3.2. 非功能性需求以下是在设计本项目架构时考虑的非功能性需求可用性：决定农民是否广泛使用和依赖新系统的重要因素。农业中的可用性也就是说，该系统应易于使用，并具有适当的功能，以克服数字鸿沟的潜在障碍。性能：该系统允许领域专家搜索投诉，从文本中识别投诉词，将它们与农业对象的属性相关联，并将它们标记在一起。通过这种方式，系统让人类专家像软件系统一样进行所需的分析;这样，系统与人类分析的结果可以进行比较。支持性：体系结构应支持跨平台。安全：有能力防止未经授权的访问，并继续为合法用户提供服务。容错：系统应该对故障有弹性，并且应该在部分服务中断的情况下恢复，因此允许更短的服务恢复时间。低成本的维护和可持续性：系统应具有低成本的可持续性，并具有有效整合变更的能力可扩展性：在用户容量方面是可扩展的，即如果用户/客户端的数量增长，则可以添加系统资源以处理增加的用户需求。3.3. 项目制约因素有一些关键的项目约束对体系结构有着重要的影响。它们是：1. 应访问现有的遗留投诉数据库，检索所有历史投诉信息，以帮助回答农民的新问题。AgroSupportAna- lytics需要支持遗留投诉数据的数据格式。2. AgroSupportAnalytics系统的功能应该提供给农民，专家和管理人员从远程网站与互联网连接。3. 所有远程访问都要经过用户身份验证和密码控制。4. AgroSupportAnalytics将作为客户服务器系统实施。客户端可以使用互联网浏览器访问，服务器端将部署在云上。4. 系统架构AgroSupportAnalytics系统执行的三个主要服务/功能是：● 有效的农民专家支持和预测性见解（提供和预防）。● 报告服务、可扩展性和可持续性。该系统采用客户端-服务器架构设计，客户端负责所有用户与系统的交互。客户端通过Web服务与服务器进行交互.服务器应用程序与用于管理 数 据 集 的 存 储 一 起 部 署 在 服 务 器 机 器 上 。 除 了 这 些 服 务 ，AgroSupportAnalytics系统还提供用户注册和登录功能。用户可以通过Web浏览器从客户端机器与在线AgroSupportAnalytics中央服务器交互。AgroSupportAnalytics中央服务器处理来自客户端的输入连接（请求 ） ， 并 托 管 用 户 注 册 和 登 录 服 务 。 为 了 执 行 用 户 请 求 ，AgroSupportAnalytics中央服务器连接到更多后端服务; i）农民投诉服务，ii）历史搜索服务，iii）分析应用程序。代理/服务器系统的总体工作如图所示。 二、5. 软件应用架构AgroSupportAnalytics的软件应用程序设计基于配置和插件机制。该机制在不改变系统核心的前提下，方便了对新的工作流管理系统和算法的支持。由于项目的范围广泛而复杂，因此可以将项目的总体要求划分为不同的应用程序，这些应用程序之间的独立程度各不相同。每个应用程序被进一步划分，以便应用程序逻辑和业务逻辑可以跨服务器执行。此外，所考虑的系统需要更快的网络通信，高可靠性和优异的性能。为了满足这些设计要求，采用了n层架构或多层软件架构，其中每个层对应于不同的抽象级别[36]。N层或多层方法特别适用于非常快速且相对无风险的Web规模和云托管应用程序的开发[37，38]。N层应用程序体系结构提供了一个模型，开发人员可以通过该模型创建灵活且可重用的应用程序。通过将应用程序划分为多个层，开发人员可以选择维护、修改或添加特定层，而不必重新构建整个应用程序。在实践中，分层架构大大简化了软件基础设施的管理[39]。在这个项目中，遵循的分层架构是由于架构被分解为多个层，因此需要进行的更改应该比必须处理整个架构更舒适，范围更小用于设计系统的分层架构使层之间能够实现自我独立[41]。在给定的层中，属于相似级别的软件组件被水平组织，其中组件可以依赖于彼此的处理，这也使得相关组件停留在单个兼容层中。这允许组件类型之间的清晰分离，也有助于将类似的编程代码聚集在一个位置。通过隔离这些层，它们变得彼此独立。在分层架构中，虽然来自一层的组件可以与另一层的组件交互，但它们并不直接依赖于其他层传统的企业系统使用的是关系型数据库管理系统，而NoSQL系统由于其出色的性能和对大规模分布式数据集的高可用 性 而 被 广 泛 采 用 。 因 此 ， 例 如 ， 如 果 我 们 想 将 数 据 库 从SQL（RDBMS）更改为NoSQL（例如●●●●●●●●●●●K. Munir，M.Ghafoor，M.Kandaragy等人埃及信息学杂志23（2022）7377图二. AgroSupportAnalytics设计的总体客户端/服务器说明。作为Hadoop），这将对数据库层产生重大影响，但适应的分层架构模式减少了由网络流量引起的通信开销，以提供更快的网络通信和高效的系统性能。基于组件的分层架构也使得测试过程简单方便，因为每个层的单个组件可以单独测试6. 建筑表现本节介绍AgroSupportAnalytics架构的逻辑视图。各个插件或组件以 n 层 分 层 架 构 模 式 组 织 ， 其 中 组 件 以 水 平 层 排 列 。AgroSupportAnalytics被设计成四个关键层，如图所示。 3，即：i申请;ii信息和分析服务; iii数据集成和存储; iv数据集和预处理。I应用层：这是系统中存在的最顶层或层。此层提供表示服务;简单地说，它是最终用户可以直接访问的层图形用户界面（GUI）。此层可从各种支持的客户端设备（例如台式机或移动终端）访问。对于要显示给用户的内容，相关的网页应该由web浏览器获取或在客户端设备中运行的其他呈现组件。要呈现内容，此层必须与前面的其他层进行交互。II 信息和分析服务层：在第二层中，运行应用程序的业务逻辑。这里的业务逻辑是按照规定的指导方针运行应用程序所需的一组规则。简而言之，这一层通过执行详细的处理来控制应用程序的功能。此层的组件在后端服务器上运行。此层的目标是为最终用户提供快速响应时间，并通过允许不同层中的功能相互通信并通过Web浏览器向最终用户显示输出，将用户应用程序绑定在一起，从而起到至关重要的作用。此信息和分析服务层还包含持久化服务。在这里，持久化服务提供了一个机制-根据用户要求访问系统数据的机制。该项目的核心数据包括：（1）从各农业部门收集的(2)新用户投诉;（3）在线天气数据集。提供对这些数据集的直接访问并不理想，因为可能准备执行分析的用户可能需要基于特定特征来选择数据集的部分。在运行时对千兆字节的数据进行归档并不是一项微不足道的任务，除非它是预先为分析目的而索引的方法。持久化服务执行导入、索引和存储数据集的必要功能。此层为数据和存储层提供增强的可扩展性和性能。III 数据集成和存储层：这是建议的体系结构中从上到下的第三层，主要负责应用程序数据的存储、维护和检索。应用程序数据存储在数据库和文件服务器中。此外，该层支持数据访问逻辑，并提供确保仅暴露数据而不提供对数据存储和检索机制的任何访问的必要步骤。这一层维护独立于应用服务器和业务逻辑的数据。数据层通过向系统和分析服务层提供API来实现这一点。此API的提供确保了数据操作的完全透明性，这些操作在此层中完成，而不会影响系统和分析服务层。例如，更新或升级此层中的组件不会影响System和Analysis Services层。IV 数据集和预处理层：它主要涉及原始的历史农业数据和相应的语义结构化处理数据。该数据集需要找到当前农民的投诉与可用的历史农业数据之间的相似性数据预处理对于将原始历史投诉/响应文本数据转换为一种形式非常重要，在该形式上，可以有效地与农民的新投诉/查询进行相似性匹配数据预处理包括诸如标记、停用词去除、规范化、词干提取、词形还原和词性（POS）标记的操作。7. 体系结构概述和子系统图3还示出了各个层的组件级细节。此外，各层之间的相互作用及其K. Munir，M.Ghafoor，M.Kandaragy等人埃及信息学杂志23（2022）7378图三. AgroSupportAnalytics架构，包含底层组件和交互。还介绍了基本组件。以下各节将简要讨论每一层及其组件。7.1. 数据集和预处理为了开发自动化农民推荐系统，设计了一种工具，该工具可以从历史投诉解决方案数据集中提取知识，并通过分析历史投诉数据集中的类似投诉来向农民提供关于他们的新投诉的最合适的推荐（或建议）以下是用于执行此任务的关键子组件和技术：历史数据的数据采集和预处理：为了开发一种用于农民推荐的自动化工具，需要拥有一个问答（QA）数据集农民投诉以及专家（专家）对每个问题（或投诉）的回答。关于这一点，已从埃及农业中心获得了一个历史投诉记录数据集。该数据集包括农民提出的文本投诉的历史记录和专家提供的答复。然而，这是阿拉伯语俚语的自由文本QA数据，不能直接用于回答新农民的投诉。一个预处理和数据精炼步骤是必要的，以转换这些自由文本俚语数据到语义结构化数据集，以供进一步分析。此外，该架构将允许将天气数据聚合到系统中，以便与专注于预测、供应和预防建议的服务进行可能的集成。II 投诉/回应的英文翻译：如前所述，从埃及农业中心获得的数据集包含农民的历史投诉和专家以文本格式提供的回应。该数据集非常重要，因为它包含来自不同农业情景的问题/答案（QA），这些情景包含不同作物类型、土壤性质、环境、条件、病虫害、农业和管理实践的数据。此外，数据集可以以文本格式获得，该文本格式非常类似于表达或通信的自然形式，并且可以由自然语言处理模型解释。第三，它包含了埃及农业中心在很长一段时间内收集的真实世界（真实场景）记录。这些功能使数据集独一无二，它不仅对回答埃及农民的新投诉很重要，而且来自世界其他地区的农民和农业中心也可以从作为该项目成果开发的整个系统中受益匪浅。在当今的大数据分析世界中，这些数据集的重要性至关重要。为了充分利用该数据集，探讨了将俚语阿拉伯语的自由文本QA数据翻译为英语语义结构化数据集的可能性。这种能力不仅为埃及农民/专家提供了用另一种语言查询数据集的选项，而且还为世界各地的农民/农业中心开放了可用的数据集，以获得利益。III 特征提取和历史投诉映射：一次QA数据集经过预处理后，下一步是从可用的文本文档中构建语义模型，K. Munir，M.Ghafoor，M.Kandaragy等人埃及信息学杂志23（2022）7379提取最有洞察力的特征，这些特征可以进一步用于文本数据分析和相似性映射。该层中的数据集和提取的特征是托管在云上的农业大数据存储的一部分，并由搜索和分析服务使用。7.2. 数据集成和存储这包括后端数据库服务，包括各种类型的数据集、文件和数据库管理系统，该数据库管理系统管理并提供对项目数据的访问。通过将数据集托管在云上，信息和分析服务层可以访问这些数据集。AgroSupportAna- lytics中考虑的第二个主要功能是农民投诉登记和专家响应系统。该系统涉及在线投诉管理界面的开发，可以远程访问查询。这些投诉可以由专家审查，并使用专家网络表单提供反馈或建议。为了存储农民投诉和相关专家的响应，建立了新的在线农民投诉和专家响应数据集存储，以包含与从埃及农业部门获得的可用历史投诉数据相比更丰富的数据。基于这些数据，扩展的分析和预测可以超越基于自然语言的文本处理。其他数据集包括用户配置文件和登录信息，其中包括用户的配置文件和登录信息以及用户日志和活动历史，其中包含用户的活动和日志。该层还包括农业大数据存储，其中包含历史投诉数据集、在线农民投诉和专家响应数据集。服务层中的搜索和分析服务与此数据集交互，以便从中提取信息。7.3. 信息和分析服务层组件Information and Analysis Services层包含后端软件组件，并提供身份验证、持久化和信息服务。身份验证是一种RESTful Web服务，它在私有云中的User Data Info数据集之上运行，并对用户进行身份验证。根据身份验证结果、用户访问类型和权限，用户可以访问应用程序层中的模块在线投诉管理应用程序与在线农民投诉和专家响应数据集之间的投诉管理服务接口可以提供诸如以下的功能：（a）抓取数据集;（b）基于数据集的结构制作模型;（c）基于数据集的结构创建数据集;（d）基于数据集的结构创建数据集。以及（c）存储数据集和结果、包括可能的参数值的数据字典，使得这些可由其它工具和服务查询，以及（d）存储和索引与数据集相关联的图像文件。搜索服务提供了一种直接从农业大数据存储中查询数据集的机制，用于基于历史搜索引擎以及农民投诉和专家响应数据进行查询，索引和搜索。分析和外部天气预测服务将作为信息服务，并提供分析应用程序和农业大数据存储之间的接口。基于分析应用程序的信息请求，这些服务可以查询农业大数据存储数据集，然后可以对数据应用数据挖掘、可视化和机器学习算法，然后将信息返回给分析应用程序。7.4. 应用层组件这一层包含用户友好的前端界面，供农民和专家远程访问包含静态和动态内容的网络组件。前端内容由Web浏览器呈现。这些组件包括用户登录和注册模块、农民和专家仪表板以及在线投诉管理系统。用户登录和注册组件可用于验证有效的系统用户。登录后，用户可以查看包含其先前活动和即将到来的通知的仪表板。在在线投诉管理系统中，农民可以提交他们的新投诉以及文本、音频和图像数据。投诉由专家审查，他们使用专家界面提供反馈或建议。这些网络表格支持阿拉伯文和英文文本。这一层还包括历史搜索引擎和分析应用程序。使用历史搜索引擎组件，用户可以查询搜索服务，然后调用农业大数据存储，从历史投诉数据集中找到最接近的响应。分析应用程序可以包括对现有和/或外部数据源的分析和预测，以识别和探索“因果关系”的模式。.8. AgroSupportAnalytics系统的应用本节介绍了农业大数据信息检索服务，并选择了一个农民查询和投诉响应的案例研究（由于篇幅限制），作为系统的各种示范性证明之一。AgroSupportAnalytics系统的快照如图所示。 四、8.1. 通过查询服务进行农业大数据信息检索为了访问或检索信息，需要一种方法来搜索和查询来自农业大数据存储的数据该检索方法便于查询历史数据集、分析算法和需要来自农业大数据存储的数据的其他服务。这是通过开发一个数据查询接口，例如，搜索和浏览数据集的农民和其他用户，查看数据字典等以下小节说明了建议的查询服务的设计和实现。8.1.1. 查询服务如图5所示，查询服务被设计为通过HTTPS调用以与农业大数据存储交互的Web服务。这种面向服务的方法提供了向客户端应用程序公开服务器端功能的选项。它实现了透明（无缝）和简单的设置，以便为用户以及内部的外部服务提供所需的功能。认证的会话。查询服务的实施从用户验证开始，用户验证利用AgroSupportAnalytics网关提供的身份检索方法。此功能不仅通过验证所有传入的请求来保护系统，而且对于维护用户活动日志也很有用。在用户认证之后，查询服务启动查询构建阶段。查询构建的实现涉及i）解析用户提供的参数，ii）选择适当的数据集。8.2. 农业专家对农民询问或投诉的在本节中，我们描述了用户界面的设计，农业专家对农民的查询和投诉系统的反应K. Munir，M.Ghafoor，M.Kandaragy等人埃及信息学杂志23（2022）7380见图4。 AgroSupportAnalytics系统的快照。图五. 用户和分析服务与农业数据存储的交互。透射电镜它包括三个主要部分：农民界面、农业专家界面和管理员界面。8.2.1. Farmer（工艺流程）界面要与查询和投诉管理组件进行交互，农民需要在系统中注册（如果他是新用户），或者他可以输入其登录凭据以查看查询和投诉手册页。系统在农场主注册后自动向其发送电子邮件。注册/登录后，农民可以看到一个仪表板，在那里他们可以看到所有以前的查询或提交的投诉列表。对于每个查询或投诉，状态参数有三个可能的值，即，“未解决”、“处理中”或“已解决”。 当提交新的查询或投诉时，系统将其状态设置为“未解决”。该状态可以稍后由农业专家或由农民在解决后改变为“解决”。每当状态发生变化时，系统会自动向农民的电子邮件发送一封关于查询或投诉状态变化的电子邮件为了提出新的查询或投诉，农民按下“新查询或投诉”按钮，出现一个新的表格，农民输入查询或投诉的标题以及自由文本的详细描述。农民还可以将他们的查询或投诉与网页上的几个过滤器联系起来。为例如，农民可以添加关于他的地区或区域的信息，并且可以将他们的查询或投诉与类别之一相关联，例如区域的盈利作物、灌溉、收获程序和定时、管理问题、害虫问题、植物疾病、基于天气/灾害的问题等，如图4所示。农民还可以选择将他们的查询与作物相关，并附上与他们面临的问题相关的图像或音频文件农民提供的额外信息将有助于监督员/管理员稍后将其分配（标记）给适当的（相关的）农业专家。成功提交后，农场主农民可以选择点击查询或投诉，查看其详细信息和农业专家的答复，他可以在查询或投诉得到“解决”之前进行多次充值8.2.2. 主管/管理员（流程）界面Supervisor控制整个系统，并可以选择创建、编辑和删除argo-experts。主管可以通过在系统中添加他们的凭证和注册/登录信息来创建新的argo专家。 注册后，系统会自动向农业专家发送电子邮件。K. Munir，M.Ghafoor，M.Kandaragy等人埃及信息学杂志23（2022）7381监督员可以查看所有农民的列表以及他们提交的查询或投诉。当一个新农民在系统中注册时，主管会收到一封自动发送的电子邮件。可以通过选择“未解决”状态来过滤新的查询或投诉。主管可以阅读新的查询或投诉，并根据内容，将其分配给具有相关专业知识的农业专家之一。分配后，查询或投诉的状态系统会自动将其更改为“处理中”，并向农业专家发送电子邮件，通知他们已分配新的查询或投诉。主管可以看到所有argo专家的列表，也可以看到分配给每个argo专家的查询或投诉列表。此外，supervisor可以根据每个argo-expert解决的查询或投诉的数量来监控他们的表现。8.2.3. 农业专家（流程）界面农业专家可以通过初始输入登录凭证来访问系统登录后，农业专家可以看到他们的仪表板，与所有查询或投诉分配给他们的列表点击“未解决”状态可过滤新的农业专家可以点击查询或投诉以研究其内容并查看所提供的图像/音频文件，然后可以通过添加解决方案或评论或问题来提交响应，以要求农民进一步详细说明问题。基于该响应，农业专家可以将查询或com-center的状态更改为农业专家会收到一封系统自动生成的电子邮件，用于处理分配给他们的每一个查询或投诉，或者当查询或投诉的状态农业专家还可以根据他们解决的问题或投诉的数量，直观地看到他们的业绩。9. 讨论和结论发展中国家的农业在国民生产总值中占很大比重，但缺乏通过技术进步对农民采取适当农业做法的有效支持。农民通常需要及时就作物模式、疾病和预防行动提出意见和建议，以应对新出现的情况。然而，开发一个可靠的、可扩展的、实时响应的系统，该系统24/7可用，并满足农民的信息需求和支持，仍然是一个悬而未决的问题，特别是在像埃及这样的农业大国。农业部门的数据可以是历史数据，也可以是与过程相关的数据。处理和分析这些海量数据具有挑战性，涉及许多关键决策，例如根据所涉及数据的性质和模式选择数据存储。在农业部门收集的大量数据预计不仅会对智能农业产生影响，还会提高农民和政府的决策能力毫无疑问，农业的未来似乎取决于大数据技术和智能农业。此外，通过整合数据力分析等概念，并为系统用户提供一系列培训，整个过程可以加快。因此，农民将能够直接与这些系统进行交互，而无需与人力资源进行交互。为了在这些挑战中取得进展，AgroSupportAnalytics的架构已经开发出来。这使得能够建立一个支持系统，及时向农民提供建议和相关预测。目前，这将确保减少和缓解农业社区和农业部门面临的许多严重挑战和威胁的重大负面影响在埃及所提供的支持将更加一致、及时、可靠和容易获得，不仅对为AgroSupportAnalytics的开发架构是根据以下非功能需求设计的。AgroSupportAnalytics在架构中有几个独立的组件，通过升级其中一个或多个组件，可以轻松实现可例如，如果农民/用户/客户端的数量增加，可能需要通过添加新的容量来拆分Web服务以处理客户端需求，这意味着在信息和分析服务层上需要更多的Web服务器。AgroSupportAnalytics的架构是弹性的，因为关键组件可以分成集群和地理上分开的层，维护灵活性这意味着维护计划对第三方组件的依赖性更少。开发人员友好的环境这是一种架构类型，它也支持框架和编程文化，比如敏捷开发方法。该原型系统目前正在运行，并正在开展外联活动，以确保利益攸关方充分了解该系统提供的服务和能力。AgroSupportAnalytics系统的一些快照如图4所示。预计不久的将来将进入过渡阶段，农民和农业专家都将利用该系统进行通常的问答活动。也就是说，除了在处理农民的查询的效率和有效性，所提出的系统可以提供一个可持续的和近实时的建议，在埃及的农民的大部门，这是除了急需的见解和未来事件的预测，有关他们的决策和行动制定。目前，AgroSupportAnalytics系统这也可能是一个有趣的未来方向。确认这项工作得到了Newton-Mosharafa基金ID 30812伙伴关系下的Newton Institutional Links赠款ID 347762518的支持。该赠款由英国商业、能源和工业战略部以及科技发展基金（STDF）资助，并由英国文化协会提供。欲了解更多信息，请访问www.newtonfund.ac。英国.竞争利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作。引用[1] 农 业 G. 十 字 路 口 的 农 业 ， 网 址 ： https ： www.globalagriculture.org/report-topics/industrial-agriculture-and-small- scale-farming.html，访问时间：2020年8月17日; 2018年。[2] Ngo VM，Le-Khac N-A，Kechadi M-T.集成作物大数据的数据仓库与决策支持arXiv预印本arXiv：2003.04470。[3] Bennett M，Barsocchi P，Ferro E，Gotta A，Ruggeri M.农业数字化：智能农业研究活动调查。Array2019;3：100009.K. Munir，M.Ghafoor，M.Kandaragy等人埃及信息学杂志23（2022）7382[4] PatelN，Chittamuru D，Jain A，Dave P，Parikh TS. Avaaj otalo：印度农村小农户互动语音论坛的实地研究。在：SIGCHI会议的程序在计算系统中的人为因素。p. 733- 42[5] [10]杨文，杨文，李文，李文. KrishiPustak：一个面向低文化农民的社交网络系统。第18届ACM计算机支持的协同工作&社会计算会议论文集。 p.1670-81年。[6] Riaz W，Durrani H，Shahid S，Raza AA.信息技术对农业发展的