
تعداد نشریات | 26 |
تعداد شمارهها | 447 |
تعداد مقالات | 4,557 |
تعداد مشاهده مقاله | 5,380,005 |
تعداد دریافت فایل اصل مقاله | 3,580,083 |
بررسی سیستماتیک کاربردهای کشاورزی هوشمند مبتنی بر اینترنت اشیا با بیوتکنولوژی | ||
مجله بیوتکنولوژی کشاورزی | ||
دوره 16، شماره 4، دی 1403، صفحه 209-222 اصل مقاله (457.53 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22103/jab.2025.23992.1600 | ||
نویسندگان | ||
کاملش کومار یاداو* 1؛ دابلیا دارمش کریت2 | ||
1گروه علوم کامپیوتر و فناوری اطلاعات، دانشگاه کالینگا، رایپور، هند | ||
2گروه علوم کامپیوتر و فناوری اطلاعات، دانشگاه کالینگا، رایپور، هند. | ||
چکیده | ||
هدف: این مطالعه فناوری و نرم افزار را ترکیب میکند تا به کشاورزان اجازه دهد پارامترهای مزرعه خاصی را در زمان واقعی ردیابی و تغییر دهند. همراه با بررسی سریع تعامل بین پایش ایستگاه های هواشناسی و ثبت داده های تلفن همراه، مطالعهای در مورد کشاورزی هوشمند بر اساس اینترنت اشیا ارائه میدهد. اینترنت اشیا، با برجسته کردن پیشرفتهای فنآوری، فناوری اطلاعات و ارتباطات و روباتیک، مراکز تحقیقاتی بر روی دستگاههای چند رسانهای، روشهای ارتباطی، حسگرها و سیستمهایی که اغلب در نظارت بر SF استفاده میشوند نقشی اساسی در دوام بخش کشاورزی در سالهای آینده ایفا خواهد کرد. به منظور حمایت از محققان آینده و ایجاد زمینه برای ایجاد سیستمهای نظارت خودکار SF مبتنی بر اینترنت اشیا که بیوتکنولوژی را در بر میگیرد، این مقاله روشهای مورد استفاده در این زمینه را شرح میدهد. این پروژه با هدف افزایش کارایی کشاورزی هوشمند (SF) از طریق فناوریهای اینترنت اشیا، تمرکز بر روشها، فرآیندها و ابزارهای نظارت برSF، ادغام بیوتکنولوژی برای بهبود تولید و پایداری، و برجسته کردن نقش فرآیندهای خودکار و روباتها در راهحلهای کشاورزی مبتنی بر اینترنت اشیا انجام شد. نتایج: این مطالعه ثابت میکند که اینترنت اشیا در کشاورزی معاصر بسیار مهمتر میشود و در نتیجه پیشرفتهای فنآوری، فناوری اطلاعات و ارتباطات و روباتیک از شیوههای کشاورزی مرسوم بهتر عمل میکند. ادغام اینترنت اشیا در SF با امکان نظارت بر شرایط و اصلاح در زمان واقعی، بهره وری را افزایش میدهد. با توجه به نتایج، حسگرها و سیستمهای ارتباطی، در ارتباط با فناوری اینترنت اشیا، امکان مدیریت خودکار و دقیق وظایف کشاورزی را فراهم میکنند. سیستمهای ثبت دادهها و دستگاههای چند رسانهای برای جمعآوری و تجزیه و تحلیل دادههای کشاورزی به خوبی با هم کار میکنند، که تصمیمگیری کشاورزی را بهبود میبخشد و نتایج بهتری را به همراه دارد. نتیجهگیری: اینترنت اشیا این پتانسیل را دارد که ماهیت کشاورزی را با تسهیل توسعه روشهایی که سازندهتر، دقیقتر و سازگار با محیط زیست هستند، به طور کامل تغییر دهد. اعتقاد بر این است که کشاورزی هوشمند همچنان به پیشی گرفتن از شیوه های کشاورزی مرسوم از نظر محبوبیت با پیشرفت فناوری ادامه خواهد داد. سیستمهای کشاورزی کارآمدتر و خودکار نتیجه ادغام مؤثر اینترنت اشیا، بیوتکنولوژی و روباتیک خواهد بود. این تحقیق اطلاعات مهمی را برای مطالعات آینده در مورد بهبود نظارت SF از طریق اینترنت اشیا فراهم میکند. به طور کلی با معرفی روباتیک و اتوماسیون نویدهای زیادی برای آینده کشاورزی و بهره وری بالاتر در صنعت کشاورزی وجود دارد. | ||
کلیدواژهها | ||
اینترنت اشیا؛ بیوتکنولوژی؛ کشاورزی هوشمند؛ مانیتور | ||
مراجع | ||
Albattah W, Nawaz M, Javed A, et al. (2022) A novel deep learning method for detection and classification of plant diseases. Complex Intell Syst 8, 507-524.
Amassmir S, Tkatek S, Abdoun O, Abouchabaka J (2022) An intelligent irrigation system based on internet of things (IoT) to minimize water loss. Indones J Electr Eng Comput Sci 25(1), 504-510.
Angin P, Anisi MH, Göksel F, et al. (2020) Agrilora: a digital twin framework for smart agriculture. J Wirel Mob Netw Ubiquitous Comput Dependable Appl 11(4), 77-96.
Camgözlü Y, Kutlu Y (2023) Leaf image classification based on pre-trained convolutional neural network models. Nat Eng Sci 8(3), 214-232.
Capell T, Twyman, RM, Armario-Najera V, et al. (2020) Potential applications of plant biotechnology against SARS-CoV-2. Trends Plant Sci 25(7), 635-643.
Davarpanah S, Bona SH, Khodaverdizadeh M (2016) Assessment and comparison of sustainable agriculture approach using a combination of AHP and TOPSIS. Int Acad J Econ 3(2), 64-75.
Fountas S, Mylonas N, Malounas I, et al. (2020) Agricultural robotics for field operations. Sensors 20(9), e2672.
Ghotbaldini H, Mohammadabadi MR, Nezamabadi-pour H, et al. (2019) Predicting breeding value of body weight at 6-month age using Artificial Neural Networks in Kermani sheep breed. Acta Scientiarum Anim Sci 41, e45282.
Guo Y, Zhang J, Yin C, et al. (2020) Plant disease identification based on deep learning algorithm in smart farming. Discret Dyn Nat Soc 2020(1), e2479172.
He DC, He MH, Amalin DM, et al. (2021) Biological control of plant diseases: An evolutionary and eco-economic consideration. Pathog 10(10), e1311.
Jayalakshmi M, Gomathi V (2020) Sensor-cloud based precision agriculture approach for intelligent water management. Int J Plant Prod 14(2), 177-186.
Kotwal J, Kashyap R, Pathan S (2023) Agricultural plant diseases identification: From traditional approach to deep learning. Mate Today Proc 80, 344-356.
Mamdapur GMN, Hadimani MB, KS A, Senel E (2019) The Journal of Horticultural Science and Biotechnology (2008-2017): A Scientometric Study. Indian J Inform Sourc Serv 9(1), 76-84.
Mantova M, Menezes‐Silva PE, Badel E, et al. (2021) The interplay of hydraulic failure and cell vitality explains tree capacity to recover from drought. Physiol Plant 172(1), 247-257.
Mohammadabadi M, Kheyrodin H, Afanasenko V, et al. (2024) The role of artificial intelligence in genomics. Agric Biotechnol J 16 (2), 195-279.
Orchi H, Sadik M, Khaldoun M (2021) On using artificial intelligence and the internet of things for crop disease detection: A contemporary survey. Agriculture 12(1), e9.
Pour Hamidi S, Mohammadabadi MR, Asadi Foozi M, Nezamabadi-pour H (2017) Prediction of breeding values for the milk production trait in Iranian Holstein cows applying artificial neural networks. J Livest Sci Technol 5 (2), 53-61.
Sarpal D, Sinha R, Jha M, Padmini TN (2022) AgriWealth: IoT based farming system. Microprocess. Microsystem 89, e104447.
Surendar A, Veerappan S, Sindhu S, Arvinth N (2024) A Bibliometric Study of Publication-Citations in a Range of Journal Articles. Indian J Inf Sourc Serv 14(2), 97-103.
Upadhyay SK, Kumar A (2022) A novel approach for rice plant diseases classification with deep convolutional neural network. Int J Inf Technol 14(1), 185-199.
Uzakbaeva GB, Ajiev AB (2022) Legal Regulation of the Use and Protection of Wild Relatives of Cultivated Plants in the Republic of Uzbekistan. Int Acad J Soc Sci 9(1), 43-46.
Veerasamy K, Fredrik ET (2023) Intelligent Farming based on Uncertainty Expert System with Butterfly Optimization Algorithm for Crop Recommendation. J Internet Serv Inf Secur 13(3), 158-169.
Xian TS, Ngadiran R (2021) Plant diseases classification using machine learning. J Phys Conf Ser 1962(1), e012024.
Zoran G, Nemanja A, Srđan B (2022) Comparative Analysis of Old-Growth Stands Janj and Lom Using Vegetation Indices. Arch Tech Sci 2(27), 57-62. | ||
آمار تعداد مشاهده مقاله: 184 تعداد دریافت فایل اصل مقاله: 156 |