
تعداد نشریات | 26 |
تعداد شمارهها | 447 |
تعداد مقالات | 4,557 |
تعداد مشاهده مقاله | 5,380,001 |
تعداد دریافت فایل اصل مقاله | 3,580,066 |
یک سیستم کشاورزی مبتنی بر دادههای بزرگ برای کاربردهای سنجش زیستی از راه دور | ||
مجله بیوتکنولوژی کشاورزی | ||
دوره 16، شماره 4، دی 1403، صفحه 321-334 اصل مقاله (561.33 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22103/jab.2025.23995.1603 | ||
نویسندگان | ||
دبرقی بیسواس* ؛ آنکیتا تیواری | ||
گروه علوم کامپیوتر و فناوری اطلاعات، دانشگاه کالینگا، رایپور، هند. | ||
چکیده | ||
هدف: این مطالعه به بررسی دو مدل کشاورزی مبتنی بر دادههای بزرگ (BD) میپردازد که توسط موسسه ملی غذا و کشاورزی (NIFA) پشتیبانی میشوند. مزایای سوابق کشاورزی کامل، تکنیکهای فنوتیپ کارآمد و کار گروهی در ترویج کشاورزی را بررسی میکند و نقش پیشرفتهای تکنولوژیکی مانند حسگرها، روباتیک، یادگیری ماشینی (ML)، تجزیه و تحلیل دادههای بزرگ، سنجش از دور، و ژنومیکس را در پرداختن به غذا، مواد غذایی جهانی و مسائل امنیتی آب برجسته میکند. اهداف اولیه این مطالعه بررسی مزایای حفظ سوابق کشاورزی دقیق برای اصلاح نژاد و زراعت بهتر، بررسی استراتژیهایی برای فنوتیپسازی کارآمد و جمعآوری دادهها در سیستمهای کشاورزی، سپس حمایت از تعامل بین اصلاحکنندگان گیاه، دانشمندان کشاورزی، و متخصصان ML، سنجش زیستی از راه دور (RBS) و BD، و برای تعیین الزامات مالی برای پیشرفت مداوم کشاورزی مبتنی بر مدلهای BD بود. مواد و روشها: پایگاه داده AVIRIS Indian Pines در این آزمایشها مورد استفاده قرار گرفت. پایگاه داده Indian Pines صنعت کشاورزی را در بر میگیرد. مجموعه داده از 16 گروه مختلف تشکیل شده است. در این مطالعات از یک لپتاپ Intel i5 با واحد پردازش مرکزی (CPU) 2.4 گیگاهرتز (چهار هسته) و 16 گیگابایت حافظه استفاده شد. نتایج: ادغام فناوری، از جمله حسگرها، سنجش از راه دور، ربات ها و تجزیه و تحلیل BD، فنوتیپ سازی با توان بالا و کشاورزی دقیق را افزایش میدهد. همکاری چند رشتهای پرورش و مدیریت محصول را تسریع میکند. تامین مالی آینده برای مدلهای یادگیری ماشینی پیشبینیکننده و تکنیکهای فنوتیپ مقیاسپذیر مورد نیاز است. نتیجهگیری: تجزیه و تحلیل BD، سنجش از دور، و یادگیری ماشینی توانایی تغییر زراعت و اصلاح نباتات را دارند و مسائل مربوط به امنیت غذایی را حل میکنند. همکاری پایدار و سرمایه گذاری زیرساختی کافی برای اجرای موفقیت آمیز ضروری است. به بودجه خاصی که برای توسعه ابزارها و فن آوریهای پیشرفته که روشهای کشاورزی پایدار را تضمین میکنند، مورد نیاز است. | ||
کلیدواژهها | ||
بیوتکنولوژی؛ سنجش از دور؛ سیستم کشاورزی؛ دادههای بزرگ | ||
مراجع | ||
Angin P, Anisi MH, Göksel F, et al. (2020) Agrilora: a digital twin framework for smart agriculture. J Wirel Mob Networks Ubiquitous Comput Dependable Appl 11(4), 77-96.
Benelli A, Cevoli C, Fabbri A (2020) In-field hyperspectral imaging: An overview on the ground-based applications in agriculture. J Agric Eng 51(3), 129-139.
Bhat SA, Huang NF (2021) Big data and AI revolution in precision agriculture: Survey and challenges. IEEE Access 9, 110209-110222.
Camgözlü Y, Kutlu Y (2023) Leaf Image Classification Based on Pre-trained Convolutional Neural Network Models. Nat Eng Sci 8(3), 214-232.
Chen J, Di X, Xu R, et al. (2024) An efficient scheme for in-orbit remote sensing image data retrieval. Future Gener Comput Syst 150, 103-114.
Ge X, Ding J, Jin X, et al. (2021) Estimating agricultural soil moisture content through UAV-based hyperspectral images in the arid region. Remote Sens 13(8), e1562.
Ghotbaldini H, Mohammadabadi M, 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.
Hamidi SP, Mohammadabadi MR, Foozi MA, 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.
Mamdapur GMN, Hadimani MB, KS A, Senel E (2017) The Journal of Horticultural Science and Biotechnology (2008-2017): A Scientometric Study. J Hortic Sci Biotech 9(1), 76-84.
Mohammadabadi M, Kheyrodin H, Afanasenko V, et al. (2024) The role of artificial intelligence in genomics. J Agric Biotechnol 16(2), 195-279.
Olson D, Anderson J (2021) Review on unmanned aerial vehicles, remote sensors, imagery processing, and their applications in agriculture. Agron J 113(2), 971-992.
Pandey H, Singh D, Das R, Pandey D (2021) Precision farming and its application. In book: Choudhury, A., Biswas, A., Singh, T.P., Ghosh, S.K. (eds) Smart Agriculture Automation Using Advanced Technologies. Transactions on Computer Systems and Networks. Springer, Singapore. pp.17-33.
Perez-Ruiz M, Martínez-Guanter J, Upadhyaya SK (2021) High-precision GNSS for agricultural operations. In GPS and GNSS Technol Geosci Elsevier 299-335.
Pržulj N, Tunguz V (2022) Significance of Harvest Residues in Sustainable Management of Arable Land I. Decomposition of Harvest Residues. Arch Tech Sci 1(26), 61–70.
Surendar A, Saravanakumar V, Sindhu S, Arvinth N (2024) A Bibliometric Study of Publication-Citations in a Range of Journal Articles. Indian J Inf Sources Serv 14(2), 97-103.
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.
Weiss M, Jacob F, Duveiller G (2020) Remote sensing for agricultural applications: A meta-review. Remote Sens Environ 236, e111402.
Zhang L, Zhang L (2022) Artificial intelligence for remote sensing data analysis: A review of challenges and opportunities. IEEE Geosci Remote Sen Mag 10(2), 270-294. | ||
آمار تعداد مشاهده مقاله: 178 تعداد دریافت فایل اصل مقاله: 84 |