International Journal of Innovative Science and Research Technology (IJISRT)·9月2日 · 周三论文智慧农业 / 农业物联网阅读 2
AI-Enabled IoT for Precision Agriculture and Smart Crop Management
Tarun Badiwal · Manish Jain · Sandeep Jayswal 等 4 人
International Journal of Innovative Science and Research Technology (IJISRT)DOI 10.38124/ijisrt/26aug1195开放获取 PDF ↗
论文解读
56未达精选线
速览
综述AI与IoT在精准农业中的应用，涵盖传感、灌溉、病害检测等，并给出原型架构。
方法
综述多篇文献，结合ANN、DL、SVM、CNN，并描述基于Arduino和树莓派
发现
AI与IoT集成可支持实时监测和资源优化，但存在网络依赖、成本高、数据有限等挑战。
机会点
针对视觉相似作物病害识别精度不足，可研究多模态数据融合或轻量化模型以提升鲁棒性。
影响力12
信息增量18
专业深度16
信源权威8
时效性2
综述AI与IoT在精准农业中的应用，含原型与数据，但来源一般且时效性低。
原文摘要
农业日益依赖于能够在提高生产力的同时减少水、肥料、农药、除草剂、劳动力及其他资源消耗的技术。本文所综述的五篇源文献共同阐述了人工智能（AI）、机器学习（ML）、物联网（IoT）、计算机视觉、云计算及嵌入式系统在智慧农业中的作用。这些研究工作的重点集中于土壤与环境参数的连续感知、自动化灌溉、作物与杂草监测、病害识别、产量预测及决策支持。相关文献将人工神经网络（ANNs）、深度学习、支持向量机（SVMs）和卷积神经网络（CNNs）视为重要技术方法。此外，文中还描述了一种基于Arduino Mega 2560、Raspberry Pi、多种传感器、Firebase及Apache Web服务器的原型架构。在病害检测原型中，295张叶片图像被划分为训练集、验证集和测试集，基于CNN的移动应用在示例操作中报告的置信度得分为0.97，执行时间约为0.88秒。总体而言，所综述的材料表明，将物联网感知与人工智能/机器学习相结合，可支持实时监测、资源优化及更快速的农业决策。然而，互联网依赖、网络安全、系统复杂性、采用成本、数据集有限以及视觉上相似的作物病害识别精度降低等问题仍是重要挑战。