AI Powered IoT-Based System for Weed and Pest Control in Agriculture Using Deep Learning
提出AI+IoT系统,用深度学习和激光机器人实现杂草与害虫识别及自动清除。
提出AI+IoT系统,用深度学习和激光机器人实现杂草与害虫识别及自动清除。
提出熵引导动态轻量网络,用于识别BTR野生食用蔬菜。
综述人工智能在蔬菜作物生产中的应用,涵盖监测、诊断、灌溉、产量预测与采收机器人。
用红外测温仪测秋葵冠层温度并结合随机森林,实现水分胁迫的早期无损分类。
原文标题:Application of Precision Agriculture and IoT-Based Smart Irrigation in Greenhouse Vegetable Production。作者:Zeeshan Ahmed、Muhammad Taimur Maqbool Muhammad、Abbas Khan Muhammad、Zain Ul Abideen、Abdul Haq。DOI: 10.63163/jpehss.v4i1.1226。该综述综合分析了精准农业(PA)和基于物联网(IoT)的智能灌溉在温室蔬菜生产中的集成,涉及土壤湿度、EC、pH、微气候监测器等物联网传感器与数据分析(AI/ML模型)及自动执行器在番茄、黄瓜、辣椒等作物实时资源管理中的整合。关键组件包括使用ZigBee/LoRa协议的无线传感器网络、低延迟边缘/雾计算和预测算法(如LSTM、SVM),可减少20-50%用水量,同时提高10-30%产量和养分效率。来自中国、欧洲和印度的案例展示了变量灌溉(VRI)和施肥系统的实际应用,实现高达40%的能源节约和最小化淋失。