Abderahman Rejeb a , Alireza Abdollahi b , Karim Rejeb c , Horst Treiblmaier d,
- a Idara ya Usimamizi na Sheria, Kitivo cha Uchumi, Chuo Kikuu cha Roma Tor Vergata, Via Columbia, 2, Roma 00133, Italia
- b Idara ya Utawala wa Biashara, Kitivo cha Usimamizi, Chuo Kikuu cha Kharazmi, 1599964511 Tehran, Iran
- c Kitivo cha Sayansi cha Bizerte, Chuo Kikuu cha Carthage, Zarzouna, 7021 Bizerte, Tunisia
- d Shule ya Usimamizi wa Kimataifa, Chuo Kikuu cha Modul Vienna, Am Kahlenberg 1, 1190 Vienna, Austria
MAELEZO YA KIFUNGU | Muhtasari |
Keywords: Drones UAV Kilimo sahihi Internet ya Mambo Bibliometriki | Ndege zisizo na rubani, ambazo pia huitwa Magari ya Angani yasiyo na rubani (UAV), yameshuhudia maendeleo ya ajabu katika miongo ya hivi karibuni. Katika kilimo, wamebadilisha mbinu za kilimo kwa kuwapa wakulima kuokoa gharama kubwa, kuongezeka ufanisi wa uendeshaji, na faida bora. Katika miongo kadhaa iliyopita, mada ya drones za kilimo imekuwa kuvutia umakini wa ajabu wa kitaaluma. Kwa hivyo tunafanya ukaguzi wa kina kulingana na bibliometriki kufupisha na kuunda fasihi zilizopo za kitaaluma na kufichua mielekeo ya sasa ya utafiti na maeneo hotspots. Sisi kutumia mbinu za bibliometriki na kuchambua maandiko yanayozunguka drones za kilimo ili kufupisha na kutathmini utafiti uliopita. Uchambuzi wetu unaonyesha kuwa utambuzi wa mbali, kilimo cha usahihi, kujifunza kwa kina, kujifunza kwa mashine na Mtandao wa Mambo ni mada muhimu zinazohusiana na drones za kilimo. Nukuu ya pamoja uchambuzi unadhihirisha nguzo sita za utafiti katika fasihi. Utafiti huu ni moja ya majaribio ya kwanza ya kufanya muhtasari wa utafiti wa drone katika kilimo na kupendekeza mwelekeo wa utafiti wa siku zijazo. |
kuanzishwa
Kilimo kinawakilisha chanzo kikuu cha chakula duniani (Friha et al., 2021), na kimekuwa kikikabiliwa na changamoto kubwa kutokana na
kuongezeka kwa mahitaji ya bidhaa za chakula, usalama wa chakula, na masuala ya usalama pamoja na wito wa ulinzi wa mazingira, uhifadhi wa maji, na
uendelevu (Inoue, 2020). Maendeleo haya yanatabiriwa kuendelea kwani idadi ya watu duniani inakadiriwa kufikia bilioni 9.7 ifikapo 2050
(2019). Kwa kuwa kilimo ni mfano maarufu zaidi wa matumizi ya maji duniani kote, inatarajiwa kwamba mahitaji ya chakula na maji
matumizi yataongezeka kwa kasi katika siku zijazo. Zaidi ya hayo, ongezeko la matumizi ya mbolea na dawa za kuua wadudu
pamoja na kuimarika kwa shughuli za kilimo kunaweza kusababisha changamoto za mazingira siku zijazo. Vile vile, ardhi ya kilimo ni mdogo, na
idadi ya wakulima inapungua duniani kote. Changamoto hizi zinasisitiza hitaji la suluhisho bunifu na endelevu la kilimo (Eliya
na wengine, 2018; Friha et al., 2021; Inoue, 2020; Tzounis et al., 2017).
Kujumuisha teknolojia za riwaya kumetambuliwa kama suluhisho la kuahidi kutatua changamoto hizi. Kilimo mahiri (Brewster et al.,
2017; Tang et al., 2021) na kilimo cha usahihi (Feng et al., 2019; Khanna & Kaur, 2019) vimeibuka kama matokeo ya mijadala kama hii. The
zamani ni dhana ya jumla ya kupitisha teknolojia ya mawasiliano ya habari (ICT) na ubunifu mwingine wa kisasa katika shughuli za kilimo ili kuongeza ufanisi na ufanisi (Haque et al., 2021). Mwisho unazingatia usimamizi mahususi wa tovuti ambapo ardhi imegawanywa
sehemu zinazofanana, na kila sehemu hupata kiasi kamili cha pembejeo za kilimo kwa ajili ya uboreshaji wa mazao kwa njia ya teknolojia mpya (Feng et al., 2019; Khanna & Kaur, 2019). Teknolojia maarufu ambazo zimevutia umakini wa wasomi katika uwanja huu ni pamoja na Mitandao ya Kihisi Isiyotumia waya (WSNs) (J. Zheng & Yang, 2018; Y. Zhou et al., 2016), Mtandao wa Mambo (IoT) (Gill et al., 2017; Yeye et al., 2021;
mbinu za akili bandia (AI), ikijumuisha kujifunza kwa mashine na kujifunza kwa kina (Liakos et al., 2018; Parsaeian et al., 2020; Shadrin et al.,
2019), teknolojia za kompyuta (Hsu et al., 2020; Jinbo et al., 2019; Zamora-Izquierdo et al., 2019), data kubwa (Gill et al., 2017; Tantalaki
et al., 2019), na blockchain (PW Khan et al., 2020; Pincheira et al., 2021).
Mbali na teknolojia zilizotajwa hapo juu, utambuzi wa mbali umezingatiwa kuwa zana ya kiteknolojia yenye uwezo mkubwa wa kuboresha.
kilimo cha busara na sahihi. Satelaiti, ndege zinazosimamiwa na binadamu, na ndege zisizo na rubani ni teknolojia maarufu za kutambua kwa mbali (Tsouros et al., 2019).
Ndege zisizo na rubani, maarufu kama Magari ya anga zisizo na rubani (UAVs), Mifumo ya Ndege zisizo na rubani (UAS), na ndege zinazoendeshwa kwa mbali, ni za
umuhimu mkubwa kwani zina faida nyingi kwa kulinganisha na teknolojia zingine za kutambua kwa mbali. Kwa mfano, drones inaweza kutoa
picha za ubora wa juu na zenye azimio la juu siku za mawingu (Manfreda et al., 2018). Pia, upatikanaji wao na kasi ya uhamishaji hujumuisha zingine
faida (Radoglou-Grammatikis et al., 2020). Ikilinganishwa na ndege, ndege zisizo na rubani ni ghali sana na ni rahisi kusanidi na kudumisha (Tsouros et al., 2019). Licha ya kuwa hapo awali zilitumiwa kwa madhumuni ya kijeshi, ndege zisizo na rubani zinaweza kufaidisha maombi mengi ya raia, kwa mfano katika usimamizi wa ugavi (A. Rejeb, Rejeb, et al., 2021a), kwa madhumuni ya kibinadamu (A. Rejeb, Rejeb, et al., 2021c), kilimo mahiri, upimaji na ramani, hati za urithi wa kitamaduni, usimamizi wa maafa, na uhifadhi wa misitu na wanyamapori (Panday, Pratihast, et al., 2020). Katika kilimo, maeneo mengi ya matumizi ya ndege zisizo na rubani zipo kwani zinaweza kuunganishwa na teknolojia mpya, uwezo wa kompyuta, na vihisishi vya ndani ili kusaidia usimamizi wa mazao (km, uchoraji wa ramani, ufuatiliaji, umwagiliaji, uchunguzi wa mimea) (H. Huang et al., 2021) , kupunguza maafa, mifumo ya tahadhari ya mapema, uhifadhi wa wanyamapori na misitu kutaja machache (Negash et al., 2019). Vile vile, ndege zisizo na rubani zinaweza kutumika katika shughuli kadhaa za kilimo, ikijumuisha ufuatiliaji wa mazao na ukuaji, ukadiriaji wa mavuno, tathmini ya shinikizo la maji, na kugundua magugu, wadudu, na magonjwa (Inoue, 2020; Panday, Pratihast, et al., 2020). Sio tu kwamba ndege zisizo na rubani zinaweza kutumika kwa ajili ya ufuatiliaji, ukadiriaji, na utambuzi kulingana na data zao za hisi, lakini pia kwa umwagiliaji kwa usahihi na udhibiti wa magugu, wadudu na magonjwa. Kwa maneno mengine, ndege zisizo na rubani zina uwezo wa kunyunyizia maji na dawa za kuulia wadudu kwa viwango sahihi kulingana na data ya mazingira. Faida za ndege zisizo na rubani katika kilimo zimefupishwa katika Jedwali 1.
Faida kuu za drones katika kilimo.
Faida | Marejeleo |
Kuimarisha muda na anga kuhisi maazimio | (Gago et al., 2015; Niu et al., 2020; Srivastava et al., 2020) |
Kuwezesha kilimo cha usahihi | (L. Deng et al., 2018; Kalischuk et al., 2019; Maimaitijiang et al., 2017) |
Uainishaji na uhakiki wa mazao | (Inoue, 2020; Kalischuk et al., 2019; Lopez- ´ Granados et al., 2016; Maimaitijiang et al., 2017; Melville et al., 2019; Moharana na Dutta, 2016) |
Matumizi ya mbolea | (L. Deng et al., 2018; Guan et al., 2019) |
Ufuatiliaji wa ukame | (Fawcett et al., 2020; Panday, Pratihast, et al., 2020; Su et al., 2018) |
Ukadiriaji wa biomasi | (Bendig et al., 2014) |
Ukadiriaji wa mavuno | (Inoue, 2020; Panday, Shrestha, et al., 2020; Tao et al., 2020) |
Kupunguza maafa | (Negash et al., 2019) |
Uhifadhi wa wanyamapori na misitu | (Negash et al., 2019; Panday, Pratihast, et al., 2020) |
Tathmini ya shinikizo la maji | (Inoue, 2020; J. Su, Coombes, et al., 2018; L. Zhang et al., 2019) |
Wadudu, magugu na magonjwa kugundua | (Ga ˇsparovic et al., 2020; Inoue, 2020; J. Su, Liu, na wengine, 2018; X. Zhang na wenzake, 2019) |
Kwa upande mwingine, drones zinakabiliwa na mapungufu pia. Kuhusika kwa majaribio, nguvu ya injini, uthabiti na kutegemewa, ubora wa vihisi kutokana na upakiaji
vikwazo vya uzito, gharama za utekelezaji, na udhibiti wa usafiri wa anga, ni miongoni mwao (C. Zhang & Kovacs, 2012). Tunalinganisha mapungufu
ya teknolojia tatu za kutambua kwa mbali zinazohamishika katika Jedwali la 2. Teknolojia nyingine za kutambua kwa mbali, kama vile vitambuzi vya udongo, haziko kwenye lengo la utafiti huu.
Mapungufu ya teknolojia mbalimbali za simu za kuhisi kwa mbali.
Kuhisi mbali teknolojia | Mapungufu | Marejeo |
Drone (UAV) | Ushiriki wa majaribio; Picha' ubora (wastani); gharama za utekelezaji (wastani); utulivu, maneuverability, na kuegemea; kusawazisha; nguvu ya injini; uwezo mdogo vyanzo (urefu wa maisha ya betri); muda mdogo wa kukimbia, mgongano na mashambulizi ya mtandao; mdogo uzito wa mzigo; seti kubwa za data na uchakataji mdogo wa data uwezo; ukosefu wa udhibiti; ukosefu wa utaalamu, kuingia juu vikwazo vya upatikanaji wa drones za kilimo; | (Bacco et al., 2018; Dawaliby na wengine, 2020; Hardin & Hardin, 2010; Hardin & Jensen, 2011; Lagkas et al., 2018; Laliberte et al., 2007; Laliberte & Rango, 2011; Manfreda et al., 2018, 2018; Nebiker et al., 2008; Puri na wengine, 2017; Velusamy et al., 2022; C. Zhang & Kovacs, 2012) |
Satellite | Chanjo ya mara kwa mara ya satelaiti, azimio mdogo wa spectral; kuathirika kwa masuala ya mwonekano (kwa mfano, mawingu); Kutopatikana na kasi ya chini ya uhamisho; mwelekeo na vignetting kuathiri data ya anga ya gharama kubwa mkusanyiko; utoaji wa data polepole wakati wa kumaliza watumiaji | (Aboutalebi et al., 2019; Cen na wengine, 2019; Chen na wenzake, 2019; Nansen na Elliott, 2016; Panday, Pratihast, na wengine, 2020; Sai Vineeth et al., 2019) |
Ndege | Gharama kubwa za kupitishwa; usanidi ngumu; gharama za matengenezo; kutopatikana kwa kuaminika ndege, jiometri ya Picha; data zisizo za kawaida upatikanaji; ukosefu wa kubadilika; ajali mbaya; data ya sensor tofauti kutokana na vibrations; masuala ya kijiografia | (Armstrong et al., 2011; Atkinson et al., 2018; Barbedo & Koenigkan, 2018; Kovalev na Voroshilova, 2020; Suomalainen et al., 2013; Thamm et al., 2013) |
Kama teknolojia ya taaluma nyingi na madhumuni mengi katika kilimo, ndege zisizo na rubani zimechunguzwa kutoka kwa mitazamo tofauti. Kwa mfano, wasomi wamekagua matumizi ya ndege zisizo na rubani katika kilimo (Kulbacki et al., 2018; Mogili & Deepak, 2018), mchango wao katika kilimo cha usahihi (Puri et al., 2017; Tsouros et al., 2019), ukamilishano wao na zingine. teknolojia za kisasa (Al-Thani et al., 2020; Dutta & Mitra, 2021; Nayyar et al., 2020; Saha et al., 2018), na uwezekano wa kuendeleza uwezo wao wa kusogeza na kuhisi (Bareth et al. , 2015; Suomalainen et al., 2014). Kwa kuwa utafiti kuhusu matumizi ya ndege zisizo na rubani katika kilimo umeenea (Khan et al., 2021)), kuna haja ya kufupisha fasihi iliyopo na kufichua muundo wa kiakili wa kikoa. Zaidi ya hayo, kama uwanja wa teknolojia ya juu na uboreshaji unaoendelea, ukaguzi uliopangwa unahitaji kufanywa ili kufupisha mara kwa mara fasihi iliyopo na kutambua mapungufu muhimu ya utafiti. Kwa
tarehe, kuna hakiki chache zinazojadili matumizi ya ndege zisizo na rubani katika sekta ya kilimo. Kwa mfano, Mogili na Deepak (2018) walipitia kwa ufupi athari za drones katika ufuatiliaji wa mazao na unyunyizaji wa dawa. Inoue (2020) hufanya mapitio ya matumizi ya satelaiti na drone katika hisia za mbali katika kilimo. Mwandishi anachunguza changamoto za kiteknolojia za kutumia kilimo mahiri na michango ya satelaiti na ndege zisizo na rubani kulingana na tafiti na mbinu bora zaidi. Tsouros na wengine. (2019) hufanya muhtasari wa aina tofauti za ndege zisizo na rubani na matumizi yake makuu katika kilimo, zikiangazia mbinu mbalimbali za kupata na kuchakata data. Hivi majuzi, Aslan et al. (2022) ilifanya ukaguzi wa kina wa maombi ya UAV katika shughuli za kilimo na kusisitiza umuhimu wa ujanibishaji wa wakati mmoja na uchoraji wa ramani kwa UAV katika chafu. Diaz-Gonzalez na wenzake. (2022) ilikagua tafiti za hivi majuzi za uzalishaji wa mazao kulingana na mbinu tofauti za kujifunza kwa mashine na kwa mbali
mifumo ya kuhisi. Matokeo yao yalionyesha kuwa UAVs ni muhimu kukadiria viashiria vya udongo na kufanya vyema mifumo ya satelaiti katika suala la azimio la anga, muda wa habari, na kunyumbulika. Basiri et al. (2022) ilifanya mapitio ya kina ya mbinu na mbinu mbalimbali za kushinda changamoto za kupanga njia kwa UAV za rota nyingi katika muktadha wa kilimo cha usahihi. Aidha, Awais et al. (2022) ilifanya muhtasari wa matumizi ya data ya UAV ya kutambua kwa mbali katika mazao ili kukadiria hali ya maji na kutoa usanisi wa kina wa uwezo unaotarajiwa wa kutambua kwa mbali UAV kwa utumizi wa mfadhaiko wa taka. Hatimaye, Aquilani et al. (2022) ilikagua teknolojia za awali za kilimo zinazotumika katika mifumo ya ufugaji wa malisho na kubaini kuwa utambuzi wa mbali unaowezeshwa na UAVs ni wa manufaa kwa tathmini ya mimea na usimamizi wa mifugo.
Pia, juhudi za kutumia UAVs katika ufuatiliaji, ufuatiliaji, na kukusanya mifugo zimeripotiwa hivi karibuni.
Ingawa hakiki hizi hutoa maarifa mapya na muhimu, hakuna uhakiki wa kina na wa kisasa kulingana na bibliometriki unaoweza kupatikana katika fasihi, ambayo inatoa pengo la wazi la maarifa. Zaidi ya hayo, imeelezwa kuwa uzalishaji wa kitaalamu unapokua katika nyanja ya kisayansi, inakuwa muhimu kwa watafiti kutumia mbinu za upimaji wa upimaji ili kufahamu muundo wa maarifa wa kikoa (Rivera & Pizam, 2015). Vile vile, Ferreira et al. (2014) alisema kuwa kadiri nyanja za utafiti zinavyoendelea kukomaa na kuwa tata, wasomi wanapaswa kulenga kuleta maana mara kwa mara ya maarifa yanayotolewa na kukusanywa ili kufichua michango mipya, kunasa mila na mienendo ya utafiti, kutambua mada zinazosomwa, na kuzama katika muundo wa maarifa wa nyanja na mwelekeo wa utafiti unaowezekana. Ingawa Raparelli na Bajocco (2019) walifanya uchanganuzi wa bibliometriki kuchunguza kikoa cha maarifa cha matumizi ya ndege zisizo na rubani katika kilimo na misitu, utafiti wao unazingatia tu utafiti wa kitaalamu uliochapishwa kati ya 1995 na 2017, ambao hauakisi mienendo ya eneo hili linalosonga kwa kasi. Zaidi ya hayo, waandishi hawakujaribu kubainisha michango yenye ushawishi mkubwa katika fani, kuunganisha fasihi, na kutathmini muundo wa kiakili kwa kutumia uchanganuzi wa manukuu. Kwa hivyo, ni muhimu kufanya muhtasari wa fasihi ili kufichua foci za sasa za utafiti, mienendo, na maeneo maarufu.
Ili kujaza pengo hili la maarifa, tunatumia mbinu ya kiasi na mbinu dhabiti za bibliometriki kuchunguza hali ya sasa ya utafiti katika makutano ya ndege zisizo na rubani na kilimo. Tunasema kuwa utafiti wa sasa unatoa michango kadhaa kwa fasihi iliyopo kwa kuchunguza teknolojia inayochipuka ambayo inahitajika sana katika kilimo kwani inatoa uwezo mkubwa wa kubadilisha vipengele kadhaa katika sekta hii. Haja ya uchanganuzi wa kibiblia wa ndege zisizo na rubani za kilimo inaonekana zaidi ikizingatiwa maarifa yaliyotawanyika na yaliyogawanyika juu ya drones ndani ya muktadha wa kilimo. Vile vile, fasihi inayohusu ndege zisizo na rubani za kilimo zinahitajika kuunganishwa kwa utaratibu, kwa kuzingatia tafiti zenye ushawishi mkubwa zaidi ambazo hujenga msingi wa uwanja huu wa utafiti. Umuhimu katika uchanganuzi unajumuisha pia ufafanuzi wa dhamira kuu za utafiti zinazowakilishwa katika fasihi. Kwa kuzingatia uwezo wa mabadiliko ya teknolojia, tunaamini kwamba uchambuzi wa kina wa mtandao hutoa maarifa mapya kwa kubainisha kazi zenye ushawishi na kufichua mada kuhusu uwezekano wa drones kwa kilimo.
Kwa hivyo tunajitahidi kufikia malengo ya utafiti yafuatayo:
- Utambulisho wa machapisho yenye ushawishi na michango bora kwa matumizi ya drone katika uwanja wa kilimo.
- Kuunganishwa kwa fasihi, utambuzi wa foci za utafiti, na uchoraji ramani wa tafiti kuu za 'muundo wa kiakili' kulingana na mfanano wa kisemantiki kwa kutumia uchanganuzi wa manukuu.
- Uelewa wa mageuzi ya uhusiano na mitandao ya manukuu kwa muda kati ya machapisho mbalimbali katika uwanja na utambuzi wa maelekezo ya utafiti wa baadaye na mada moto.
Karatasi iliyobaki imeundwa kama ifuatavyo: Sehemu ya 2 inaelezea mbinu na hatua za ukusanyaji wa data; sehemu ya 3 inatoa matokeo ya uchambuzi; na sehemu ya 4 inajadili matokeo na kuhitimishwa na michango ya utafiti, athari, na mwelekeo wa siku zijazo.
Mbinu
Katika utafiti huu wa sasa wa utafiti, tunafanya uchanganuzi wa bibliometriki kuchunguza matumizi ya ndege zisizo na rubani katika kilimo. Mbinu hii ya upimaji inafichua muundo wa kiakili wa kikoa cha maarifa (Arora & Chakraborty, 2021) na hali ya sasa, mada motomoto, na mwelekeo wa utafiti wa siku zijazo ambao unaweza kuchunguzwa kwa kutumia mbinu hii (Kapoor et al., 2018; Mishra et al. , 2017; A. Rejeb, et al., 2021b A. Rejeb et al., 2021d MA Rejeb et al., 2020). Kwa ujumla, uchanganuzi wa bibliometriki huchunguza fasihi iliyopo ili kufupisha na kufichua mifumo fiche ya mawasiliano ya maandishi na mageuzi ya taaluma kulingana na takwimu na mbinu za hisabati, na inatumika kwa seti kubwa za data (Pritchard, 1969; Small, 1999; Tahai & Rigsby , 1998). Kwa kutumia bibliometriki, tunatamani kuelewa vyema dhana zilizopo na foci za utafiti zinazochangia kikoa kulingana na kufanana (Thelwall, 2008). Bibliometriki hutoa maarifa mapya yanayoungwa mkono na nguvu ya kiasi ya mbinu (Casillas & Acedo, 2007). Wasomi wengi hapo awali wamefanya tafiti za bibliometriki katika vikoa vinavyohusiana, ikijumuisha kilimo, utambuzi wa mbali, na mabadiliko ya kidijitali (Armenta-Medina et al., 2020; Bouzembrak et al., 2019; A. Rejeb, Treiblmaier, et al., 2021; Wamba & Queiroz, 2021; Wang et al., 2019).
Uchambuzi wa manukuu
Uchambuzi wa dondoo unaonyesha maarifa mbalimbali katika uwanja fulani wa utafiti. Kwanza kabisa, inasaidia kufichua waandishi na machapisho mashuhuri zaidi ambayo huchangia uwanja fulani wa utafiti na kuleta athari kubwa (Gundolf & Filser, 2013). Pili, mtiririko wa maarifa na viungo vya mawasiliano kati ya waandishi vinaweza kufichuliwa. Hatimaye, kwa kufuatilia viungo kati ya kazi zilizotajwa na zilizotajwa, mtu anaweza kuchunguza mabadiliko na mabadiliko ya kikoa cha ujuzi kwa muda (Pournader
na wengine, 2020). Nambari za juu za manukuu za chapisho zinaonyesha umuhimu wake na michango yake kubwa kwa kikoa cha utafiti (Baldi, 1998; Gundolf & Filser, 2013; Marinko, 1998). Uchambuzi wa manukuu ya machapisho pia husaidia kutambua kazi zinazofaa na kufuatilia umaarufu na maendeleo yao kwa wakati.
Uchambuzi wa manukuu shirikishi ya hati
Uchanganuzi wa nukuu shirikishi ni njia muhimu ya kuchunguza uhusiano kati ya machapisho na kuonyesha muundo wa kiakili wa nyanja (Nerur et al., 2008). Kwa maneno mengine, kwa kubainisha machapisho yaliyotajwa zaidi na miunganisho yake, mbinu hugawanya machapisho katika vikundi tofauti vya utafiti ambapo machapisho katika nguzo hushiriki mawazo sawa mara kwa mara (McCain, 1990; Small, 1973). Ni muhimu kutaja kwamba kufanana haimaanishi kuwa matokeo ya machapisho ni
kushikamana na kukubaliana kwa kila mmoja; machapisho ni ya kundi moja kwa sababu ya kufanana kwa mada, lakini yanaweza kuwa na maoni yanayokinzana.
Ukusanyaji wa data na uchambuzi
Kufuatia mbinu iliyopendekezwa na White na Griffith (1981), tulifanya utafutaji wa kina wa makala za jarida ili kufikia kikoa kizima cha utafiti wa matumizi ya ndege zisizo na rubani katika kilimo, tukifuata hatua tano zifuatazo:
- Hatua ya kwanza ilikuwa ukusanyaji wa data. Scopus ilichaguliwa kama mojawapo ya hifadhidata za kina na za kuaminika zenye matokeo sanifu. Data ya meta ya machapisho yanayohusiana na matumizi yote ya ndege zisizo na rubani katika kilimo ilipatikana. Kisha tukachanganua vifungu vilivyochaguliwa, na kuondoa vifungu visivyo na mada kwenye uchanganuzi.
- Tulichanganua fasihi na kutambua maneno muhimu zaidi yaliyotumiwa katika eneo la utafiti.
- Kwa kutumia uchanganuzi wa manukuu, tuligundua uhusiano kati ya waandishi na hati ili kufichua mifumo msingi ya manukuu. Pia tulitambua waandishi na machapisho yenye ushawishi mkubwa na mchango mkubwa katika uwanja wa drones za kilimo.
- Tulifanya uchanganuzi wa manukuu ili kupanga machapisho sawa katika vikundi.
- Hatimaye, tulichanganua uhusiano na uhusiano kati ya nchi, taasisi na majarida ili kuonyesha mtandao wa ushirikiano.
Utambulisho wa maneno sahihi ya utafutaji
Tulitumia mifuatano ya utafutaji ifuatayo kwa ujumlishaji wa data: (drone* AU "gari lisilo na rubani" AU uav* AU "mfumo wa ndege usio na rubani” AU uas AU “ndege zinazoendeshwa kwa mbali”) NA (kilimo AU kilimo AU kilimo AU mkulima) Utafutaji ulifanyika Septemba 2021. Ndege zisizo na rubani zina majina kadhaa, zikiwemo UAV, UAS, na ndege zinazoendeshwa kwa mbali (Sah et al., 2021). Maneno maalum ya utafutaji yanayohusiana na kilimo yalitambuliwa kulingana na utafiti wa Abdollahi et al. (2021). Kwa ajili ya uwazi na uwazi, swali kamili tulilotumia limetolewa katika Kiambatisho cha 1. Kufuatia mchakato wa kusafisha data, tulitengeneza faili ya maandishi ambayo baadaye ilipakiwa kwenye BibExcel, chombo cha kawaida cha uchanganuzi wa manukuu na manukuu. Zana hii pia inatoa mwingiliano rahisi na programu nyingine na inatoa kiwango kikubwa cha uhuru katika utunzaji na uchambuzi wa data. Toleo la VOSviewer 1.6.16 lilitumiwa kuibua matokeo na kuzalisha mitandao ya bibliometriki (Eck & Waltman, 2009). VOSviewer inatoa anuwai ya taswira angavu, haswa kwa kuchambua ramani za bibliometriki (Geng et al., 2020). Zaidi ya hayo, inasaidia katika kutoa matokeo ya kuona wazi ambayo husaidia kuelewa vyema matokeo (Abdollahi et al., 2021). Kwa kutumia mifuatano ya utafutaji kama ilivyoelezwa hapo juu, tulikusanya na kuhifadhi machapisho yote muhimu. Matokeo ya kwanza ya utafutaji yalitoa jumla ya hati 5,085. Ili kuhakikisha ubora wa sampuli iliyochaguliwa, ni makala za jarida zilizopitiwa na rika pekee ndizo zilizozingatiwa katika utafiti, na kusababisha kutojumuishwa kwa aina nyingine za hati, kama vile vitabu, sura, shughuli za mkutano na maelezo ya wahariri. Wakati wa mchakato wa uchunguzi, machapisho yasiyo na maana (yaani, zaidi ya upeo wa kazi hii), yasiyo ya lazima (yaani, nakala zinazotokana na kuorodhesha mara mbili), na machapisho yasiyozungumza Kiingereza yalichujwa. Utaratibu huu ulisababisha kuingizwa kwa hati 4,700 katika uchambuzi wa mwisho.
Matokeo na majadiliano
Kuanza, tulichambua maendeleo katika matokeo ya uchapishaji katika fasihi ya sasa juu ya drones za kilimo. Mgawanyo wa muda wa utafiti wa kitaalamu umeonyeshwa kwenye Mchoro 1. Tunaona ongezeko la haraka la machapisho kutoka mwaka wa 2011 (machapisho 30) kuendelea; kwa hivyo, tuliamua kugawa kipindi cha uchambuzi katika hatua mbili tofauti. Tunarejelea kipindi kati ya 1990 na 2010 kama hatua ya kujenga, ambayo ilikuwa na takriban karatasi saba zilizochapishwa kila mwaka. Kipindi cha baada ya 2010 kimeitwa hatua ya ukuaji kwani utafiti kuhusu matumizi ya ndege zisizo na rubani katika kilimo ulishuhudia ongezeko kubwa katika kipindi hiki. Baada ya 2010, idadi inayoongezeka ya machapisho inathibitisha shauku inayoongezeka kati ya watafiti, ambayo pia inaonyesha kuwa ndege zisizo na rubani zimetumika kwa utambuzi wa mbali na kutumika katika kilimo cha usahihi (Deng et al., 2018; Maes & Steppe, 2019; Messina & Modica, 2020 ) Hasa, idadi ya machapisho iliongezeka kutoka 108 mwaka wa 2013 hadi 498 mwaka wa 2018 na kufikia kilele cha 1,275 mwaka wa 2020. Jumla ya makala 935 zilichapishwa kati ya Januari na katikati ya Septemba 2021. Baadaye, tulichagua kuangazia uchanganuzi wetu zaidi kwenye hatua ya ukuaji. kwa kuwa kipindi hiki kinaonyesha hila za hivi karibuni na muhimu za drones za kilimo.
Uchambuzi wa maneno muhimu
Maneno muhimu ambayo waandishi huchagua kwa uchapishaji yana athari muhimu juu ya jinsi karatasi inawakilishwa na jinsi inavyowasilishwa ndani ya jamii za kisayansi. Wanatambua mada kuu za utafiti na kuamua uwezekano wake wa kushamiri au kutofaulu (Siku na Gastel, 1998.; Kim et al., 2016; Uddin et al., 2015). Uchanganuzi wa maneno muhimu, zana ya kufichua mielekeo na mielekeo pana ya utafiti, inarejelea mkusanyiko wa maneno muhimu ya machapisho yote yanayohusiana katika kikoa (Dixit & Jakhar, 2021). Katika utafiti wa sasa, tuligawanya manenomsingi yaliyojumlishwa katika seti mbili (yaani, hadi 2010 na 2011–2021) ili kuchunguza mada maarufu zaidi. Kwa kufanya hivi, tunaweza kufuatilia maneno muhimu katika seti zote mbili na kuhakikisha kwamba tulinasa data zote muhimu. Kwa kila seti, maneno muhimu kumi ya kwanza yanawasilishwa katika Jedwali la 3. Tuliondoa kutofautiana kwa kuunganisha maneno muhimu yanayofanana kisemantiki, kama vile "drone" na "drones" au, vile vile, "Internet ya Mambo" na "IoT.".
Jedwali la 3 linaonyesha kuwa "gari lisilo na rubani" ni neno kuu linalotumiwa mara kwa mara ikilinganishwa na "drone" na "mfumo wa angani usio na rubani" katika vipindi vyote viwili. Pia, "hisia za mbali," "kilimo cha usahihi," na "kilimo" zimeorodheshwa katika vipindi vyote viwili. Katika kipindi cha kwanza, "kilimo cha usahihi" kilishika nafasi ya tano, na kilishika nafasi ya pili katika kipindi cha pili, ambacho kinaonyesha jinsi ndege zisizo na rubani zinavyozidi kuwa muhimu katika kufikia kilimo cha usahihi kwani zinaweza kufanya ufuatiliaji,
utambuzi, na mazoea ya kukadiria kwa haraka, nafuu, na rahisi kufanya kwa kulinganisha na mifumo mingine ya kutambua kwa mbali na ya msingi. Pia, wanaweza kunyunyizia kiasi halisi cha pembejeo (kwa mfano, maji au dawa) inapohitajika (Guo et al., 2020; Inoue, 2020; Panday, Pratihast, et al., 2020).
Orodha ya maneno muhimu yanayotumiwa sana.
Cheo | 1990-2010 | Hapana matukio | 2011-2021 | Hapana matukio |
1 | angani isiyo na rubani gari | 28 | haijapangwa gari la anga | 1628 |
2 | kuhisi kijijini | 7 | usahihi kilimo | 489 |
3 | kilimo | 4 | kuhisi kijijini | 399 |
4 | hewa | 4 | drone | 374 |
5 | usahihi kilimo | 4 | haijapangwa mfumo wa anga | 271 |
6 | angani isiyo na rubani | 4 | kilimo | 177 |
7 | hyperspectral sensor | 3 | kujifunza kwa kina | 151 |
8 | neural ya bandia mitandao | 2 | mashine kujifunza | 149 |
9 | kuruka uhuru | 2 | mimea index | 142 |
10 | kahawa | 2 | Mtandao wa Mambo | 124 |
Kipengele kingine cha kuvutia ni uwepo wa teknolojia za ziada. Katika hatua ya kwanza, "Sensor ya Hyperspectral" na "mitandao ya neural ya bandia" (ANN) ni kati ya maneno kumi kuu. Upigaji picha wa hali ya juu ulifanya mabadiliko katika taswira ya kitamaduni kwa kukusanya idadi kubwa ya picha katika urefu tofauti wa mawimbi. Kwa kufanya hivyo, vitambuzi vinaweza kukusanya kwa wakati mmoja taarifa bora zaidi ya anga na spectral ikilinganishwa na taswira ya taswira nyingi, taswira ya taswira na RGB (Adao ˜ et al.,
2017). Kutokea kwa "ANN" katika hatua ya kwanza na "kujifunza kwa kina" (DL) na "kujifunza kwa mashine" (ML) katika pili kunamaanisha kuwa kazi nyingi zilizochapishwa zilizingatia uchunguzi wa uwezo wa mbinu za AI kwa drone- kilimo msingi. Ingawa ndege zisizo na rubani zina uwezo wa kuruka kwa uhuru, bado zinahitaji ushiriki wa rubani, ambayo inamaanisha kiwango cha chini cha akili ya kifaa. Hata hivyo, tatizo hili linaweza kutatuliwa kutokana na maendeleo ya mbinu za AI, ambazo zinaweza kutoa ufahamu bora wa hali na usaidizi wa uamuzi wa uhuru. Zikiwa na AI, ndege zisizo na rubani zinaweza kuzuia migongano wakati wa urambazaji, kuboresha usimamizi wa udongo na mazao (Inoue, 2020), na kupunguza kazi na dhiki kwa wanadamu (BK Sharma et al., 2019).
Kutokana na kubadilika kwao na uwezo wa kushughulikia kiasi kikubwa cha data zisizo na mstari, mbinu za AI ni mbinu zinazofaa za kuchambua data inayopitishwa na drones na mifumo mingine ya kijijini na ya msingi ya kutabiri na kufanya maamuzi (Ali et al., 2015; Inoue, 2020). Zaidi ya hayo, uwepo wa “IoT” katika kipindi cha pili unaonyesha nafasi yake inayojitokeza katika kilimo. IoT inaleta mageuzi ya kilimo kwa kuunganisha teknolojia nyingine, ikiwa ni pamoja na drones, ML, DL, WSNs, na data kubwa. Mojawapo ya faida kuu za kutekeleza IoT ni uwezo wake wa kuunganisha kwa ufanisi na kwa ufanisi kazi mbalimbali (upataji wa data, uchambuzi na usindikaji wa data, kufanya maamuzi, na utekelezaji) karibu na wakati halisi (Elijah et al., 2018; Feng et al. , 2019; Muangprathub et al., 2019). Zaidi ya hayo, ndege zisizo na rubani huchukuliwa kuwa zana bora za kunasa data muhimu kwa ajili ya kukokotoa nguvu na sifa za uoto wa mimea (Candiago et al., 2015). Kielelezo 2a na 2b zinaonyesha neno msingi la utendakazi wa mitandao kwa vipindi vyote viwili.
Waandishi wenye ushawishi
Katika sehemu hii, tunabainisha waandishi wenye ushawishi na kuchunguza jinsi mitandao ya manukuu ya waandishi inaweza kuibua na kupanga fasihi ya sasa. Kielelezo cha 3 kinaonyesha mwelekeo wa mpangilio wa watafiti wote wenye idadi kubwa zaidi ya manukuu. Kiwango cha rangi kinaonyesha tofauti ya mwaka ya manukuu ya waandishi. Tunachunguza muundo wa manukuu ya watafiti waliochapisha tafiti kuhusu ndege zisizo na rubani za kilimo kwa kutumia kiwango cha chini cha manukuu 50 na machapisho kumi. Nje ya
Waandishi 12,891, ni 115 tu waliofikia hali hii. Jedwali la 4 linaorodhesha waandishi kumi wakuu wenye ushawishi, waliopangwa kwa idadi ya juu zaidi ya manukuu. Lopez- Granados F. anaongoza orodha hiyo kwa manukuu 1,963, ikifuatiwa na Zarco-Tejada PJ yenye manukuu 1,909.
Orodha ya waandishi wengi waliotajwa.
Cheo | mwandishi | Madondoo |
1 | Lopez-Granados ´ F. | 1,963 |
2 | Zarco-Tejada PJ | 1,909 |
3 | Pena ˜ JM | 1,644 |
4 | Torres-S' anchez J. | 1,576 |
5 | Fereres E | 1,339 |
6 | Remondino F | 1,235 |
7 | Bolt A | 1,160 |
8 | Bareth G | 1,155 |
9 | Berni JA | 1,132 |
10 | de Castro AI | 1,036 |
Inapokuja kwa machapisho ya mtu binafsi, nakala ya Zhang na Kovacs (2012) imekuwa utafiti uliotajwa zaidi kuchapishwa katika Precision Agriculture. Hapa, waandishi walikagua matumizi ya UAS katika kilimo cha usahihi. Matokeo ya utafiti wao yanapendekeza kwamba kuna haja ya kuendeleza muundo wa jukwaa, uzalishaji, kusanifisha urejeleaji wa picha, na mtiririko wa urejeshaji taarifa ili kuwapa wakulima bidhaa za mwisho zinazotegemeka. Zaidi ya hayo, wanapendekeza kumshirikisha mkulima kwa nguvu zaidi, hasa katika upangaji shamba, kunasa picha, pamoja na tafsiri na uchambuzi wa data. Muhimu zaidi, utafiti huu ulikuwa miongoni mwa wa kwanza kuonyesha umuhimu wa UAV katika ramani ya shamba, ramani ya nguvu, kipimo cha maudhui ya kemikali, ufuatiliaji wa matatizo ya mimea, na tathmini ya athari za mbolea kwenye ukuaji wa mimea. Changamoto zinazohusiana na teknolojia pia ni pamoja na gharama kubwa, uwezo wa sensorer, uthabiti na kuegemea kwa jukwaa, ukosefu wa viwango, na utaratibu thabiti wa kuchambua idadi kubwa ya data.
Uchambuzi wa manukuu
Uchanganuzi wa manukuu unawakilisha uchunguzi wa athari za makala, ingawa huathiri mtiririko (km, upendeleo wa manukuu, kujinukuu) huchukuliwa kuwa mojawapo ya zana za kawaida za tathmini ya athari (Osareh, 1996; A. Rejeb et al., 2022; Sarli et al., 2010). Manukuu pia yanaonyesha umuhimu na uhai wa michango ya karatasi kwenye fasihi kuhusu mada mahususi (R. Sharma et al., 2022). Tulifanya uchanganuzi wa manukuu ili kubaini tafiti zenye ushawishi mkubwa zaidi kwenye ndege zisizo na rubani za kilimo na kufupisha yaliyomo. Jedwali la 5 linaonyesha orodha ya karatasi kumi na tano zenye ushawishi mkubwa kwa vipindi vya 1990-2010 na 2011-2021. Nakala za Berni et al. (2009)b na Austin (2010) ndio waliotajwa zaidi wakati wa 1990 na 2010, wakiwa na manukuu 831 na 498, mtawalia. Berni na wenzake. (2009)b ilionyesha uwezekano wa kutengeneza bidhaa nyingi za kutambua kwa mbali kupitia UAV inayotumia helikopta iliyo na vitambuzi vya bei nafuu vya upigaji picha na upigaji picha wa mkanda mwembamba. Ikilinganishwa na vitambuzi vya kitamaduni vya kupeperushwa hewani, mfumo wa UAV wa gharama ya chini kwa kilimo unaweza kufikia makadirio linganifu ya vigezo vya kibiofizikia vya mazao, ikiwa si bora zaidi. Gharama nafuu na unyumbufu wa uendeshaji, pamoja na maazimio ya juu ya spectral, anga, na muda yanayopatikana kwa wakati wa haraka wa mabadiliko, hutoa UAVs kufaa kwa matumizi mbalimbali ambayo yanahitaji usimamizi wa muda, ikiwa ni pamoja na ratiba ya umwagiliaji, na kilimo cha usahihi. Karatasi kutoka kwa Berni et al. (2009)b imetajwa sana kwa sababu iliunganisha vyema jukwaa la mzunguko wa mzunguko lisilo na rubani na vitambuzi vya dijiti na vya joto na mbinu muhimu za urekebishaji kwa matumizi ya kilimo. Chapisho la pili lililotajwa zaidi ni kitabu kilichoandikwa na Austin (2010), ambaye alijadili UAVs kutoka kwa muundo, maendeleo, na mitazamo ya kupeleka. Katika kilimo, UAVs inasaidia ufuatiliaji wa mazao kwa kugundua magonjwa mapema kupitia mabadiliko ya rangi ya mazao, kuwezesha upandaji wa mazao na kunyunyizia dawa, na kufuatilia na kuendesha mifugo.
Masomo ya Sullivan et al. (2007), Lumme et al. (2008), na Gokto ¨ ǧan et al. (2010) maliza orodha ya makala kumi na tano bora yaliyotajwa zaidi. Makala haya yanaonyesha maendeleo ya mifumo ya UAV ili kusaidia kilimo. Hutoa suluhu kwa matatizo mbalimbali, kama vile ufuatiliaji wa mazao na skanning, ufuatiliaji na usimamizi wa magugu, na usaidizi wa maamuzi. Pia wanapendekeza na kujadili uwezo wa UAV kuongeza ufanisi wa sampuli na kuwasaidia wakulima katika kubuni sahihi na bora
mikakati ya kupanda. Karatasi mbili ziliandikwa na Berni (Berni et al., 2009b; Berni et al., 2009a), akisisitiza athari zake kubwa kwenye utafiti unaohusiana na kilimo. Karatasi kutoka kwa Zarco-Tejada et al. (2014) imekuwa miongoni mwa tafiti tangulizi ili kuonyesha hitaji la kutumia taswira ya UAV ya gharama ya chini katika ukadiriaji wa urefu wa mti.
Orodha ya machapisho yaliyotajwa zaidi.
Cheo | Kutoka kwa 1990 2010 | Kutoka kwa 2011 2021 | ||
Hati | Citation | Hati | Citation | |
1 | (Berni na wenzake, 2009b) | 831 | (C. Zhang & Kovacs, 2012) | 967 |
2 | (Austin, 2010) | 498 | (Nex & Remondino, 2014) | 893 |
3 | (Hunt et al., 2010) | 331 | (Floreano & Wood, 2015) | 552 |
4 | (SR Herwitz et al., 2004) | 285 | (Hossein Motlagh et al., 2016) | 391 |
5 | (CCD Lelong et al., 2008) | 272 | (Shakhatreh na al., 2019) | 383 |
6 | (Berni na wenzake, 2009b) | 250 | (Ma et al., 2017) | 373 |
7 | (Grenzdorffer ¨ et al., 2008) | 198 | (Bendig et al., 2014) | 360 |
8 | (Hrabar na wenzake, 2005) | 175 | (Zarco-Tejada et al., 2014) | 347 |
9 | (Y. Huang na wenzake, 2009) | 129 | (Tangazo ao na wenzake, 2017) | 335 |
10 | (Schmale III et al., 2008) | 119 | (Honkavaara et al., 2013a) | 331 |
11 | (Abd-Elrahman na al., 2005) | 79 | (Candiago et al., 2015) | 327 |
12 | (Techy et al., 2010) | 69 | (Xiang & Tian, 2011) | 307 |
13 | (Sullivan et al., 2007) | 51 | (Matese et al., 2015) | 303 |
14 | (Lumme et al., 2008) | 42 | (Gago na wenzake, 2015) | 275 |
15 | (Gokto ¨ ǧan et al., 2010) | 40 | (Aasen et al., 2015a) | 269 |
Katika kipindi cha pili (2011-2021), utafiti wa Zhang na Kovacs (2012) na Nex na Remondino (2014) ulisababisha machapisho yaliyotajwa mara kwa mara. Zhang and Kovacs (2012) wanasema kuwa kilimo cha usahihi kinaweza kufaidika kutokana na kutekeleza mbinu na vihisi vya jiografia, kama vile mifumo ya taarifa za kijiografia, GPS, na vihisishi vya mbali, ili kunasa tofauti katika nyanja na kuzishughulikia kwa kutumia mikakati mbadala. Kama kibadilishaji mchezo katika kilimo cha usahihi, kupitishwa kwa drones kumetangaza enzi mpya katika kutambua kwa mbali, kurahisisha uchunguzi wa angani, kunasa data ya ukuaji wa mazao, hali ya udongo na maeneo ya kunyunyizia dawa. Mapitio ya Zhang na Kovacs (2012) ni ya kina kwa vile inatoa maarifa katika UAVs kwa kufichua matumizi na changamoto zilizopo za vifaa hivi katika ufuatiliaji wa mazingira na kilimo cha usahihi, kama vile mapungufu ya jukwaa na kamera, changamoto za usindikaji wa data, ushiriki wa wakulima na kanuni za usafiri wa anga. . Ya pili
utafiti uliotajwa zaidi kutoka kwa Nex na Remondino (2014) ulikagua hali ya sanaa ya UAV kwa kunasa, kuchakata, na kuchambua picha za dunia.
Kazi yao pia iliwasilisha muhtasari wa majukwaa kadhaa ya UAV, programu tumizi, na visa vya utumiaji, ikionyesha maendeleo mapya zaidi katika usindikaji wa picha za UAV. Katika kilimo, wakulima wanaweza kutumia UAVs kufanya maamuzi madhubuti ili kufikia uokoaji wa gharama na wakati, kupokea rekodi ya haraka na sahihi ya uharibifu, na kutarajia shida zinazowezekana. Kinyume na majukwaa ya kawaida ya anga, UAVs zinaweza kupunguza gharama za uendeshaji na kupunguza hatari ya ufikiaji katika maeneo magumu huku zikihifadhi uwezo wa juu wa usahihi. Karatasi yao inatoa muhtasari wa faida mbalimbali za UAVs, hasa katika suala la usahihi na azimio.
Miongoni mwa machapisho kumi na matatu yaliyosalia yaliyotajwa zaidi kati ya 2011 na 2021, tuliona mkusanyiko mkubwa zaidi juu ya utafiti uliounganishwa na matumizi ya drone katika misheni ya upigaji picha (Bendig et al., 2014; Ma et al., 2017; Zarco-Tejada et al., 2014) , kilimo cha usahihi (Candiago et al., 2015; Honkavaara et al., 2013a), kilimo cha usahihi cha mitishamba (Matese et al., 2015), tathmini ya shinikizo la maji (Gago et al., 2015), na ufuatiliaji wa mimea (Aasen et al. , 2015a). Katika miaka ya mapema, watafiti walizingatia
zaidi juu ya kutengeneza mifumo ya gharama ya chini, nyepesi, na sahihi ya UAV ya kilimo; utafiti wa hivi karibuni zaidi umelenga zaidi mapitio ya maombi ya UAV kwa kilimo na upimaji mashambani. Kwa muhtasari, uchanganuzi huu unaonyesha kwamba machapisho yenye ushawishi kwa kiasi kikubwa yametoa mapitio ya tafiti za awali ili kutathmini hali ya sasa ya UAV ya kisayansi na kiteknolojia na kuendeleza mifumo ya UAV ili kusaidia kilimo cha usahihi. Cha kufurahisha ni kwamba, hatukupata masomo ambayo yalitumia majaribio
mbinu au tafiti za kielelezo, ambazo hujumuisha pengo kubwa la maarifa na kutaka utafiti zaidi juu ya mada hii.
Uchambuzi wa dondoo shirikishi
Kulingana na Gmür (2006), uchanganuzi wa dondoo shirikishi unabainisha machapisho yanayofanana na kuyakusanya. Uchunguzi wa makini wa kikundi unaweza kufichua uwanja wa kawaida wa utafiti kati ya machapisho. Tunachunguza manukuu ya pamoja ya fasihi inayohusu ndege zisizo na rubani za kilimo ili kuonyesha maeneo yanayohusiana na kugundua mifumo ya kiakili ya machapisho. Kuhusiana na hili, Small (1973) alipendekeza matumizi ya uchanganuzi wa uandishi ili kutafiti utafiti wenye ushawishi mkubwa zaidi.
ndani ya nidhamu. Ili kudhibiti seti ya makala muhimu zaidi (Goyal & Kumar, 2021), tuliweka kiwango cha juu cha manukuu 25, kumaanisha kwamba makala mawili lazima yawe yametajwa pamoja katika orodha za marejeleo za machapisho 25 au zaidi tofauti. Kuunganisha pia kulifanyika kwa ukubwa wa chini wa nguzo 1 na bila mbinu yoyote ya kuunganisha makundi madogo na makubwa zaidi. Matokeo yake, makundi sita yalitolewa kwa kuzingatia kufanana kwa masomo na muundo wao wa kiakili. Jedwali la 6 linaonyesha usambazaji wa machapisho katika kila nguzo.
Nguzo ya 1: Kundi hili lina hati kumi na nane zilizochapishwa baada ya Machapisho katika nguzo hii kujadili dhima ya ndege zisizo na rubani katika kusaidia ufuatiliaji wa mazingira, usimamizi wa mazao na usimamizi wa magugu. Kwa mfano, Manfreda et al. (2018) hutoa muhtasari wa utafiti wa sasa na utekelezaji wa UAV katika ufuatiliaji wa mfumo wa ikolojia wa kilimo na wanasema kuwa teknolojia inatoa uwezo mkubwa wa kuimarisha ufuatiliaji wa mazingira na kupunguza.
pengo lililopo kati ya uchunguzi wa shambani na hewa ya kawaida na hisia za mbali zinazosambazwa angani. Hili linaweza kufanywa kwa kutoa uwezo mpya wa ufufuaji wa muda ulioboreshwa na maarifa ya anga katika maeneo makubwa kwa njia inayomulika. UAVs zinaweza kuhisi mazingira kila wakati na kutuma data inayotokana na vyombo vyenye akili, serikali kuu/ iliyogatuliwa ambayo hudhibiti vitambuzi ili kutambua matatizo ya baadaye, kama vile ukosefu wa ugonjwa au utambuzi wa maji (Padua ´ et al., 2017). Adao ˜ na wengine. (2017) wanaamini kuwa UAVs ni bora kwa kutathmini hali ya mimea kwa kunasa kiasi kikubwa cha data mbichi inayohusiana na hali ya maji, ukadiriaji wa biomasi, na tathmini ya nguvu. Vihisi vilivyowekwa kwenye UAV vinaweza pia kutumwa mara moja katika hali sahihi ya mazingira ili kuruhusu kunaswa kwa wakati kwa data inayohisi kwa mbali (Von Bueren et al., 2015). Kwa njia ya UAVs, wakulima wanaweza kufanya shughuli za kilimo cha ndani kwa kupata vipimo kutoka kwa karibu sehemu yoyote katika nafasi ya tatu-dimensional ya mazingira ya kilimo cha ndani (kwa mfano, greenhouses), na hivyo kuhakikisha udhibiti wa hali ya hewa wa ndani na ufuatiliaji wa mimea (Roldan ´ et al. ., 2015). Katika muktadha wa usahihi
kilimo, maamuzi ya usimamizi wa mazao yanahitaji data sahihi na ya kuaminika ya mazao yenye azimio linalofaa la muda na anga (Gebbers & Adamchuk, 2010; Gevaert et al., 2015; Maes & Steppe, 2019). Kwa sababu hii, Agüera Vega et al. (2015) ilitumia mfumo wa kihisia wa spectra nyingi uliopachikwa kwa UAV kupata picha za zao la alizeti wakati wa msimu wa kilimo. Vile vile, Huang et al. (2009) kumbuka kuwa utambuzi wa mbali kulingana na UAVs unaweza kuwezesha kipimo cha mazao na udongo kutoka kwa data ya spectral iliyokusanywa. Verger na wengine. (2014) ilitengeneza na kujaribu mbinu ya kukadiria faharasa ya eneo la kijani kibichi (GAI) kutoka kwa vipimo vya uakisi wa UAV katika matumizi ya kilimo cha usahihi, ikilenga ngano na mazao yaliyobakwa. Kwa hivyo, ndege zisizo na rubani hutoa uwezekano mpya wa kupata taarifa za hali ya mazao kwa kurudiwa mara kwa mara na azimio la juu la anga (Dong et al., 2019; Garzonio et al., 2017; H. Zheng et al., 2016).
Mkusanyiko wa machapisho yenye ushawishi kwenye drones za kilimo.
Nguzo | Mandhari pana | Marejeo |
1 | Ufuatiliaji wa mazingira, mazao usimamizi, usimamizi wa magugu | (Tangazo ao et al., 2017; Agüera Vega na wengine, 2015; de Castro et al., 2018; Gomez-Cand ´ on ´ et al., 2014; YB Huang et al., 2013; Khanal et al., 2017; Lopez-Granados, ´ 2011; Manfreda et al., 2018; P' adua et al., 2017; Pena ˜ et al., 2013; Perez-Ortiz na wengine, 2015; Rasmussen et al., 2013, 2016; Torres-S' anchez et al., 2014; Torres-Sanchez, ´ Lopez-Granados, ´ & Pena, ˜ 2015; Verger et al., 2014; Von Bueren et al., 2015; C. Zhang & Kovacs, 2012) |
2 | Phenotyping ya mbali, mavuno makadirio, muundo wa uso wa mazao, kuhesabu mimea | (Bendig et al., 2013, 2014; Geipel na wengine, 2014; Gnadinger ¨ & Schmidhalter, 2017; Haghighattalab na wengine, 2016; Holman et al., 2016; Jin na wengine, 2017; W. Li et al., 2016; Maimaitijiang et al., 2017; Sankaran na wengine, 2015; Schirrmann et al., 2016; Shi na wenzake, 2016; Yue et al., 2017; X. Zhou et al., 2017) |
3 | Picha ya joto kwa maji, taswira ya taswira nyingi | (Baluja et al., 2012; Berni et al., 2009b; Berni et al., 2009a; Candiago na wengine, 2015; Gago na wenzake, 2015; Gonzalez-Dugo na wenzake, 2013, 2014; Grenzdorffer ¨ et al., 2008; Khaliq na wengine, 2019; Matese na wenzake, 2015; Ribeiro-Gomes et al., 2017; Santesteban et al., 2017; Uto et al., 2013) |
4 | Imaging ya hypersectral, spectral Imaging | (Aasen et al., 2015a; Bareth et al., 2015; Hakala et al., 2013; Honkavaara et al., 2013a; Lucieer na wengine, 2014; Saari na wenzake, 2011; Suomalainen et al., 2014) |
5 | Programu za Ramani za 3D | (Jimenez-Brenes et al., 2017; Nex & Remondino, 2014; Salamí et al., 2014; Torres-S' anchez, Lopez- ´ Granados, Serrano, et al., 2015; Zahawi et al., 2015; Zarco-Tejada et al., 2014) |
6 | Ufuatiliaji wa kilimo | (SR Herwitz et al., 2004; Hunt na wengine, 2010; CCD Lelong et al., 2008; Primicerio et al., 2012; Xiang & Tian, 2011) |
Zaidi ya hayo, ndege zisizo na rubani ni muhimu kwa kazi zenye changamoto katika kilimo, ikiwa ni pamoja na kuchora ramani ya magugu. Picha zilizonaswa na vifaa hivyo zimethibitisha umuhimu wao kwa ugunduzi wa mapema wa magugu shambani (de Castro et al., 2018; Jim´enez-Brenes et al., 2017; Lam et al., 2021; Lopez-Granados ´ et al., 2016; Rozenberg et al., 2021). Katika suala hili, de Castro et al. (2018) inaamini kuwa uunganisho wa picha za UAV na Uchanganuzi wa Picha unaotegemea Malengo (OBIA) umewezesha watendaji kuondokana na suala la ugunduzi wa kiotomatiki katika mimea ya nyasi za msimu wa mapema, ambayo ni hatua kubwa mbele katika utafiti wa magugu. Vivyo hivyo, Pena ˜ et al. (2013) inaeleza kuwa matumizi ya picha za anga za juu zaidi kutoka kwa UAV kwa kushirikiana na utaratibu wa OBIA huwezesha kutengeneza ramani za magugu katika mazao ya awali ya mahindi ambayo yangeweza kutumika katika kupanga utekelezaji wa hatua za kudhibiti magugu katika msimu, kazi iliyo nje ya uwezo wa satelaiti na picha za jadi za anga. Ikilinganishwa na uainishaji wa picha au kanuni za utambuzi wa kitu, mbinu za utenganishaji wa kisemantiki zinafaa zaidi katika kazi za kuchora ramani ya magugu (J. Deng et al., 2020), hivyo basi kuwezesha wakulima kugundua hali za shamba, kupunguza hasara, na kuboresha mavuno katika msimu wote wa kilimo (Ramesh. na wengine, 2020). Ugawaji wa kina wa kisemantiki unaotegemea kujifunza kwa kina unaweza pia kutoa kipimo sahihi cha kifuniko cha mimea kutoka kwa picha za angani zenye msongo wa juu (Ramesh et al., 2020; A. Zheng et al., 2022). Licha ya uwezo wao wa kijijini
kuhisi uainishaji wa pikseli, mbinu za mgawanyo wa kisemantiki zinahitaji ukokotoaji muhimu na kumbukumbu ya juu ya GPU (J. Deng et al., 2020).
Kulingana na kujifunza kwa mashine na UAV, Perez-Ortiz et al. (2015) ilipendekeza mbinu ya kuchora ramani ya magugu ili kutoa mikakati ya kudhibiti magugu kwenye tovuti mahususi wakati wakulima wanatumia udhibiti wa magugu baada ya kumea mapema. Hatimaye, Rasmussen et al. (2013) ilionyesha kuwa drones hutoa hisia za bei rahisi na unyumbufu mkubwa wa anga. Kwa ujumla, machapisho katika kundi hili yanalenga katika kuchunguza uwezo wa UAV ili kusaidia hisia za mbali, ufuatiliaji wa mazao, na ramani ya magugu. Utafiti wa kina wa ziada unahitajika ili kuchunguza zaidi jinsi matumizi ya drone katika ufuatiliaji wa mazingira, usimamizi wa mazao, na ramani ya magugu yanaweza kufikia kilimo endelevu zaidi (Chamuah & Singh, 2019; Islam et al., 2021; Popescu et al., 2020; J . Su, Liu, et al., 2018) na kushughulikia masuala ya usimamizi wa teknolojia hii katika maombi ya bima ya mazao (Basnet & Bang, 2018; Chamuah & Singh, 2019, 2022; Meinen & Robinson, 2021). Watafiti wanapaswa kuzingatia kuthibitisha vipimo vilivyokusanywa na UAV kwa mbinu bora za uchakataji ili kuimarisha ubora wa mwisho wa data iliyochakatwa (Manfreda et al., 2018). Zaidi ya hayo, uundaji wa algoriti zinazofaa zinazotambua saizi zinazoonyesha magugu katika picha za kidijitali na kuondoa usuli usiohusika wakati wa uchoraji ramani wa UAV unahitajika (Ga ˇsparovi´c et al., 2020; Hamylton et al., 2020; H. Huang et al. , 2018, 2020; Lopez- ´ Granados et al., 2016). Utafiti wa ziada kuhusu kupitishwa kwa mbinu za ugawaji wa kisemantiki katika utambuzi wa mimea, uainishaji wa majani, na uchoraji ramani wa magonjwa unakaribishwa (Fuentes-Pacheco et al., 2019; Kerkech et al., 2020).
Nguzo ya 2. Machapisho katika kundi hili yalilenga vipengele kadhaa vya ndege zisizo na rubani za kilimo. Kuhusiana na phenotyping ya mbali, Sankaran et al. (2015) ilikagua uwezekano wa kutumia upigaji picha wa angani wa mwinuko wa chini, wa azimio la juu na UAV kwa uchapaji wa haraka wa mazao shambani, na wanabisha kuwa, ikilinganishwa na majukwaa ya kuhisi ya msingi wa ardhini, UAV ndogo zilizo na vitambuzi vya kutosha hutoa faida kadhaa. , kama vile ufikiaji rahisi wa uwanja, data ya azimio la juu, ukusanyaji wa data bora,
tathmini ya haraka ya hali ya ukuaji wa shamba, na gharama ndogo za uendeshaji. Walakini, waandishi pia wanaona kuwa utumiaji mzuri wa UAV kwa phenotyping ya uwanja hutegemea vipengele viwili vya msingi, yaani, vipengele vya UAV (kwa mfano, usalama, utulivu, nafasi, uhuru) na sifa za sensor (kwa mfano, azimio, uzito, urefu wa spectral, uwanja. ya mtazamo). Haghighattalab et al. (2016) ilipendekeza bomba la kuchakata picha lisilo na kiotomatiki ili kupata data ya kiwango cha kiwanja kutoka kwa picha za UAV na kuharakisha mchakato wa kuzaliana. Holman na wenzake. (2016) ilikua juu
mfumo wa uga wa uga wa phenotyping na kuangazia kuwa UAV inaweza kukusanya data ya ubora, wingi, inayotegemea uga, na kwamba kifaa kinafaa kwa maeneo makubwa na katika maeneo mbalimbali ya uga.
Kwa vile ukadiriaji wa mavuno ni taarifa muhimu sana, hasa inapopatikana kwa wakati, kuna uwezekano wa UAV kutoa vipimo vyote vya uga na kupata data ya ubora wa juu (Daakir et al., 2017; Demir et al., 2018) ; Enciso et al., 2019; Kulbacki et al., 2018; Katika suala hili, Jin et al. (2012) ilichukua fursa ya taswira ya mwonekano wa juu iliyopatikana na UAV katika miinuko ya chini sana kuunda na kutathmini mbinu ya kukadiria msongamano wa mimea ya ngano katika hatua ya kuibuka. Kulingana na waandishi, UAVs hushinda vikwazo vya mifumo ya rover iliyo na kamera na kuwakilisha njia isiyovamizi ya kukadiria msongamano wa mimea katika mazao, kuruhusu wakulima kufikia kiwango cha juu cha mazao muhimu kwa uchapaji wa shamba bila kutegemea usafirishaji wa udongo. Li et al. (2017) ilikusanya mamia ya picha za stereo zenye ubora wa juu sana kwa kutumia mfumo unaotegemea UAV kukadiria vigezo vya mahindi, ikijumuisha urefu wa mwavuli na majani ya juu ya ardhi. Hatimaye, Yue et al. (2016) iligundua kuwa urefu wa mazao uliobainishwa kutoka kwa UAV unaweza kuongeza makadirio ya biomass ya juu ya ardhi (AGB).
Mbinu ya kufuatilia ukuaji wa mazao ni wazo la kutengeneza miundo ya uso wa mazao (Bendig et al., 2014, 2015; Holman et al., 2016; Panday, Shrestha, et al., 2020; Sumesh et al., 2021). Tafiti kadhaa zilionyesha uwezekano wa picha zilizochukuliwa kutoka kwa UAV kuchukua urefu wa mimea na kufuatilia ukuaji wao. Kwa mfano, Bendig et al. (2013) ilielezea ukuzaji wa miundo ya uso wa mazao ya muda mrefu yenye mwonekano wa juu sana wa chini ya 0.05 m kwa kutumia UAV. Walilenga kugundua mazao
tofauti ya ukuaji na utegemezi wake juu ya matibabu ya mazao, aina, na dhiki. Bendig et al. (2014) ilitumia UAV kukadiria majani safi na kavu kulingana na urefu wa mmea uliotolewa kutoka kwa miundo ya uso wa mimea na ikagundua kuwa, tofauti na majukwaa ya hewani na utambazaji wa laser ya ardhini, picha za mwonekano wa juu kutoka kwa UAV zinaweza kuongeza kwa kiasi kikubwa usahihi wa muundo wa urefu wa mmea kwa ukuaji tofauti. hatua. Kwa njia hiyo hiyo, Geipel et al. (2014) walitumia UAVs katika utafiti wao kupata taswira
seti za utabiri wa mavuno ya nafaka ya mahindi katika awamu tatu tofauti za ukuaji kuanzia mapema hadi katikati ya msimu na kuhitimisha kuwa mchanganyiko wa uundaji wa anga na anga kwa kuzingatia picha za anga na miundo ya uso wa mazao ni njia mwafaka ya kutabiri mavuno ya mahindi katikati ya msimu. Hatimaye, Gnadinger ¨ na Schmidhalter (2017) walikagua matumizi ya UAV katika uchapaji kwa usahihi na kubainisha kuwa matumizi ya teknolojia hii yanaweza kuimarisha usimamizi wa shamba na kuwezesha majaribio ya shambani kwa ajili ya ufugaji na kilimo. Kwa ujumla, tunaona kwamba machapisho katika nguzo ya 2 yanazingatia faida kuu za UAVs katika kijijini.
phenotyping, ukadiriaji wa mavuno, uundaji wa uso wa mazao, na kuhesabu mimea. Masomo ya siku zijazo yanaweza kuchimba zaidi kwa kutengeneza mbinu mpya za uchapaji wa mbali ambazo zinaweza kubinafsisha na kuboresha usindikaji wa data inayohisiwa kwa mbali (Barabaschi et al., 2016; Liebisch et al., 2015; Mochida et al., 2015; S. Zhou et al. ., 2021). Kwa kuongezea, utendaji wa vihisi vya IoT vilivyowekwa kwenye UAVs na biashara kati ya gharama zao, nguvu kazi, na usahihi wa makadirio ya mavuno unahitaji kufanyiwa utafiti katika
siku zijazo (Ju & Son, 2018a, 2018b; Xie & Yang, 2020; Yue et al., 2018). Hatimaye, kuna haja ya kuendeleza mbinu bora za usindikaji wa picha ambazo zinaweza kutoa taarifa za kuaminika, kuongeza ufanisi katika uzalishaji wa kilimo, na kupunguza kazi ya kuhesabu kwa mikono ya wakulima (RU Khan et al., 2021; Koh et al., 2021; Lin & Guo, 2020; C. Zhang et al., 2020).
Nguzo ya 3. Machapisho katika nguzo hii yanajadili aina tofauti za mifumo ya upigaji picha kwa ajili ya kutambua kwa mbali rasilimali za kilimo zinazotumiwa kwenye majukwaa ya UAV. Katika suala hili, taswira ya joto huruhusu ufuatiliaji wa halijoto ya uso ili kuzuia uharibifu wa mazao na kugundua mkazo wa ukame mapema (Awais et al., 2022; García-Tejero et al., 2018; Sankaran et al., 2015; Santesteban et al., 2017; Yeom, 2021). Baluja et al. (2012) alidai kuwa matumizi ya kamera zenye spectra nyingi na za joto kwenye bodi
UAV iliwawezesha watafiti kupata picha za ubora wa juu na kutathmini hali ya maji ya mizabibu. Hii inaweza kuwa na manufaa katika kuendeleza miundo ya riwaya ya kuratibu maji kwa kutumia data ya kutambua kwa mbali (Baluja et al., 2012). Kwa sababu ya
uwezo mdogo wa mzigo wa UAVs, Ribeiro-Gomes et al. (2017) ilizingatia ujumuishaji wa kamera za joto ambazo hazijapozwa kwenye UAVS ili kubaini mkazo wa maji kwenye mimea, ambayo hufanya aina hii ya UAV kuwa na ufanisi zaidi na inayoweza kutumika kuliko vihisi vya mbali vinavyotegemea satelaiti na UAV zilizo na kamera za joto zilizopozwa. Kwa mujibu wa waandishi, kamera za joto zisizo na baridi ni nyepesi kuliko kamera zilizopozwa, zinahitaji calibration sahihi. Gonzalez-Dugo et al. (2014) ilionyesha kuwa taswira ya joto hutokeza ramani za anga za fahirisi za mkazo wa maji katika mazao kwa ajili ya kutathmini hali ya maji na kukadiria shinikizo la maji kati na ndani ya bustani za machungwa. Gonzalez-Dugo et al. (2013) na Santesteban et al. (2017) ilichunguza matumizi ya taswira ya ubora wa juu ya UAV ili kukadiria mabadiliko ya hali ya maji ya bustani ya kibiashara na shamba la mizabibu.
Upigaji picha wa aina nyingi unaweza kutoa data kubwa kwa kulinganisha na picha za jadi za RGB (Nyekundu, Kijani, na Bluu) (Ad˜ ao et al., 2017; Navia et al., 2016). Data hii ya angalizo, pamoja na data ya anga, inaweza kusaidia katika uainishaji, uchoraji ramani, utabiri, utabiri, na madhumuni ya kutambua (Berni et al., 2009b). Kulingana na Candiago et al. (2015), upigaji picha wa spectra nyingi wa UAV unaweza kuchangia kwa kiasi kikubwa katika tathmini ya mazao na kilimo sahihi kama rasilimali inayotegemewa na yenye ufanisi. Pia,
Khaliq na wenzake. (2019) ilifanya ulinganisho kati ya satelaiti na upigaji picha wa spectra nyingi wa UAV. Picha zenye msingi wa UAV zilisababisha kuwa sahihi zaidi katika kuelezea utofauti wa shamba la mizabibu na pia ramani za ushujaa za kuwakilisha mianzi ya mazao. Kwa kifupi, vifungu katika kundi hili vinajadili ujumuishaji wa vihisishio vya joto na taswira nyingi katika UAV za kilimo. Ipasavyo, utafiti zaidi unahitajika ili kuelewa jinsi taswira ya joto na taswira nyingi inaweza kuunganishwa na AI
mbinu (kwa mfano, kujifunza kwa kina) kugundua mkazo wa mimea (Ampatzidis et al., 2020; Ampatzidis & Partel, 2019; Jung et al., 2021; Santesteban et al., 2017; Syeda et al., 2021). Maarifa kama haya yatasaidia kuhakikisha ugunduzi bora zaidi na sahihi pamoja na ufuatiliaji wa ukuaji wa mimea, dhiki, na phenolojia (Buters et al., 2019; Cao et al., 2020; Neupane & BaysalGurel, 2021; L. Zhou et al., 2020).
Nguzo ya 4. Kundi hili lina karatasi saba ambazo zinahusu jukumu muhimu la taswira ya taswira na taswira ya hali ya juu katika kusaidia mbinu za kilimo. Upigaji picha wa hyperspectral umejidhihirisha kuwa mbinu ya kutambua kwa mbali ambayo huwezesha tathmini ya kiasi cha mfumo wa dunia (Schaepman et al., 2009).Ili kuwa sahihi zaidi, huwezesha utambuzi wa nyenzo za uso, kuhesabu viwango vya (jamaa), na mgawo wa uwiano wa sehemu ya uso
ndani ya saizi mchanganyiko (Kirsch et al., 2018; Zhao et al., 2022). Kwa maneno mengine, azimio la juu la spectral linalotolewa na mifumo ya hyperspectral huwezesha makadirio sahihi zaidi ya vigezo mbalimbali, kama vile mali ya mboga au maudhui ya maji ya majani (Suomalainen et al., 2014). Watafiti katika nguzo hii walichunguza vipengele mbalimbali vya mifumo hiyo. Miongoni mwa wengine, Aasen et al. (2015b) ilitoa mbinu ya kipekee ya kupata habari zenye mwelekeo-tatu wa hyperspectral kutoka kwa uzani mwepesi.
kamera za picha zinazotumiwa kwenye UAV kwa ufuatiliaji wa mimea. Lucieer na wenzake. (2014) ilijadili muundo, uundaji na uendeshaji wa angani wa riwaya ya UAS ya hali ya juu pamoja na urekebishaji, uchanganuzi na tafsiri ya data ya picha iliyokusanywa nayo. Hatimaye, Honkavaara et al. (2013b) ilitengeneza mbinu ya kina ya uchakataji wa picha za taswira zenye msingi wa FabryPerot na ilionyesha matumizi yake katika utaratibu wa makadirio ya biomasi kwa kilimo cha usahihi. Njia zinazowezekana za siku zijazo za nguzo hii ya sasa ni pamoja na kusisitiza hitaji la uboreshaji wa kiufundi katika teknolojia ya sensorer (Aasen et al., 2015b) na vile vile hitaji la kujumuisha na kuboresha teknolojia za ziada, haswa data kubwa na uchanganuzi (Ang & Seng, 2021; Radoglou -Grammatikis et al., 2020; Shakoor et al., 2019). Mwisho hasa unatokana na data inayokua kila mara inayotolewa na vitambuzi mbalimbali vinavyotekelezwa katika kilimo mahiri (C. Li & Niu, 2020; A. Rejeb et al., 2022; Y. Su & Wang, 2021).
Nguzo ya 5. Machapisho katika kundi hili yalichunguza programu za 3Dmapping kulingana na drones. Kutumia ndege zisizo na rubani kwa uchoraji ramani wa 3D kunaweza kupunguza kazi changamano ya uga na kuongeza ufanisi kwa kiasi kikubwa (Torres-Sanchez ´ et al., 2015). Makala matano katika nguzo yalilenga hasa maombi ya ufuatiliaji wa mimea. Kwa mfano, ili kupata data ya pande tatu kuhusu eneo la mwavuli, urefu wa mti, na kiasi cha taji, Torres-Sanchez ´ et al. (2015) ilitumia teknolojia ya UAV kutengeneza miundo ya uso wa kidijitali na kisha uchanganuzi wa picha kulingana na kitu (OBIA). Zaidi ya hayo, Zarco-Tejada et al. (2014) ilitathmini urefu wa mti kwa kuunganisha teknolojia ya UAV na mbinu za uundaji upya wa picha zenye pande tatu. Ji´enez-Brenes Lopez-Granados, ´ De Castro, et al. (2017) ilionyesha mchakato mpya wa ufuatiliaji wa muda mwingi, wa 3D wa makumi ya miti ya mizeituni kwa kuunganisha teknolojia ya UAV na mbinu ya juu ya OBIA. Njia za kuvutia za kazi za siku zijazo katika nguzo hii ni pamoja na kuboresha sasa
mbinu (Zarco-Tejada et al., 2014) kwa madhumuni ya uundaji wa uso wa dijiti (Ajayi et al., 2017; Jaud et al., 2016), kama vile OBIA (de Castro et al., 2018, 2020; Ventura et al. , 2018), na uundaji upya wa picha au kubuni mbinu za riwaya (Díaz-Varela et al., 2015; Torres-S´ anchez et al., 2015).
Nguzo ya 6. Kundi hili linajadili jukumu la ndege zisizo na rubani katika ufuatiliaji wa kilimo. UAVs zinaweza kukamilisha na kushinda mapungufu ya picha za satelaiti na ndege. Kwa mfano, wanaweza kutoa azimio la juu karibu na upigaji picha wa wakati halisi na changamoto kidogo za mafuta au majaribio, na kusababisha ufuatiliaji wa mara kwa mara na wa wakati halisi na uboreshaji wa kufanya maamuzi (S. Herwitz et al., 2004). Mchango mwingine muhimu wa UAVs ni uwezo wao wa kutoa data mahususi kwa kilimo cha usahihi au kilimo maalum cha tovuti kama azimio lao la juu, data ya kina kuhusu vigezo mbalimbali huwawezesha wakulima kugawanya ardhi katika sehemu zinazofanana na kuzishughulikia ipasavyo (Hunt et al. , 2010; CC Lelong et al., 2008 Primicerio et al., 2012). Ufuatiliaji kama huo wa kilimo unaotegemea UAV unaweza kusaidia ufuatiliaji wa usalama wa chakula na kufanya maamuzi (SR Herwitz et al., 2004). Ili kuendeleza utafiti katika ufuatiliaji wa kilimo, sio tu uboreshaji wa vihisi, UAV, na teknolojia nyingine zinazohusiana na njia zao za mawasiliano na uhamishaji data zinahitajika (Ewing et al., 2020; Shuai et al., 2019), lakini pia kuunganisha ndege zisizo na rubani na anuwai. teknolojia za kuboresha kazi mbalimbali kuhusiana na kilimo mahiri, kama vile ufuatiliaji, ufuatiliaji wa kilimo, na kufanya maamuzi, ni eneo la utafiti lenye uwezo mkubwa (Alsamhi et al., 2021; Popescu et al., 2020; Vuran et al., 2018). Katika suala hili, IoT, WSNs, na data kubwa hutoa uwezo wa kuvutia wa ziada (van der Merwe et al., 2020). Gharama za utekelezaji, uokoaji wa gharama, ufanisi wa nishati, na usalama wa data ni miongoni mwa maeneo ambayo hayajafanyiwa utafiti kwa ujumuishaji huo (Masroor et al., 2021).
Nchi na taasisi za kitaaluma
Hatua ya mwisho ni pamoja na uchunguzi wa nchi ya asili na uhusiano wa kitaaluma wa waandishi. Kupitia uchambuzi huu, tunalenga kuelewa vyema usambazaji wa kijiografia wa wasomi wanaochangia matumizi ya drones katika kilimo. Ni vyema kutambua tofauti za nchi na taasisi za kitaaluma. Kwa mtazamo wa nchi, Marekani, Uchina, India, na Italia ziko juu ya orodha kulingana na idadi ya machapisho (Jedwali la 7). Ya sasa
utafiti kuhusu ndege zisizo na rubani za kilimo umejikita zaidi katika nchi za Amerika Kaskazini na Asia, hasa kutokana na ushiriki wao wa juu katika matumizi ya kilimo cha usahihi. Kwa mfano, nchini Marekani, soko la ndege zisizo na rubani za kilimo lilikadiriwa kuwa dola za Kimarekani milioni 841.9 katika mwaka wa 2020, likichukua takriban 30% ya hisa ya soko la kimataifa (ReportLinker, 2021). Ikiorodheshwa kuwa nchi yenye uchumi mkubwa zaidi duniani, China inatabiriwa kufikia takriban ukubwa wa soko wa dola bilioni 2.6 katika mwaka wa 2027. Nchi hii inatoa wito kwa ndege zisizo na rubani za kilimo ili kukabiliana na masuala ya tija na kupata mavuno bora, kupunguza wafanyakazi na pembejeo ndogo za uzalishaji. Hata hivyo, kupitishwa kwa teknolojia nchini China pia kunatokana na mambo kama vile ukubwa wa watu na hitaji la kuvumbua na kuboresha mbinu zilizopo za usimamizi wa mazao.
Nchi zinazozalisha zaidi na vyuo vikuu/mashirika yanayochangia
utafiti unaohusiana na kilimo.
Cheo | Nchi |
1 | USA |
2 | China |
3 | India |
4 | Italia |
5 | Hispania |
6 | germany |
7 | Brazil |
8 | Australia |
9 | Japan |
10 | Uingereza |
Cheo | Vyuo vikuu/ Mashirika |
1 | Kichina Academy ya Sayansi |
2 | Wizara ya Kilimo ya Jamhuri ya Watu wa China |
3 | Baraza Kuu la Uchunguzi wa Sayansi |
4 | Chuo Kikuu cha A & M cha Texas |
5 | Chuo Kikuu cha Kilimo cha China |
6 | Huduma ya Utafiti wa Kilimo ya USDA |
7 | CSIC – Instituto de Agricultura Sostenible IAS |
8 | Chuo Kikuu cha Purdue |
9 | Baraza la kitaifa la Utafiti |
10 | Chuo Kikuu cha Kilimo cha Kusini |
Kwa mtazamo wa chuo kikuu na shirika, Chuo cha Sayansi cha China kinaongoza orodha kulingana na idadi ya machapisho, ikifuatiwa na Wizara ya Kilimo ya Jamhuri ya Watu wa China na Consejo Superior de Investigaciones Científicas. Chuo cha Sayansi cha Kichina kinawakilishwa na waandishi Liao Xiaohan na Li Jun; Han Wenting anawakilisha Wizara ya Kilimo ya Jamhuri ya Watu wa China; na Consejo Superior de Investigaciones Científicas inawakilishwa na Lopez-Granados, ´ F. na Pena, ˜ Jose María S. Kutoka Marekani, vyuo vikuu kama vile Chuo Kikuu cha Texas A&M na Chuo Kikuu cha Purdue vinapata zao.
kutaja. Vyuo vikuu vilivyo na idadi kubwa zaidi ya machapisho na miunganisho yake vimeonyeshwa kwenye Mchoro 4. Zaidi ya hayo, orodha hii inajumuisha taasisi kama vile Consiglio Nazionale delle Ricerche na Consejo Superior de Investigaciones Científicas ambazo zinafanya kazi katika utafiti wa kisayansi, lakini si taasisi za kitaaluma. .
Uteuzi wetu ulijumuisha aina mbalimbali za majarida, yanayojumuisha takriban data zote zinazopatikana. Kama inavyoonyeshwa katika Jedwali la 8, Kihisia cha Mbali chenye makala 258 kinashika nafasi ya juu, ikifuatiwa na Journal of Intelligent and Robotic Systems: Nadharia na Matumizi yenye 126 na Kompyuta na Elektroniki katika Kilimo yenye makala 98. Ingawa Kipengele cha Kuhisi kwa Mbali kinalenga zaidi utumiaji na uundaji wa ndege zisizo na rubani, Kompyuta na Elektroniki katika Kilimo hushughulikia zaidi maendeleo ya vifaa vya kompyuta, programu, vifaa vya elektroniki na mifumo ya udhibiti katika kilimo. Maduka ya maeneo mbalimbali, kama vile Barua za Roboti za IEEE na Barua za Uendeshaji zenye machapisho 87 na Ufikiaji wa IEEE na machapisho 34, pia ni sehemu kuu katika uwanja huo. Maduka kumi na tano ya juu yamechangia katika fasihi na hati 959, ambayo ni takriban 20.40% ya machapisho yote. Uchanganuzi wa manukuu ya jarida hutuwezesha kuchunguza umuhimu na ufanano kati ya machapisho. Uchanganuzi wa manukuu shirikishi hutoa nguzo tatu, kama inavyoonyeshwa kwenye Kielelezo 5. Nguzo nyekundu ina majarida kama vile Vihisishi vya Mbali, Kompyuta na Elektroniki katika Kilimo, Sensorer,
na Jarida la Kimataifa la Kuhisi kwa Mbali. Maduka haya yote ni majarida yenye sifa nzuri katika maeneo ya ufahamu wa mbali na kilimo cha usahihi. Kundi la kijani kibichi lina majarida yanayohusu robotiki, kama vile Journal of Intelligent and Robotic Systems: Theory and Applications, IEEE Robotics and Automation Letters, IEEE Access, na Drones. Duka hizi mara nyingi huchapisha karatasi za otomatiki na ni muhimu kwa wahandisi wa kilimo. Kundi la mwisho linaundwa na majarida yanayohusiana na agronomia na uhandisi wa kilimo, kama vile Agronomy na International Journal of Agricultural and Biological Engineering.
Majarida 15 bora katika utafiti unaohusiana na kilimo.
Cheo | Journal | Hesabu |
1 | Kuhisi kwa mbali | 258 |
2 | Jarida la Mifumo ya Akili na Roboti: Nadharia na matumizi | 126 |
3 | Kompyuta na Elektroniki katika Kilimo | 98 |
4 | IEEE Roboti na Barua za Uendeshaji | 87 |
5 | vihisi | 73 |
6 | Jarida la Kimataifa la Kuhisi kwa Mbali | 42 |
7 | Kilimo cha usahihi | 41 |
8 | Drones | 40 |
9 | Agronomy | 34 |
10 | Ufikiaji wa IEEE | 34 |
11 | Jarida la Kimataifa la Mifumo ya Juu ya Roboti | 31 |
12 | Jarida la Kimataifa la Uhandisi wa Kilimo na Biolojia | 25 |
13 | PLoS ONE | 25 |
14 | Jarida la Roboti za shamba | 23 |
15 | Uhandisi wa Mazingira | 23 |
Hitimisho
Muhtasari
Katika utafiti huu, tulifanya muhtasari na kuchanganua utafiti uliopo kuhusu ndege zisizo na rubani za kilimo. Kwa kutumia mbinu mbalimbali za bibliometriki, tulijitahidi kupata uelewa mzuri zaidi wa muundo wa kiakili wa utafiti unaohusiana na kilimo wa ndege zisizo na rubani. Kwa jumla, hakiki yetu inatoa michango kadhaa kwa kutambua na kujadili maneno muhimu katika fasihi, kufichua vikundi vya maarifa huku tukiunda jamii zinazofanana kimaana katika uwanja wa drones, kuelezea utafiti wa mapema, na kupendekeza mwelekeo wa utafiti wa siku zijazo. Hapo chini, tunatoa muhtasari wa matokeo kuu ya hakiki juu ya ukuzaji wa drones za kilimo:
• Fasihi kwa ujumla imeongezeka kwa kasi na kuvutia watu wengi katika muongo uliopita, kama inavyoonyeshwa na kuongezeka kwa idadi ya makala baada ya 2012. Ingawa uga huu wa maarifa bado haujafikia ukomavu wake kamili (Barrientos et al., 2011; Maes. na Steppe, 2019), maswali kadhaa bado hayajajibiwa. Kwa mfano, matumizi ya ndege zisizo na rubani katika kilimo cha ndani bado yako wazi kwa mjadala (Aslan et al., 2022; Krul et al., 2021; Rold' an et al., 2015). Utata wa matukio ya uga na hali tofauti za upigaji picha (kwa mfano, vivuli na mwangaza) unaweza kusababisha tofauti kubwa zaidi ya spectral katika darasa (Yao et al., 2019). Hata katika awamu za baadaye za utafiti, watafiti wamepewa changamoto ya kuamua mipango bora ya ndege kulingana na hali fulani na ubora wa picha unaohitajika (Soares et al., 2021; Tu et al.,
2020).
• Tunagundua kuwa nyanja hii imeendelea kutoka katika kuunda mifumo bora ya UAV hadi kujumuisha mbinu za AI, kama vile kujifunza kwa mashine na kujifunza kwa kina katika uundaji wa ndege zisizo na rubani za kilimo (Bah et al., 2018; Kitano et al., 2019; Maimaitijiang et al. , 2020; Mazzia et al., 2020; Tetila et al., 2020).
• Utafiti kuhusu ndege zisizo na rubani za kilimo ulijadili zaidi uhisiji wa mbali kwa kuchunguza uwezekano wa teknolojia katika ufuatiliaji wa mazingira, usimamizi wa mazao, na usimamizi wa magugu (nguzo ya 1) pamoja na uchapaji wa mbali na ukadiriaji wa mavuno (nguzo ya 2). Seti ya tafiti zenye ushawishi juu ya drones za kilimo ni pamoja na Austin (2010), Berni et al. (2009)a, Herwitz na wenzake. (2004), Nex and Remondino (2014), na Zhang and Kovacs (2012). Masomo haya yalikuza msingi wa dhana ya utafiti unaohusiana na drone katika muktadha wa kilimo.
• Kuhusiana na mbinu, tuliona kuwa utafiti mwingi uliofanywa kufikia sasa ulikuwa na muundo wa mfumo, dhahania, au tafiti zinazotegemea mapitio (Inoue, 2020; Nex & Remondino, 2014; Perez-Ortiz et al. , 2015; Yao et al., 2019). Pia tunaona ukosefu wa mbinu za kimajaribio, za ubora, na za kifani zinazofanya kazi katika kuchunguza ndege zisizo na rubani za kilimo.
• Hivi majuzi, mada zinazohusiana na kilimo cha usahihi, mbinu za AI, kilimo cha ukulima kwa usahihi, na tathmini ya mfadhaiko wa maji yamevutia umakini mkubwa (Espinoza et al., 2017; Gomez-Cand ´ on ´ et al., 2016; Matese et al., 2015; Matese & Di Gennaro, 2018, 2021 Z. Zhou et al., 2021). Uchunguzi wa makini wa makundi ya utafiti katika enzi mbili tofauti, 1990–2010 na 2011–2021, unaonyesha maendeleo ya muundo wa kiakili wa kikoa. Kipindi cha kuanzia 1990 hadi 2010 kilijumuisha uundaji wa dhana kuu na dhana za drones, ambayo ni dhahiri kutokana na mjadala wa muundo wa UAV, maendeleo, na utekelezaji. Katika enzi ya pili, lengo la utafiti linapanuka kwenye tafiti za awali, na kufanya jitihada za kuunganisha kesi za matumizi ya UAV katika kilimo. Pia tulipata tafiti nyingi zinazojadili matumizi ya drone katika kazi za upigaji picha na kilimo cha usahihi.
Cheo | Journal | Hesabu |
1 | Kuhisi kwa mbali | 258 |
2 | Jarida la Mifumo ya Akili na Roboti: Nadharia na | 126 |
matumizi | ||
3 | Kompyuta na Elektroniki katika Kilimo | 98 |
4 | IEEE Roboti na Barua za Uendeshaji | 87 |
5 | vihisi | 73 |
6 | Jarida la Kimataifa la Kuhisi kwa Mbali | 42 |
7 | Kilimo cha usahihi | 41 |
8 | Drones | 40 |
9 | Agronomy | 34 |
10 | Ufikiaji wa IEEE | 34 |
11 | Jarida la Kimataifa la Mifumo ya Juu ya Roboti | 31 |
12 | Jarida la Kimataifa la Uhandisi wa Kilimo na Biolojia | 25 |
13 | PLoS ONE | 25 |
14 | Jarida la Roboti za shamba | 23 |
15 | Uhandisi wa Mazingira | 22 |
Athari
Ukaguzi wetu wa bibliometriki uliundwa na kufanywa tukiwa na wasomi, wakulima, wataalamu wa kilimo, washauri wa mazao na wabunifu wa mfumo wa UAV. Kwa ufahamu bora wa waandishi, hii ni moja ya hakiki za kwanza ambazo zimefanya uchambuzi wa kina wa bibliometriki.
matumizi ya ndege zisizo na rubani katika kilimo. Tumefanya uhakiki wa kina wa chombo hiki cha maarifa, tukitumia uchanganuzi wa manukuu na manukuu shirikishi ya machapisho. Majaribio yetu ya kuelezea muundo wa kiakili wa utafiti wa drone pia hutoa maarifa mapya kwa wasomi. Mapitio ya makini ya maneno muhimu yaliyotumiwa kwa muda yanaonyesha maeneo ya moto na maeneo ya utafiti wa msingi katika maandiko yanayohusiana na drone. Zaidi ya hayo, tunawasilisha orodha ya tafiti zilizotajwa zaidi ili kubaini kazi za utafiti zenye matokeo zilizokamilishwa katika uwanja huo. Utambulisho wa vifungu na manenomsingi unaweza kutoa msingi thabiti wa kufichua njia kadhaa za masomo yajayo.
Muhimu zaidi, tulifichua makundi yanayoainisha kazi zinazolingana na kufafanua matokeo. Masomo yaliyoainishwa katika vikundi husaidia kuelewa muundo wa kiakili wa utafiti wa UAV. Hasa, tuligundua upungufu wa tafiti zinazochunguza sababu za kupitishwa kwa drones
na vikwazo katika shughuli za kilimo (tazama Jedwali 9). Watafiti wa siku zijazo wanaweza kushughulikia pengo hili linalowezekana kwa kufanya uchunguzi wa kitaalamu ambao unatathmini mambo ya kupitishwa kwa drones katika shughuli tofauti za kilimo na hali ya hewa. Zaidi ya hayo, utafiti wa msingi wa uchunguzi kuhusu ufanisi wa drones unapaswa kuungwa mkono na data halisi kutoka kwa shamba. Pia, kuhusisha wakulima na wasimamizi katika utafiti wa kitaaluma itakuwa na manufaa kwa maendeleo ya kinadharia na ya vitendo ya utafiti wa drone. Pia tuliweza kutambua watafiti maarufu zaidi na michango yao, ambayo ni muhimu kwa sababu ufahamu wa kazi za hivi majuzi za semina unaweza kutoa mwongozo kwa ajili ya juhudi za baadaye za kitaaluma.
Meza 9
Vizuizi vya kupitishwa kwa UAV.
Vizuizi | Maelezo |
Usalama wa data | Usalama wa mtandao ni changamoto kubwa kwa utekelezaji Suluhisho za IoT (Masroor et al., 2021). |
Kuingiliana na ushirikiano | Teknolojia mbalimbali kama vile UAV, WSN, IoT, n.k. inapaswa kuunganishwa na kusambaza data ambayo ongeza kiwango cha utata (Alsamhi et al., 2021; Popescu et al., 2020; Vuran et al., 2018). |
Gharama za utekelezaji | Hii ni kesi hasa kwa wakulima wadogo na kwa kuunganisha teknolojia mbalimbali za kisasa ( Masroor et al., 2021). |
Ujuzi wa kazi na utaalamu | Marubani wenye ujuzi wa ndege zisizo na rubani wanahitajika ili kuendesha UAV. Pia, kutekeleza makali mbalimbali teknolojia inahitaji wafanyikazi wenye ujuzi (YB Huang na wengine, 2013; Tsouros et al., 2019). |
Nguvu ya injini na kukimbia muda | Drones haziwezi kuendeshwa kwa muda mrefu na kufunika maeneo makubwa (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Utulivu, kuegemea, na ujanja | Drones sio imara wakati wa hali mbaya ya hali ya hewa (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Vizuizi vya malipo na ubora wa sensorer | Drones pekee inaweza kubeba mizigo mdogo inaongoza kwa uwezo wa kupakia vihisi vya ubora wa chini (Nebiker et al., 2008). |
Kanuni | Kwa vile drones inaweza kuwa hatari pia, kuna kali kanuni katika baadhi ya maeneo (Hardin & Jensen, 2011; Laliberte & Rango, 2011). |
Maarifa ya wakulima na maslahi | Kama teknolojia zingine za kisasa, ndege zisizo na rubani utekelezaji wenye mafanikio unahitaji utaalamu na pia ikiambatana na kutokuwa na uhakika (Fisher et al., 2009; Lambert na wenzake, 2004; Stafford, 2000). |
Kwa kuwa kuna hitaji la mara kwa mara la kutumia rasilimali zinazopatikana kwa ufanisi ili kuongeza mavuno, wakulima wanaweza kuchukua fursa ya drones kuhakikisha uhakiki wa haraka, sahihi na wa gharama nafuu wa mashamba yao. Teknolojia hiyo inaweza kusaidia wakulima kubaini hali ya mazao yao na kutathmini hali ya maji, hatua ya kukomaa, kushambuliwa na wadudu, na mahitaji ya lishe. Uwezo wa kutambua kwa mbali wa ndege zisizo na rubani unaweza kuwapa wakulima data muhimu ya kutazamia masuala katika hatua ya awali na kufanya hatua zinazofaa mara moja. Walakini, faida za teknolojia zinaweza kupatikana tu ikiwa changamoto zitashughulikiwa ipasavyo. Kwa kuzingatia
matatizo ya sasa kuhusu usalama wa data, masuala ya teknolojia ya vitambuzi (kwa mfano, kutegemewa au usahihi wa vipimo), utata wa ujumuishaji, na gharama kubwa za utekelezaji, tafiti za siku zijazo lazima pia zichunguze uwezekano wa kiufundi, kiuchumi na kiutendaji wa kuunganisha ndege zisizo na rubani za kilimo na ukataji mwingine. teknolojia za makali.
Mapungufu
Utafiti wetu una vikwazo kadhaa. Kwanza, matokeo yanaamuliwa na machapisho yaliyochaguliwa kwa uchambuzi wa mwisho. Ni changamoto kunasa tafiti zote muhimu zinazohusiana na ndege zisizo na rubani za kilimo, haswa zile ambazo hazijaorodheshwa katika hifadhidata ya Scopus. Zaidi ya hayo, mchakato wa kukusanya data ni mdogo kwa uwekaji wa manenomsingi ya utafutaji, ambayo yanaweza yasijumuishe na kusababisha matokeo yasiyojumuisha. Kwa hivyo, tafiti za siku zijazo zinahitaji kuzingatia zaidi suala la msingi la ukusanyaji wa data kufanya
hitimisho la kuaminika zaidi. Kizuizi kingine kinahusu machapisho mapya yenye idadi ndogo ya manukuu. Uchambuzi wa bibliometriki umeegemea upande wa machapisho ya awali kwani huwa na manukuu zaidi kwa miaka mingi. Masomo ya hivi majuzi yanahitaji muda fulani ili kuvutia umakini na kukusanya manukuu. Kwa hivyo, tafiti za hivi majuzi zinazoleta mabadiliko ya dhana hazitaorodheshwa katika kazi kumi za juu zenye ushawishi. Kizuizi hiki kimeenea katika uchunguzi wa nyanja za utafiti zinazoibuka kwa kasi kama vile drones za kilimo. Kama vile tumeshauriana na Scopus ili kusoma fasihi ya kazi hii, watafiti wa siku zijazo wanaweza kufikiria tofauti
hifadhidata, kama vile Mtandao wa Sayansi na IEEE Xplore, ili kupanua upeo wa macho na kuboresha muundo wa utafiti.
Masomo yanayowezekana ya bibliometriki yanaweza kuzingatia vyanzo vingine muhimu vya maarifa kama karatasi za mkutano, sura na vitabu ili kutoa maarifa mapya. Licha ya kuchora ramani na kuchunguza machapisho ya kimataifa kuhusu ndege zisizo na rubani za kilimo, matokeo yetu hayakufichua sababu za matokeo ya kitaaluma ya vyuo vikuu. Hii inafungua njia ya eneo la riwaya ya utafiti katika kueleza kwa ubora kwa nini vyuo vikuu vingine vina tija zaidi kuliko vingine linapokuja suala la utafiti kuhusu kilimo.
ndege zisizo na rubani. Kwa kuongezea, tafiti za siku zijazo zinaweza kutoa maarifa juu ya uwezo wa ndege zisizo na rubani kuongeza uendelevu wa kilimo kwa njia kadhaa kama vile ufuatiliaji wa mazingira, usimamizi wa mazao, na uchoraji wa ramani ya magugu kama ilivyoonyeshwa na watafiti kadhaa (Chamuah & Singh, 2019; Islam et al., 2021; Popescu et al., 2020; J. Su, Liu, et al., 2018b). Kwa kuwa uchanganuzi wa maandishi haukuwezekana kwa sababu ya idadi kubwa ya karatasi zilizochaguliwa, kuna haja ya mapitio ya kimfumo ya fasihi ambayo yanachunguza
mbinu za utafiti zilizotumika na ushirikishwaji wa wakulima katika tafiti za awali. Kwa kifupi, uchambuzi wetu wa utafiti wa drone unafichua uhusiano usioonekana wa shirika hili la maarifa. Kwa hivyo uhakiki huu unasaidia kufichua uhusiano kati ya machapisho na kuchunguza muundo wa kiakili wa uwanja wa utafiti. Pia inaonyesha uhusiano kati ya vipengele mbalimbali vya fasihi, kama vile maneno muhimu ya waandishi, ushirikiano, na nchi.
Tamko la Maslahi ya Kushindana
Waandishi wanatangaza kuwa hawana masilahi ya kifedha yanayoshindana au uhusiano wa kibinafsi ambao ungeonekana kushawishi kazi iliyoripotiwa katika jarida hili.
Kiambatisho 1
TITLE-ABS-KEY ((((Drone* AU “gari lisilo na rubani” AU uav* AU “mfumo wa ndege usio na rubani” AU uas AU “ndege zinazoendeshwa kwa mbali”) NA (kilimo AU kilimo AU kilimo AU mkulima))) NA (USIWAHI (PUBYEAR, 2022)) NA (LIMIT-TO (LUGHA, “Kiingereza”)).
Marejeo
Aasen, H., Burkart, A., Bolten, A., Bareth, G., 2015. Inazalisha maelezo ya hali ya juu ya 3D kwa kamera za picha nyepesi za UAV kwa ufuatiliaji wa mimea: kutoka
urekebishaji wa kamera hadi uhakikisho wa ubora. ISPRS J. Photogramm. Senti za Mbali 108, 245–259. https://doi.org/10.1016/j.isprsjprs.2015.08.002.
Abd-Elrahman, A., Pearlstine, L., Percival, F., 2005. Uundaji wa algoriti ya utambuzi wa muundo wa utambuzi wa ndege kiotomatiki kutoka kwa picha za angani zisizo na rubani.
Utafiti. Taarifa za Ardhi. Sayansi. 65 (1), 37–45.
Abdollahi, A., Rejeb, K., Rejeb, A., Mostafa, MM, Zailani, S., 2021. Mitandao ya vitambuzi isiyotumia waya katika kilimo: maarifa kutoka kwa uchanganuzi wa bibliometriki. Uendelevu 13 (21),
12011.
Aboutalebi, M., Torres-Rua, AF, Kustas, WP, Nieto, H., Coopmans, C., McKee, M.,Tathmini ya mbinu tofauti za ugunduzi wa kivuli katika taswira ya macho yenye azimio la juu na tathmini ya athari ya kivuli kwenye hesabu. ya NDVI, na mvuke. Irrig. Sayansi. 37 (3), 407–429. https://doi.org/10.1007/s00271-018-0613-9.
Adao, ˜ T., Hru-ska, J., Padua, ´ L., Bessa, J., Peres, E., Morais, R., Sousa, JJ, 2017. Upigaji picha wa hyperspectral: mapitio kuhusu vitambuzi vinavyotokana na UAV, data usindikaji na
maombi ya kilimo na misitu. Hisia ya Mbali 9 (11). https://doi.org/ 10.3390/rs9111110.
Agüera Vega, F., Ramírez, FC, Saiz, MP, Rosúa, FO, 2015. Upigaji picha wa muda mwingi kwa kutumia gari la anga lisilo na rubani kwa ufuatiliaji wa zao la alizeti. Biosyst. Eng.
132, 19–27. https://doi.org/10.1016/j.biosystemseng.2015.01.008.
Ajayi, OG, Salubi, AA, Angbas, AF, Odigure, MG, 2017. Uzalishaji wa miundo sahihi ya mwinuko wa kidijitali kutoka kwa UAV ilipata asilimia ndogo ya picha zinazopishana. Int.
J. Senti za Mbali 38 (8–10), 3113–3134. https://doi.org/10.1080/ 01431161.2017.1285085.
Ali, I., Greifeneder, F., Stamenkovic, J., Neumann, M., Notarnicola, C., 2015. Mapitio ya mbinu za kujifunza kwa mashine kwa ajili ya kurejesha biomass na unyevu wa udongo kutoka kwa data ya kijijini cha kuhisi. Hisia za Mbali 7 (12), 16398–16421.
Alsamhi, SH, Afghah, F., Sahal, R., Hawbani, A., Al-qaness, MAA, Lee, B., Guizani, M., Mtandao wa kijani wa vitu kwa kutumia UAVs katika mitandao ya B5G: Mapitio ya programu
na mikakati. Tangazo. Hoc. Mtandao. 117, 102505 https://doi.org/10.1016/j. adhoc.2021.102505.
Al-Thani, N., Albuainain, A., Alnaimi, F., Zorba, N., 2020. Ndege zisizo na rubani za Ufuatiliaji wa Mifugo ya Kondoo. Katika: Mkutano wa 20 wa IEEE wa Umeme wa Mediterania. https://doi.
org/10.1109/MELECON48756.2020.9140588.
Ampatzidis, Y., Partel, V., 2019. Uwekaji picha wa ubora wa juu unaotegemea UAV katika machungwa kwa kutumia upigaji picha wa spectra nyingi na akili bandia. Kihisishi cha Mbali 11 (4), https://doi.org/10.3390/rs11040410.
Ampatzidis, Y., Partel, V., Costa, L., 2020. Agroview: Programu inayotegemea wingu ya kuchakata, kuchambua na kuona data iliyokusanywa na UAV kwa ajili ya programu za kilimo kwa usahihi kwa kutumia akili bandia. Kompyuta. Elektroni. Kilimo. 174, 105457 https://doi. org/10.1016/j.compag.2020.105457.
Ang, K.-L.-M., Seng, JKP, 2021. Data kubwa na mafunzo ya mashine yenye maelezo ya hali ya juu katika kilimo. IEEE Ufikiaji 9, 36699–36718. https://doi.org/10.1109/
KUPATIKANA.2021.3051196.
Aquilani, C., Confessore, A., Bozzi, R., Sirtori, F., Pugliese, C., 2022. Mapitio: usahihi wa teknolojia za Kilimo cha Mifugo katika mifumo ya ufugaji inayotegemea malisho. Mnyama 16 (1), https://doi.org/10.1016/j.animal.2021.100429.
Armenta-Medina, D., Ramirez-Delreal, TA, Villanueva-Vasquez, ´ D., Mejia-Aguirre, C., Mitindo ya teknolojia ya juu ya habari na mawasiliano kwa
kuboresha uzalishaji wa kilimo: uchambuzi wa bibliometriki. Agronomy 10 (12), Kifungu cha 12. https://doi.org/10.3390/agronomy10121989.
Armstrong, I., Pirrone-Brusse, M., Smith, A., Jadud, M., 2011. Gata inayoruka: kuelekea robotiki za angani katika occam-π. Jumuiya. Mbunifu wa Mchakato. 2011, 329–340. https://doi. org/10.3233/978-1-60750-774-1-329.
Arora, SD, Chakraborty, A., 2021. Utafiti wa muundo wa kiakili wa tabia ya kulalamika kwa watumiaji (CCB): Uchambuzi wa bibliometriki. J. Business Res. 122, 60–74.
Aslan, MF, Durdu, A., Sabanci, K., Ropelewska, E., Gültekin, SS, 2022.
Utafiti wa kina wa tafiti za hivi majuzi na UAV kwa kilimo cha usahihi katika mashamba ya wazi na bustani za miti. Programu. Sayansi. 12 (3), 1047. https://doi.org/10.3390/
programu12031047.
Atkinson, JA, Jackson, RJ, Bentley, AR, Ober, E., & Wells, DM (2018). Uandishi wa Ufanisi kwa Wakati Ujao. Katika Ukaguzi wa Mimea wa Kila Mwaka mtandaoni (uk. 719–736). Yohana
Wiley & Sons, Ltd. doi: 10.1002/9781119312994.apr0651.
Austin, R., 2010. Mifumo ya Ndege Isiyo na rubani: Usanifu wa UAVS, Maendeleo na Usambazaji. Katika: Mifumo ya Ndege isiyo na rubani: Ubunifu wa UAVS, Maendeleo na
Usambazaji. John Wiley na Wana. https://doi.org/10.1002/9780470664797.
Awais, M., Li, W., Cheema, MJM, Zaman, QU, Shaheen, A., Aslam, B., Zhu, W., Ajmal, M., Faheem, M., Hussain, S., Nadeem, AA, Afzal, MM, Liu, C., 2022. Hisia za mbali zinazotokana na UAV katika mkazo wa mimea fikiria kutumia kitambua joto chenye azimio la juu kwa mazoea ya kilimo dijitali: mapitio ya meta. Int. J. Mazingira. Sayansi. Teknolojia. https://doi.
org/10.1007/s13762-021-03801-5.
Bacco, M., Berton, A., Ferro, E., Gennaro, C., Gotta, A., Matteoli, S., Paonessa, F., Ruggeri, M., Virone, G., Zanella, A., 2018. Smart farming: Fursa, changamoto
na viwezeshaji vya teknolojia. 2018 IoT Wima na. Mkutano wa Mada ya Kilimo -Toscany (IOT Tuscany) 1–6. https://doi.org/10.1109/IOTTUSCANY.2018.8373043.
Bah, MD, Hafiane, A., Canals, R., 2018. Kujifunza kwa kina kwa kuweka lebo data isiyodhibitiwa kwa ajili ya kutambua magugu kwenye mazao ya laini katika picha za UAV. Hisia za Mbali 10 (11), 1690.
https://doi.org/10.3390/rs10111690.
Baldi, S., 1998. Michakato ya kawaida dhidi ya wabunifu wa kijamii katika ugawaji wa manukuu: mfano wa uchanganuzi wa mtandao. Am. Jamii. Ufu. 63 (6), 829–846. https://doi.
org/10.2307/2657504.
Baluja, J., Diago, Mbunge, Balda, P., Zorer, R., Meggio, F., Morales, F., Tardaguila, J., 2012. Tathmini ya kutofautiana kwa hali ya maji ya shamba la mizabibu kwa joto na multispectral
taswira kwa kutumia chombo cha anga kisicho na rubani (UAV). Irrig. Sayansi. 30 (6), 511–522. https://doi.org/10.1007/s00271-012-0382-9.
Barabaschi, D., Tondelli, A., Desiderio, F., Volante, A., Vaccino, P., Val`e, G., Cattivelli, L.,Ufugaji wa kizazi kijacho. Sayansi ya mimea. 242, 3–13. https://doi.org/10.1016/j.
mimeaci.2015.07.010.
Barbedo, JGA, Koenigkan, LV, 2018. Mitazamo kuhusu matumizi ya mifumo ya angani isiyo na rubani kufuatilia ng'ombe. Mtazamo wa Kilimo. 47 (3), 214–222. https://doi.org/10.1177/0030727018781876.
Bareth, G., Aasen, H., Bendig, J., Gnyp, ML, Bolten, A., Jung, A., Michels, R., Soukkamaki, ¨ J., 2015. Uzito wa chini na hyperspectral inayotokana na UAV kamera za sura kamili
kwa ufuatiliaji wa mazao: Ulinganisho wa Spectral na vipimo vya portable spectroradiometer. Photogrammetrie, Fernerkundung, Geoinformation 2015 (1), 69–79.
https://doi.org/10.1127/pfg/2015/0256.
Barrientos, A., Colorado, J., del Cerro, J., Martinez, A., Rossi, C., Sanz, D., Valente, J., Hisia za mbali za angani katika kilimo: Mbinu ya vitendo ya chanjo ya eneo.
na upangaji wa njia kwa meli za roboti ndogo za angani. J. Field Rob. 28 (5), 667–689. https://doi.org/10.1002/rob.20403.
Basiri, A., Mariani, V., Silano, G., Aatif, M., Iannelli, L., Glielmo, L., 2022. Utafiti kuhusu utumiaji wa algoriti za kupanga njia kwa UAV za rota nyingi kwa usahihi
kilimo. J. Navig. 75 (2), 364–383.
Basnet, B., Bang, J., 2018. Hali ya hali ya juu ya kilimo kinachohitaji maarifa: mapitio kuhusu mifumo ya hisi inayotumika na uchanganuzi wa data. J. Sens. 2018, 1–13.
Bendig, J., Bolten, A., Bareth, G., 2013. Upigaji picha unaotegemea UAV kwa miundo ya uso ya muda mrefu, yenye ubora wa juu sana ili kufuatilia utofauti wa ukuaji wa mazao. Photogrammetrie, Fernerkundung, Geoinformation 2013 (6), 551–562. https://doi. org/10.1127/1432-8364/2013/0200.
Bendig, J., Bolten, A., Bennertz, S., Broscheit, J., Eichfuss, S., Bareth, G., 2014. Kukadiria biomasi ya shayiri kwa kutumia miundo ya uso wa mazao (CSM) inayotokana na picha ya UAVbased RGB. Kihisishi cha Mbali 6 (11), 10395–10412.
Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Gnyp, ML, Bareth, G., 2015. Kuchanganya urefu wa mmea unaotegemea UAV kutoka kwa uso wa mazao. mifano,
inayoonekana, na karibu na fahirisi za uoto wa infrared kwa ufuatiliaji wa majani katika shayiri. Int. J. Appl. Obs ya Dunia. Geoinf. 39, 79–87. https://doi.org/10.1016/j.jag.2015.02.012.
Berni, JA, Zarco-Tejada, PJ, Sepulcre-Canto, ´ G., Fereres, E., Villalobos, F., 2009a. Kuweka ramani ya dari na CWSI katika bustani za mizeituni kwa kutumia mwonekano wa juu
taswira ya kutambua kwa mbali mafuta. Sensi za Mbali. Mazingira. 113 (11), 2380–2388. https://doi.org/10.1016/j.rse.2009.06.018.
Berni, JA, Zarco-Tejada, PJ, Suarez, ´ L., Fereres, E., 2009b. Kihisishi cha mbali cha hali ya joto na ukanda mwembamba kwa ufuatiliaji wa mimea kutoka kwa gari la anga lisilo na rubani. IEEE Trans. Geosci. Senti za Mbali 47 (3), 722–738.
Bouzembrak, Y., Klüche, M., Gavai, A., Marvin, HJP, 2019. Mtandao wa Mambo katika usalama wa chakula: Mapitio ya fasihi na uchambuzi wa bibliometriki. Trends Food Sci. Teknolojia. 94,54–64. https://doi.org/10.1016/j.tifs.2019.11.002.
Brewster, C., Roussaki, I., Kalatzis, N., Doolin, K., Ellis, K., 2017. IoT katika kilimo: Kuunda majaribio makubwa ya Ulaya kote. Jumuiya ya IEEE. Mag. 55 (9), 26–33.
Buters, TM, Belton, D., Cross, AT, 2019. Ufuatiliaji wa UAV wa vihisi vingi vya mche binafsi na jumuiya za miche kwa usahihi wa milimita. Ndege zisizo na rubani 3 (4), 81.
https://doi.org/10.3390/drones3040081.
Candiago, S., Remondino, F., De Giglio, M., Dubbini, M., Gattelli, M., 2015. Kutathmini picha za aina mbalimbali na fahirisi za mimea kwa ajili ya maombi ya kilimo kwa usahihi kutoka kwa picha za UAV. Kihisishi cha Mbali 7 (4), 4026–4047. https://doi.org/10.3390/rs70404026.
Cao, Y., Li, GL, Luo, YK, Pan, Q., Zhang, SY, 2020. Ufuatiliaji wa viashirio vya ukuaji wa beet ya sukari kwa kutumia faharisi ya uoto wa aina mbalimbali (WDRVI) inayotokana na UAV
picha za multispectral. Kompyuta. Elektroni. Kilimo. 171, 105331 https://doi.org/10.1016/j.compag.2020.105331.
Casillas, J., Acedo, F., 2007. Mageuzi ya muundo wa kiakili wa fasihi ya biashara ya familia: utafiti wa bibliometriki wa FBR. Biashara ya Familia Mch. 20 (2), 141–162.
Cen, H., Wan, L., Zhu, J., Li, Y., Li, X., Zhu, Y., Weng, H., Wu, W., Yin, W., Xu, C., Bao, Y., Feng, L., Shou, J., He, Y., 2019. Ufuatiliaji mkubwa wa majani ya mchele chini ya
matibabu tofauti ya nitrojeni kwa kutumia UAV nyepesi yenye kamera za muhtasari wa sura mbili za picha. Mbinu za Kupanda 15 (1), 32. https://doi.org/10.1186/s13007-019-
0418-8.
Chamuah, A., Singh, R., 2019. Kupata uendelevu katika kilimo cha India kupitia UAV ya kiraia: mtazamo unaowajibika wa ubunifu. Programu ya SN. Sayansi. 2 (1), 106. https://
doi.org/10.1007/s42452-019-1901-6.
Chamuah, A., Singh, R., 2022. Utawala unaowajibika wa ubunifu wa gari la anga lisilo na rubani (UAV) kwa ajili ya maombi ya bima ya mazao ya India. J. Kuwajibika
Teknolojia. 9, 100025 https://doi.org/10.1016/j.jrt.2022.100025.
Chen, A., Orlov-Levin, V., Meron, M., 2019. Kuweka picha ya anga ya juu inayoonekana-chaneli ya mwavuli wa mazao ili kudhibiti umwagiliaji kwa usahihi. Kilimo. Maji
Kusimamia. 216, 196–205. https://doi.org/10.1016/j.agwat.2019.02.017.
Daakir, M., Pierrot-Deseiligny, M., Bosser, P., Pichard, F., Thom, C., Rabot, Y., Martin, O., 2017. UAV nyepesi yenye upigaji picha wa ubaoni na nafasi ya GPS ya masafa moja kwa matumizi ya metrology. ISPRS J. Photogramm. Senti za Mbali 127, 115–126. https://doi.org/10.1016/j.isprsjprs.2016.12.007.
Dawaliby, S., Aberkane, A., Bradai, A., 2020. Jukwaa la IoT lenye msingi wa Blockchain la usimamizi wa shughuli za ndege zisizo na rubani. Katika: Kesi za ACM ya 2
Warsha ya MobiCom kuhusu Mawasiliano Yasiyo na Waya ya Drone kwa 5G na Zaidi, ukurasa wa 31–36. https://doi.org/10.1145/3414045.3415939.
Siku, RA, Gastel, B., 1998. Jinsi ya kuandika na kuchapisha karatasi ya kisayansi. Vyombo vya habari vya Chuo Kikuu cha Cambridge. de Castro, AI, Pena, ˜ JM, Torres-Sanchez, ´ J., Jim´enez-Brenes, FM, ValenciaGredilla, F., Recasens, J., Lopez-Granados, ´ F., 2020. Kuchora ramani za cynodon dactylon zinazovamia funika mazao kwa utaratibu wa uamuzi otomatiki wa mti-OBIA na taswira ya UAV kwa kilimo cha usahihi cha mitishamba. Kihisi cha Mbali 12 (1), 56. https://doi.org/10.3390/rs12010056.
de Castro, AI, Torres-S´ anchez, J., Pena, ˜ JM, Jim´enez-Brenes, FM, Csillik, O., Lopez- ´Granados, F., 2018. Msitu usio na mpangilio-OBIA algoriti ya ramani ya mapema ya magugu kati na ndani ya safu ya mazao kwa kutumia picha za UAV. Hisia ya Mbali 10 (2). https://doi.org/10.3390/rs10020285.
Demir, N., Sonmez, ¨ NK, Akar, T., Ünal, S., 2018. Upimaji wa Kiotomatiki wa Urefu wa Mimea wa Genotypes za Ngano Kwa Kutumia DSM Inayotokana na Picha ya UAV. Kesi ya 2 (7), 350. https://doi.org/10.3390/ecrs-2-05163.
Deng, J., Zhong, Z., Huang, H., Lan, Y., Han, Y., Zhang, Y., 2020. Mtandao wa sehemu nyepesi za semantiki kwa uchoraji ramani wa magugu katika wakati halisi kwa kutumia magari ya anga ambayo hayana rubani. Programu. Sayansi. 10 (20), 7132. https://doi.org/10.3390/app10207132.
Deng, L., Mao, Z., Li, X., Hu, Z., Duan, F., Yan, Y., 2018. UAV-based multispectral sensing kwa kilimo cha usahihi: kulinganisha kati ya kamera tofauti. ISPRS J. Photogramm. Senti za Mbali 146, 124–136.
Diaz-Gonzalez, FA, Vuelvas, J., Correa, CA, Vallejo, VE, Patino, D., 2022. Kujifunza kwa mashine na mbinu za kuhisi kwa mbali zinazotumika kukadiria viashiria vya udongo - kagua. Ecol. Ind. 135, 108517 https://doi.org/10.1016/j.ecolind.2021.108517.
Díaz-Varela, RA, De la Rosa, R., Leon, ´ L., Zarco-Tejada, PJ, 2015. Picha ya ubora wa juu ya UAV ya anga ili kutathmini vigezo vya taji ya mzeituni kwa kutumia picha ya 3D
ujenzi upya: maombi katika majaribio ya ufugaji. Kihisishi cha Mbali 7 (4), 4213–4232. https://doi.org/10.3390/rs70404213.
Dixit, A., Jakhar, SK, 2021. Usimamizi wa uwezo wa uwanja wa ndege: mapitio na uchambuzi wa bibliometriki. J. Usafiri wa Anga. Kusimamia. 91, 102010.
Dong, T., Shang, J., Liu, J., Qian, B., Jing, Q., Ma, B., Huffman, T., Geng, X., Sow, A., Shi, Y., Canisius, F., Jiao, X., Kovacs, JM, Walters, D., Cable, J., Wilson, J., 2019.
Kwa kutumia taswira ya RapidEye ili kutambua tofauti za ndani ya shamba za ukuaji na mavuno huko Ontario, Kanada. Precision Agric. 20 (6), 1231–1250. https://doi.org/10.1007/
s11119-019-09646-w.
Dutta, PK, Mitra, S., 2021. Utumiaji wa ndege zisizo na rubani za kilimo na iot kuelewa msururu wa usambazaji wa chakula wakati wa baada ya COVID-19. Katika: Choudhury, A., Biswas, A., Prateek, M.,
Chakrabarti, A. (Wahariri.), Taarifa za Kilimo: Uendeshaji Kiotomatiki Kwa Kutumia IoT na Kujifunza kwa Mashine. Wiley, ukurasa wa 67-87. van Eck, N., Waltman, L., 2009. Utafiti wa programu: VOSviewer, programu ya kompyuta ya ramani ya bibliometriki. Sayansi ya kisayansi 84 (2), 523–538. https://doi.org/10.1007/s11192-009-0146-3.
Elijah, O., Rahman, TA, Orikumhi, I., Leow, CY, Hindia, MN, 2018. Muhtasari wa Internet of Things (IoT) na uchanganuzi wa data katika kilimo: manufaa na changamoto.
IEEE Mambo ya Mtandao J. 5 (5), 3758–3773.
Enciso, J., Avila, CA, Jung, J., Elsayed-Farag, S., Chang, A., Yeom, J., Landivar, J.,Maeda, M., Chavez, JC, 2019. Uthibitishaji wa kilimo UAV na uwanja
vipimo vya aina za nyanya. Kompyuta. Elektroni. Kilimo. 158, 278–283. https:// doi.org/10.1016/j.compag.2019.02.011.
Espinoza, CZ, Khot, LR, Sankaran, S., Jacoby, PW, 2017. Tathmini ya msongo wa maji yenye spectra nyingi na yenye ubora wa juu inayotokana na hisia za mbali katika
mizabibu inayomwagilia maji chini ya ardhi. Kihisishi cha Mbali 9 (9), 961. https://doi.org/ 10.3390/rs9090961.
Ewing, J., Oommen, T., Jayakumar, P., Alger, R., 2020. Kwa kutumia kihisishi cha mbali zaidi kwa upangaji wa udongo. Kihisi cha Mbali 12 (20), 3312. ttps://doi.org/10.3390/
rs12203312.
Fawcett, D., Panigada, C., Tagliabue, G., Boschetti, M., Celesti, M., Evdokimov, A., Biriukova, K., Colombo, R., Miglietta, F., Rascher, U., Anderson, K., 2020. Tathmini ya viwango vingi vya uakisi wa uso wa spectra nyingi kulingana na drone na fahirisi za mimea katika hali ya uendeshaji. Hisia za Mbali 12 (3), 514.
Feng, X., Yan, F., Liu, X., 2019. Utafiti wa teknolojia za mawasiliano zisizotumia waya kwenye Mtandao wa Mambo kwa ajili ya kilimo cha usahihi. Wireless Pers. Jumuiya. 108 (3),
1785-1802.
Ferreira, Mbunge, Pinto, CF, Serra, FR, 2014. Nadharia ya gharama ya muamala katika utafiti wa biashara wa kimataifa: utafiti wa bibliometriki kwa zaidi ya miongo mitatu. Sayansi ya kisayansi 98 (3), 1899-1922. https://doi.org/10.1007/s11192-013-1172-8.
Fisher, P., Abuzar, M., Rab, M., Best, F., Chandra, S., 2009. Maendeleo katika kilimo cha usahihi kusini-mashariki mwa Australia. I. mbinu ya urejeshi ya kuiga
tofauti ya anga katika mazao ya nafaka kwa kutumia mavuno ya awali ya paddock ya wakulima na fahirisi ya uoto wa kawaida. Mazao Malisho Sci. 60 (9), 844–858.
Floreano, D., Wood, RJ, 2015. Sayansi, teknolojia na mustakabali wa drones ndogo zinazojiendesha. Asili 521 (7553), 460-466. https://doi.org/10.1038/nature14542.
Friha, O., Ferrag, MA, Shu, L., Maglaras, LA, Wang, X., 2021. Mtandao wa mambo kwa mustakabali wa kilimo mahiri: uchunguzi wa kina wa teknolojia zinazoibuka. IEEE CAA J. Autom. Sinica 8 (4), 718–752.
Fuentes-Pacheco, J., Torres-Olivares, J., Roman-Rangel, E., Cervantes, S., JuarezLopez, P., Hermosillo-Valadez, J., Rendon-Mancha, ´ JM, 2019. Ugawaji wa mimea ya tini kutoka kwa picha za angani kwa kutumia mtandao wa kina wa kusimbuaji wa ubadilishaji. Kihisi cha Mbali 11 (10), 1157. https://doi.org/10.3390/rs11101157.
Gago, J., Douthe, C., Coopman, RE, Gallego, PP, Ribas-Carbo, M., Flexas, J., Escalona, J., Medrano, H., 2015. UAVs changamoto ya kutathmini shinikizo la maji kwa
kilimo endelevu. Kilimo. Usimamizi wa Maji. 153, 9–19. https://doi.org/10.1016/j. agwat.2015.01.020.
García-Tejero, IF, Rubio, AE, Vinuela, ˜ I., Hern´ andez, A., Guti´errez-Gordillo, S., Rodríguez-Pleguezuelo, CR, Dur´ an-Zuazo, VH, 2018. Picha ya joto kwenye mmea
kiwango cha kutathmini hali ya maji ya mazao katika miti ya mlozi (cv. Guara) chini ya mikakati ya umwagiliaji yenye upungufu. Kilimo. Usimamizi wa Maji. 208, 176–186. https://doi.org/10.1016/j.
agwat.2018.06.002.
Garzonio, R., Di Mauro, B., Colombo, R., Cogliati, S., 2017. Uakisi wa uso na vipimo vya spectroscopy ya fluorescence kwa kutumia UAS ndogo ya hyperspectral. Kihisi cha Mbali 9 (5), 472. https://doi.org/10.3390/rs9050472. Gaˇsparovi′c, M., Zrinjski, M., Barkovi´c, Đ., Radoˇcaj, D., 2020. Mbinu otomatiki ya
uchoraji ramani ya magugu katika mashamba ya shayiri kulingana na picha za UAV. Kompyuta. Elektroni. Kilimo.
Gebbers, R., Adamchuk, VI, 2010. Usahihi wa kilimo na usalama wa chakula. Sayansi 327 (5967), 828-831. https://doi.org/10.1126/science.1183899.
Geipel, J., Link, J., Claupein, W., 2014. Muundo wa pamoja wa spectral na anga wa mavuno ya mahindi kulingana na picha za angani na mifano ya uso wa mazao iliyopatikana kwa mfumo wa ndege usio na rubani. Kihisishi cha Mbali 6 (11), 10335–10355. https://doi.org/10.3390/rs61110335.
Geng, D., Feng, Y., Zhu, Q., 2020. Muundo endelevu kwa watumiaji: mapitio ya fasihi na uchanganuzi wa bibliometriki. Mazingira. Sayansi. Uchafuzi. Res. 27 (24), 29824–29836. https://doi. org/10.1007/s11356-020-09283-1.
Gevaert, CM, Suomalainen, J., Tang, J., Kooistra, L., 2015. Uzalishaji wa nyuso za mwitikio wa spectraltemporal kwa kuchanganya satellite multispectral na hyperspectral
Picha za UAV kwa matumizi sahihi ya kilimo. IEEE J. Sel. Juu. Programu. Obs ya Dunia. Senti za Mbali 8 (6), 3140–3146. ttps://doi.org/10.1109/JSTARS.2015.2406339.
Gill, SS, Chana, I., Buyya, R., 2017. Kilimo kinachotegemea IoT kama wingu na huduma kubwa ya data: mwanzo wa Uhindi wa kidijitali. J. Org. na Kompyuta ya Mtumiaji wa Mwisho. (JOEUC) 29 (4),
1-23.
Gmür, M., 2006. Uchambuzi wa dondoo na utafutaji wa vyuo visivyoonekana: tathmini ya mbinu. Sayansi ya kisayansi 57 (1), 27–57. https://doi.org/10.1023/
a:1023619503005.
Gnadinger, ¨ F., Schmidhalter, U., 2017. Hesabu za kidijitali za mimea ya mahindi na Magari ya Angani yasiyo na rubani (UAVs). Hisia ya Mbali 9 (6). Https://doi.org/10.3390/rs9060544.
Gokto ¨ ǧan, AH, Sukkarieh, S., Bryson, M., Randle, J., Lupton, T., Hung, C., 2010. Gari la anga la Rotary-wing lisilo na rubani kwa ajili ya uchunguzi wa magugu majini na
usimamizi. J. Intelli. Mfumo wa Robotic.: Theor. Programu. 57 (1–4), 467–484. https://doi. org/10.1007/s10846-009-9371-5.
Gomez-Cand ´ on, ´ D., De Castro, AI, Lopez-Granados, ´ F., 2014. Kutathmini usahihi wa michoro kutoka kwa picha za gari lisilo na rubani (UAV) kwa madhumuni ya kilimo cha ngano. Precis. Kilimo. 15 (1), 44–56. https://doi.org/10.1007/s11119-013-9335-4.
Gomez-Cand ´ on, ´ D., Virlet, N., Lab´e, S., Jolivot, A., Regnard, J.-L., 2016. Taswira ya hali ya juu ya mkazo wa maji katika kiwango cha mti kwa taswira inayohisiwa na UAV. : maarifa mapya kwa
upatikanaji wa mafuta na calibration. Precis. Kilimo. 17 (6), 786–800. https://doi.org/10.1007/s11119-016-9449-6.
Gonzalez-Dugo, V., Zarco-Tejada, PJ, Fereres, E., 2014. Utumiaji na vikwazo vya kutumia index ya mkazo wa maji ya mazao kama kiashiria cha upungufu wa maji katika bustani za machungwa. Kilimo. Kwa. Meteorol. 198–199, 94–104. https://doi.org/10.1016/j. agformet.2014.08.003.
Gonzalez-Dugo, V., Zarco-Tejada, P., Nicolas, ´ E., Nortes, PA, Alarcon, ´ JJ, Intrigliolo, DS, Fereres, E., 2013. Kwa kutumia picha za ubora wa juu za UAV
kutathmini utofauti wa hali ya maji ya aina tano za miti ya matunda ndani ya bustani ya kibiashara. Precis. Kilimo. 14 (6), 660–678. https://doi.org/10.1007/s11119-013-9322-9.
Goyal, K., Kumar, S., 2021. Ujuzi wa kifedha: Mapitio ya utaratibu na uchambuzi wa bibliometriki. Int. J. Masomo ya Watumiaji 45 (1), 80–105. https://doi.org/10.1111/
ijcs.12605.
Grenzdorffer, ¨ GJ, Engel, A., Teichert, B., 2008. Uwezo wa upigaji picha wa uavs wa gharama nafuu katika misitu na kilimo. Kumbukumbu za Kimataifa za Upigaji Picha, Sayansi ya Kuhisi kwa Mbali na Sayansi ya Taarifa za anga - Kumbukumbu za ISPRS 37, 1207–1213. https://www.scopus.com/inward/record.uri?eid=2-s2.0-85039543258&partnerI D=40&md5=b4b2d639257e8ddb5a373d15959c4e1e.
Guan, S., Fukami, K., Matsunaka, H., Okami, M., Tanaka, R., Nakano, H., Sakai, T., Nakano, K., Ohdan, H., Takahashi, K., 2019. Kutathmini uunganisho wa azimio la juu
NDVI yenye kiwango cha uwekaji mbolea na mavuno ya mazao ya mpunga na ngano kwa kutumia UAV ndogo. Hisia ya Mbali 11 (2), 112.
Gundolf, K., Filser, M., 2013. Utafiti wa usimamizi na dini: uchambuzi wa nukuu. J. Basi. Maadili 112 (1), 177–185.
Guo, Q., Zhu, Y., Tang, Y., Hou, C., He, Y., Zhuang, J., Zheng, Y., Luo, S., 2020. Uigaji wa CFD na uthibitishaji wa majaribio wa anga na mgawanyo wa muda wa
mtiririko wa hewa wa chini ya maji wa UAV ya kilimo ya rota nne katika hover. Kompyuta. Elektroni. Kilimo. 172, 105343 https://doi.org/10.1016/j.compag.2020.105343.
Haghighattalab, A., Gonz´ alez Perez, L., Mondal, S., Singh, D., Schinstock, D., Rutkoski, J., Ortiz-Monasterio, I., Singh, RP, Goodin, D. , Poland, J., 2016.
Utumiaji wa mifumo ya anga isiyo na rubani kwa upitishaji wa juu wa kitalu cha kuzaliana ngano. Njia za kupanda 12 (1). https://doi.org/10.1186/s13007-
016-0134-6.
Hakala, T., Honkavaara, E., Saari, H., Makynen, ¨ J., Kaivosoja, J., Pesonen, L., & Pol ¨ onen, ¨I., 2013. Upigaji picha kutoka kwa UAV chini ya hali tofauti za mwanga . Katika GG Bill R. (Mh.), Kumbukumbu za Kimataifa za Photogrammetry, Remote Sensing and Spatial Information Sciences—ISPRS Archives (Vol. 40, Issue 1W2, pp. 189–194). Jumuiya ya Kimataifa ya Upigaji picha na Kuhisi kwa Mbali. https://www.scopus.com/inward/record.uri?eid=2-s2.0-848875632.
Hamylton, SM, Morris, RH, Carvalho, RC, Roder, N., Barlow, P., Mills, K., Wang, L. Mbinu za kutathmini za kuchora uoto wa kisiwa kutoka kwa anga isiyo na rubani
picha za gari (UAV): Uainishaji wa pikseli, tafsiri ya kuona na mbinu za kujifunza kwa mashine. Int. J. Appl. Obs ya Dunia. Geoinf. 89, 102085 https://doi.org/
10.1016/j.jag.2020.102085.
Haque, A., Islam, N., Samrat, NH, Dey, S., Ray, B., 2021. Kilimo mahiri kupitia uongozi unaowajibika nchini Bangladesh: uwezekano, fursa, na kwingineko.
Uendelevu 13 (8), 4511.
Hardin, PJ, Hardin, TJ, 2010. Magari madogo madogo yaliyojaribiwa kwa mbali katika utafiti wa mazingira. Dira ya Jiografia 4 (9), 1297–1311. ttps://doi.org/10.1111/j.1749-
8198.2010.00381.x.
Hardin, PJ, Jensen, RR, 2011. Magari madogo madogo yasiyo na rubani katika uhisiji wa mbali wa mazingira: changamoto na fursa. GISci. Senti za Mbali 48 (1), 99–111. https://doi.org/10.2747/1548-1603.48.1.99.
He, Y., Nie, P., Zhang, Q., Liu, F., 2021. Mtandao wa Mambo ya Kilimo: teknolojia na matumizi, (toleo la 1 la 2021). Springer.
Herwitz, SR, Johnson, LF, Dunagan, SE, Higgins, RG, Sullivan, DV, Zheng, J., Lobitz, BM, Leung, JG, Gallmeyer, BA, Aoyagi, M., Slye, RE, Brass, JA, 2004.
Upigaji picha kutoka kwa gari la anga lisilo na rubani: ufuatiliaji wa kilimo na usaidizi wa maamuzi. Kompyuta. Elektroni. Kilimo. 44 (1), 49–61. https://doi.org/10.1016/j.
compag.2004.02.006.
Holman, FH, Riche, AB, Michalski, A., Castle, M., Wooster, MJ, Hawkesford, MJ, Upeo wa juu wa uga wa utendakazi wa urefu wa mmea wa ngano na kiwango cha ukuaji katika majaribio ya shamba kwa kutumia vihisishi vya mbali vya UAV. Hisia ya Mbali 8 (12). https://doi. org/10.3390/rs8121031.
Honkavaara, E., Saari, H., Kaivosoja, J., Pol ¨ onen, ¨ I., Hakala, T., Litkey, P., M¨akynen, J., Pesonen, L., 2013. Usindikaji na tathmini ya taswira ya spectrometriki, stereoscopic iliyokusanywa kwa kutumia kamera nyepesi ya taswira ya UAV kwa kilimo cha usahihi. Vihisi vya Mbali 5 (10), 5006–5039. https://doi.org/10.3390/rs5105006.
Hossein Motlagh, N., Taleb, T., Arouk, O., 2016. Magari ya anga yasiyo na rubani ya urefu wa chini kulingana na huduma za mtandao wa mambo: uchunguzi wa kina na mitazamo ya siku zijazo. IEEE Mambo ya Mtandao J. 3 (6), 899–922. https://doi.org/10.1109/JIOT.2016.2612119.
Hrabar, S., Sukhatme, GS, Corke, P., Usher, K., Roberts, J., 2005. Urambazaji wa macho uliounganishwa na uelekezaji wa stereo wa korongo za mijini kwa UAV. Katika: 2005 IEEE/RSJ
Mkutano wa Kimataifa wa Roboti na Mifumo ya Akili, uk. 3309–3316. https://doi.org/10.1109/IROS.2005.1544998.
Hsu, T.-C., Yang, H., Chung, Y.-C., Hsu, C.-H., 2020. Jukwaa la Kilimo la Ubunifu la IoT la kompyuta ya ukungu ya wingu. Dumisha. Kompyuta. Inf. Mfumo. 28, 100285.
Huang, H., Deng, J., Lan, Y., Yang, A., Deng, X., Zhang, L., Gonzalez-Andujar, JL, 2018. Mtandao unaokubalika kikamilifu wa kuchora ramani ya magugu ya chombo cha anga kisicho na rubani ( UAV) picha. PLoS ONE 13 (4), e0196302.
Huang, H., Lan, Y., Yang, A., Zhang, Y., Wen, S., Deng, J., 2020. Kujifunza kwa kina dhidi ya Uchanganuzi wa Picha unaotegemea Kitu (OBIA) katika uchoraji wa ramani ya magugu ya picha za UAV. Int. J.
Senti za Mbali 41 (9), 3446–3479. https://doi.org/10.1080/01431161.2019.1706112.
Huang, H., Yang, A., Tang, Y., Zhuang, J., Hou, C., Tan, Z., Dananjayan, S., He, Y., Guo, Q., Luo, S., 2021. Urekebishaji wa rangi ya kina kwa picha za UAV katika ufuatiliaji wa mazao
kutumia uhamishaji wa mtindo wa kisemantiki kwa umakini wa ndani hadi wa kimataifa. Int. J. Appl. Obs ya Dunia. Geoinf. 104, 102590 https://doi.org/10.1016/j.jag.2021.102590.
Huang, YB, Thomson, SJ, Hoffmann, WC, Lan, YB, Fritz, BK, 2013. Maendeleo na matarajio ya teknolojia za magari ya anga zisizo na rubani kwa uzalishaji wa kilimo.
usimamizi. Int. J. Agric. Bioli. Eng. 6 (3), 1–10. https://doi.org/10.3965/j. ijabe.20130603.001.
Huang, Y., Hoffmann, WC, Lan, Y., Wu, W., Fritz, BK, 2009. Uundaji wa mfumo wa kunyunyizia dawa kwa jukwaa la gari la anga lisilo na rubani. Programu. Eng. Kilimo. 25 (6), 803–809.
Hunt Jr., ER, Dean Hively, W., Fujikawa, SJ, Linden, DS, Daughtry, CST, McCarty, GW, 2010. Upataji wa picha za kidijitali za NIR-kijani-bluu kutoka
ndege zisizo na rubani kwa ufuatiliaji wa mazao. Hisia za Mbali 2 (1), 290–305. https://doi. org/10.3390/rs2010290. Inoue, Y., 2020. Hisia za mbali za mimea na udongo kwa kutumia satellite- na drone kwa ajili ya kilimo bora-maoni. Sayansi ya Udongo. Nutr ya mmea. 66 (6), 798–810. https://doi.org/10.1080/00380768.2020.1738899.
Islam, N., Rashid, MM, Pasandideh, F., Ray, B., Moore, S., Kadel, R., 2021. Mapitio ya matumizi na teknolojia za mawasiliano kwa Mtandao wa Mambo (IoT) na
Ukulima endelevu wa Aerial Vehicle (UAV) usio na rubani. Uendelevu 13 (4), 1821. https://doi.org/10.3390/su13041821.
Jaud, M., Passot, S., Le Bivic, R., Delacourt, C., Grandjean, P., Le Dantec, N., 2016. Kutathmini usahihi wa miundo ya uso wa dijiti yenye ubora wa juu iliyokokotwa na
PhotoScan® na MicMac® katika hali bora zaidi za uchunguzi. Hisia za Mbali 8 (6), https://doi.org/10.3390/rs8060465.
Jim´enez-Brenes, FM, Lopez-Granados, ´ F., Castro, AI, Torres-S´ anchez, J., Serrano, N., Pena, ˜ JM, 2017. Kutathmini athari za upogoaji kwenye usanifu wa mizeituni na kila mwaka. ukuaji wa dari kwa kutumia uundaji wa 3D unaotegemea UAV. Njia za kupanda 13 (1). https://doi.org/10.1186/s13007-017-0205-3.
Jin, X., Liu, S., Baret, F., Hemerle, M., Comar, A., 2017. Makadirio ya msongamano wa mimea ya mazao ya ngano yanapoibuka kutoka kwa picha ya UAV ya urefu wa chini sana. Sens za Mbali.
Mazingira. 198, 105–114. https://doi.org/10.1016/j.rse.2017.06.007.
Jinbo, C., Xiangliang, C., Han-Chi, F., Lam, A., 2019. Mfumo wa ufuatiliaji wa bidhaa za kilimo unaotumika na kompyuta ya wingu. Kompyuta ya Cluster. 22 (4), 8929–8938.
Ju, C., & Son, HI 2018a. Tathmini ya utendaji wa mifumo mingi ya UAV kwa hisi za mbali katika kilimo. Mijadala ya Warsha kuhusu Dira ya Roboti na Hatua katika Kilimo katika Kongamano la Kimataifa la IEEE kuhusu Roboti na Uendeshaji (ICRA), Brisbane, Australia, 21–26.
Ju, C., Mwana, HI, 2018b. Mifumo mingi ya UAV kwa matumizi ya kilimo: udhibiti, utekelezaji, na tathmini. Elektroniki 7 (9), 162. https://doi.org/10.3390/
umeme7090162.
Jung, J., Maeda, M., Chang, A., Bhandari, M., Ashapure, A., Landivar-Bowles, J., 2021. Uwezo wa kutambua kwa mbali na akili bandia kama zana za kuboresha
ustahimilivu wa mifumo ya uzalishaji wa kilimo. Curr. Maoni. Bayoteknolojia. 70, 15–22. https://doi.org/10.1016/j.copbio.2020.09.003.
Kalischuk, M., Paret, ML, Freeman, JH, Raj, D., Da Silva, S., Eubanks, S., Wiggins, DJ, Lollar, M., Marois, JJ, Mellinger, HC, Das, J. . Kupanda Dis. 2019 (103), 7–1642.
Kapoor, KK, Tamilmani, K., Rana, NP, Patil, P., Dwivedi, YK, Nerur, S., 2018. Maendeleo katika utafiti wa mitandao ya kijamii: zamani, sasa na zijazo. Taarifa. Mfumo. Mbele. 20
(3), 531-558.
Kerkech, M., Hafiane, A., Canals, R., 2020. VddNet: mtandao wa kugundua ugonjwa wa vine kulingana na picha zenye spectra nyingi na ramani ya kina. Kihisi cha Mbali 12 (20), 3305. https://doi. org/10.3390/rs12203305.
Khaliq, A., Comba, L., Biglia, A., Ricauda Aimonino, D., Chiaberge, M., Gay, P., 2019. Ulinganisho wa satelaiti na taswira mbalimbali za spectra ya UAV kwa shamba la mizabibu
tathmini ya kutofautiana. Hisia ya Mbali 11 (4). https://doi.org/10.3390/rs11040436.
Khan, PW, Byun, Y.-C., Park, N., 2020. IoT-blockchain iliwezesha mfumo wa utumiaji ulioboreshwa wa tasnia ya chakula 4.0 kwa kutumia mafunzo ya kina. Sensorer 20 (10), 2990.
Khan, RU, Khan, K., Albattah, W., Qamar, AM, Ullah, F., 2021. Ugunduzi wa magonjwa ya mimea kulingana na picha: kutoka kwa kujifunza kwa mashine ya kitambo hadi safari ya kujifunza kwa kina. Jumuiya isiyo na waya. Kompyuta ya rununu. 2021, 1–13.
Khan, S., Tufail, M., Khan, MT, Khan, ZA, Iqbal, J., Alam, M., Le, KNQ, 2021. Mfumo wa riwaya unaosimamiwa nusu kwa uainishaji wa mazao/magugu ya UAV. PLoS ONE 16 (5), e0251008.
Khanal, S., Fulton, J., Shearer, S., 2017. Muhtasari wa matumizi ya sasa na yanayoweza kutokea ya hisia za mbali za joto katika kilimo cha usahihi. Kompyuta. Elektroni.
Kilimo. 139, 22–32. https://doi.org/10.1016/j.compag.2017.05.001.
Khanna, A., Kaur, S., 2019. Mageuzi ya Mtandao wa Mambo (IoT) na athari zake muhimu katika nyanja ya Kilimo cha Usahihi. Kompyuta. Elektroni. Kilimo. 157, 218–231.
Kim, W., Khan, GF, Wood, J., Mahmood, MT, 2016. Ushiriki wa wafanyakazi kwa mashirika endelevu: uchambuzi wa maneno muhimu kwa kutumia uchanganuzi wa mtandao wa kijamii na kupasuka
mbinu ya kugundua. Uendelevu 8 (7), 631.
Kirsch, M., Lorenz, S., Zimmermann, R., Tusa, L., Mockel, ¨ R., Hodl, ¨ P., Booysen, R., Khodadadzadeh, M., Gloaguen, R., 2018. Ushirikiano ya nchi kavu na isiyo na rubani
mbinu za kuhisi za hyperspectral na photogrammetric za uchoraji ramani na ufuatiliaji wa uchimbaji madini. Kihisi cha Mbali 10 (9), 1366. https://doi.org/10.3390/
rs10091366.
Kitano, BT, Mendes, CCT, Geus, AR, Oliveira, HC, Souza, JR, 2019. Kuhesabu mimea ya mahindi kwa kutumia mafunzo ya kina na picha za UAV. IEEE Geosci. Senti za Mbali. Lett. 1–5 https://doi.org/10.1109/LGRS.2019.2930549.
Koh, JCO, Spangenberg, G., Kant, S., 2021. Kujifunza kwa mashine kiotomatiki kwa ajili ya uchapaji picha wa mimea yenye matokeo ya juu. Kihisi cha Mbali 13 (5), 858. https://
doi.org/10.3390/rs13050858.
Kovalev, IV, Voroshilova, AA, 2020. Mitindo ya kisasa ya kiteknolojia katika maendeleo ya mazingira ya UAV ya mizigo. J. Phys. Conf. Seva 1515 (5), 052068 https://doi. org/10.1088/1742-6596/1515/5/052068.
Krul, S., Pantos, C., Frangulea, M., Valente, J., 2021. Visual SLAM kwa mifugo ya ndani na kilimo kwa kutumia drone ndogo yenye kamera ya monocular: utafiti wa uwezekano.
Ndege zisizo na rubani 5 (2), 41. https://doi.org/10.3390/drones5020041.
Kulbacki, M., Segen, J., Knie´c, W., Klempous, R., Kluwak, K., Nikodem, J., Kulbacka, J., Serester, A., 2018. Utafiti wa ndege zisizo na rubani kwa ajili ya kilimo otomatiki kutoka kupanda hadi
mavuno. Katika: INES 2018 - Mkutano wa 22 wa Kimataifa wa IEEE kuhusu Mifumo ya Uhandisi Bora, ukurasa wa 000353–358. https://doi.org/10.1109/INES.2018.8523943.
Lagkas, T., Argyriou, V., Bibi, S., Sarigiannidis, P., 2018. Mionekano na changamoto za mfumo wa UAV IoT: kuelekea kulinda ndege zisizo na rubani kama "Vitu". Sensorer 18 (11), 4015. https://doi.org/10.3390/s18114015.
Laliberte, AS, Rango, A., 2011. Taratibu za uchakataji na uainishaji wa picha za uchanganuzi wa taswira ndogo ya desimita iliyopatikana kwa ndege isiyo na rubani kwenye eneo kame.
nyanda za malisho. GISci. Senti za Mbali 48 (1), 4–23. https://doi.org/10.2747/1548-1603.48.1.4.
Laliberte, AS, Rango, A., Herrick, JE, 2007. Magari ya anga yasiyo na rubani kwa ajili ya uchoraji ramani na ufuatiliaji wa nyanda za malisho: ulinganisho wa mifumo miwili. Kesi za Mkutano wa Mwaka wa ASPRS.
Lam, OHY, Dogotari, M., Prüm, M., Vithlani, HN, Roers, C., Melville, B., Zimmer, F., Becker, R., 2021. Mtiririko wa kazi wa chanzo huria wa uchoraji wa ramani ya magugu katika nyanda asilia
kutumia chombo cha anga kisicho na rubani: Kutumia Rumex obtusifolius kama kifani kifani. Eur. J.Remote Sens. 54 (sup1), 71–88. https://doi.org/10.1080/22797254.2020.1793687.
Lambert, DM, Lowenberg-DeBoer, J., Griffin, TW, Peone, J., Payne, T., Daberkow, SG, 2004. Kuasili, faida, na kutumia vyema data ya kilimo cha usahihi.
Karatasi ya kazi. Chuo Kikuu cha Purdue. https://doi.org/10.22004/ag.econ.28615.
Lelong, CCD, Burger, P., Jubelin, G., Roux, B., Labb'e, S., Baret, F., 2008. Tathmini ya picha za angani zisizo na rubani kwa ufuatiliaji wa kiasi cha zao la ngano katika mashamba madogo. Sensorer 8 (5), 3557–3585. https://doi.org/10.3390/s8053557.
Li, C., Niu, B., 2020. Ubunifu wa kilimo mahiri kulingana na data kubwa na Mtandao wa vitu. Int. J. Kusambaza. Sens. Netw. 16 (5) ttps://doi.org/10.1177/1550147720917065.
Li, W., Niu, Z., Chen, H., Li, D., Wu, M., Zhao, W., 2016. Ukadiriaji wa mbali wa urefu wa mwavuli na majani ya juu ya ardhi ya mahindi kwa kutumia picha za stereo za azimio la juu kutoka kwa mfumo wa gari la anga lisilo na rubani wa gharama ya chini. Ecol. In. 67, 637–648. https://doi.org/10.1016/j.ecolind.2016.03.036.
Liakos, KG, Busato, P., Moshou, D., Pearson, S., Bochtis, D., 2018. Kujifunza kwa mashine katika kilimo: mapitio. Sensorer 18 (8), 2674.
Liebisch, F., Kirchgessner, N., Schneider, D., Walter, A., Hund, A., 2015. Uchapishaji wa mbali, wa angani wa sifa za mahindi kwa mbinu ya simu ya vihisi vingi. Njia za Kupanda 11 (1), 9. https://doi.org/10.1186/s13007-015-0048-8.
Lin, Z., Guo, W., 2020. Kugundua na kuhesabu hofu ya mtama kwa kutumia picha za mfumo wa angani zisizo na rubani na kujifunza kwa kina. Mbele. Sayansi ya mimea. 11.
Liu, S., Guo, L., Webb, H., Ya, X., Chang, X., 2019. Mfumo wa ufuatiliaji wa Mtandao wa Mambo wa kisasa wa kilimo-ikolojia kulingana na kompyuta ya wingu. IEEE Ufikiaji 7, 37050–37058.
Lopez-Granados, ´ F., 2011. Ugunduzi wa magugu kwa usimamizi wa magugu kwenye tovuti mahususi: uchoraji wa ramani na mbinu za wakati halisi. Res ya Magugu. 51 (1), 1–11. https://doi.org/10.1111/j.1365-3180.2010.00829.x.
Lopez-Granados, ´ F., Torres-Sanchez, ´ J., De Castro, A.-I., Serrano-Perez, A., MesasCarrascosa, F.-J., Pena, ˜ J.-M. , 2016. Ufuatiliaji wa mapema kulingana na kitu wa gugu nyasi katika zao la nyasi kwa kutumia picha za ubora wa juu za UAV. Agron. Dumisha. Dev. 36 (4), 1–12
Lopez-Granados, ´ F., Torres-S´ anchez, J., Serrano-Perez, A., de Castro, AI, MesasCarrascosa, F.-J., Pena, ˜ J.-M., 2016. Kuchora ramani za magugu katika msimu wa mapema katika alizeti kwa kutumia teknolojia ya UAV: kutofautiana kwa ramani za matibabu ya dawa dhidi ya vizingiti vya magugu. Precis. Kilimo. 17 (2), 183–199.
Lucieer, A., Malenovský, Z., Veness, T., Wallace, L., 2014. HyperUAS - taswira ya picha kutoka kwa mfumo wa ndege usio na rubani wa multirotor. J. Shamba Rob. 31 (4),
571–590. https://doi.org/10.1002/rob.21508.
Lumme, J., Karjalainen, M., Kaartinen, H., Kukko, A., Hyyppa, ¨ J., Hyypp¨ a, H., Jaakkola, A., & Kleemola, J., 2008. Uchanganuzi wa leza ya Dunia ya mazao ya kilimo. Katika JJ
Chen J. Maas H–G. (Mh.), Kumbukumbu za Kimataifa za Photogrammetry, Sayansi ya Kuhisi kwa Mbali na Taarifa za anga—Hifadhi za ISPRS (Vol. 37, pp. 563–566).
Jumuiya ya Kimataifa ya Upigaji picha na Kuhisi kwa Mbali. https://www.scopus .com/inward/record.uri?eid=2-s2.0-84919356328&partnerID=40&md5=574
b802131a99d16318ce619a01ca1bf.
Ma, L., Li, M., Ma, X., Cheng, L., Du, P., Liu, Y., 2017. Mapitio ya uainishaji wa picha za jalada la ardhi unaosimamiwa kulingana na kitu. ISPRS J. Photogramm. Senti za Mbali 130,
277–293. https://doi.org/10.1016/j.isprsjprs.2017.06.001.
Maes, WH, Steppe, K., 2019. Mitazamo ya kutambua kwa mbali na magari ya angani yasiyo na rubani katika kilimo cha usahihi. Trends Plant Sci. 24 (2), 152–164. https://doi.org/10.1016/j.tplants.2018.11.007.
Maimaitijiang, M., Ghulam, A., Sidike, P., Hartling, S., Maimaitiyiming, M., Peterson, K., Shavers, E., Fishman, J., Peterson, J., Kadam, S., Burken, J., Fritschi, F., 2017.
Mfumo wa angani usio na rubani (UAS)-msingi wa phenotyping wa soya kwa kutumia muunganisho wa data wa vihisi vingi na mashine ya kujifunza iliyokithiri. ISPRS J. Photogramm. Senti za Mbali 134, 43–58. https://doi.org/10.1016/j.isprsjprs.2017.10.011. Maimaitijiang, M., Sagan, V., Sidike, P., Daloye, AM, Erkbol, H., Fritschi, FB, 2020.
Ufuatiliaji wa mazao kwa kutumia data ya satelaiti/UAV na kujifunza kwa mashine. Kihisi cha Mbali 12 (9), 1357. https://doi.org/10.3390/rs12091357.
Manfreda, S., McCabe, M., Miller, P., Lucas, R., Pajuelo Madrigal, V., Mallinis, G., Ben Dor, E., Helman, D., Estes, L., Ciraolo, G. ., Müllerova, ´ J., Tauro, F., de Lima, M., de
Lima, J., Kimalta, A., Frances, F., Caylor, K., Kohv, M., Perks, M., Ruiz-Perez, G., Su, Z., Vico, G., Toth , B., 2018. Juu ya matumizi ya mifumo ya anga isiyo na rubani kwa
ufuatiliaji wa mazingira. Kihisishi cha Mbali 10 (4), 641.
Marinko, RA, 1998. Nukuu za majarida ya masomo ya wanawake katika tasnifu, 1989 na The Serials Librarian 35 (1–2), 29–44. https://doi.org/10.1300/J123v35n01_
03.
Masroor, R., Naeem, M., Ejaz, W., 2021. Usimamizi wa rasilimali katika mitandao isiyotumia waya inayosaidiwa na UAV: mtazamo wa uboreshaji. Ad Hoc Net. 121, 102596 https://doi.org/10.1016/j.adhoc.2021.102596.
Matese, A., Di Gennaro, SF, 2018. Utumiaji kivitendo wa jukwaa la UAV la multisensor kulingana na picha zenye mwonekano wa hali ya juu, mafuta na RGB kwa usahihi.
kilimo cha mitishamba. Kilimo 8 (7), 116. https://doi.org/10.3390/agriculture8070116.
Matese, A., Di Gennaro, SF, 2021. Zaidi ya faharasa ya kitamaduni ya NDVI kama sababu kuu ya kujumuisha matumizi ya UAV katika kilimo cha usahihi cha mitishamba. Sayansi. Rep. 11 (1), 2721. https://doi.org/10.1038/s41598-021-81652-3.
Matese, A., Toscano, P., Di Gennaro, SF, Genesio, L., Vaccari, FP, Primicerio, J., Belli, C., Zaldei, A., Bianconi, R., Gioli, B., 2015 . Ulinganisho wa UAV, ndege
na majukwaa ya setilaiti ya kutambua kwa mbali kwa usahihi wa kilimo cha mitishamba. Kihisi cha Mbali 7 (3), 2971–2990. https://doi.org/10.3390/rs70302971.
Mazzia, V., Comba, L., Khaliq, A., Chiaberge, M., Gay, P., 2020. UAV na uboreshaji wa kujifunza kwa mashine kulingana na uboreshaji wa faharasa ya mimea inayoendeshwa na satelaiti kwa usahihi.
kilimo. Sensorer 20 (9), 2530. https://doi.org/10.3390/s20092530.
McCain, KW, 1990. Waandishi wa ramani katika nafasi ya kiakili: muhtasari wa kiufundi. J. Am. Soc. Habari. Sayansi. 41 (6), 433–443.
Meinen, BU, Robinson, DT, 2021. Muundo wa mmomonyoko wa kilimo: kutathmini makadirio ya mmomonyoko wa mashambani wa USLE na WEPP kwa kutumia data ya mfululizo wa saa za UAV. Mazingira. Mfano. Programu 137, 104962. https://doi.org/10.1016/j.envsoft.2021.104962.
Melville, B., Lucieer, A., Aryal, J., 2019. Uainishaji wa jamii za nyanda za chini za nyasi kwa kutumia Mfumo wa Ndege Zisizo na Rubani (UAS) wa hali ya juu sana.
Visiwa vya Tasmania. Ndege zisizo na rubani 3 (1), 5.
Messina, G., Modica, G., 2020. Utumiaji wa taswira ya joto ya UAV katika kilimo cha usahihi: hali ya juu na mtazamo wa utafiti wa siku zijazo. Kihisishi cha Mbali 12 (9), https://doi.org/10.3390/rs12091491.
Mishra, D., Luo, Z., Jiang, S., Papadopoulos, T., Dubey, R., 2017. Utafiti wa biblia kuhusu data kubwa: dhana, mitindo na changamoto. Usimamizi wa Mchakato wa Biashara. J. 23 (3),
555-573.
Mochida, K., Saisho, D., Hirayama, T., 2015. Uboreshaji wa mazao kwa kutumia hifadhidata za mzunguko wa maisha zilizopatikana chini ya hali ya shamba. Mbele. Sayansi ya mimea. 6 https://doi.org/10.3389/
fpls.2015.00740.
Mogili, UM.R., Deepak, BBVL, 2018. Mapitio kuhusu matumizi ya mifumo ya ndege zisizo na rubani katika kilimo cha usahihi. Utaratibu wa Kompyuta. Sayansi. 133, 502–509.
Moharana, S., Dutta, S., 2016. Tofauti ya anga ya klorofili na maudhui ya nitrojeni ya mchele kutoka kwa taswira ya hali ya juu. ISPRS J. Photogramm. Senti za Mbali 122, 17–29.
Muangprathub, J., Boonnam, N., Kajornkasirat, S., Lekbangpong, N., Wanichsombat, A.,
Nillaor, P., 2019. Uchambuzi wa data ya IoT na kilimo kwa shamba mahiri. Kompyuta. Elektroni. Kilimo. 156, 467–474.
Nansen, C., Elliott, N., 2016. Kuhisi kwa mbali na kuakisi wasifu katika entomolojia. Mwaka. Mchungaji Entomol. 61 (1), 139–158. https://doi.org/10.1146/annurev-ento010715-023834.
Navia, J., Mondragon, I., Patino, D., Colorado, J., 2016. Kuchora ramani nyingi katika kilimo: terrain mosaic kwa kutumia autonomous quadcopter UAV. Int. Conf.
Mfumo wa Ndege usio na rubani. (ICUAS) 2016, 1351–1358. https://doi.org/10.1109/ ICUAS.2016.7502606.
Nayyar, A., Nguyen, B.-L., Nguyen, NG, 2020. Mtandao wa mambo ya ndege zisizo na rubani (Iodt): taswira ya siku zijazo ya drones mahiri. Adv. Akili. Mfumo. Kompyuta. 1045, 563–580. https://doi.org/10.1007/978-981-15-0029-9_45.
Nebiker, S., Annen, A., Scherrer, M., Oesch, D., 2008. Kihisi chenye uzani mwepesi kwa ajili ya UAV ndogo—fursa za uwezo wa juu sana wa kutambua kwa mbali kwa hewa. Int. Arch. Picha. Sens za Mbali. Mate. Inf. Sci 37 (B1), 1193-1200.
Negash, L., Kim, H.-Y., Choi, H.-L., 2019. Programu zinazoibuka za UAV katika kilimo. Katika: Mkutano wa 2019 wa Kimataifa wa 7 kuhusu Teknolojia ya Ujasusi ya Robot na
Maombi (RiTA), ukurasa wa 254-257. https://doi.org/10.1109/RITAPP.2019.8932853.
Nerur, SP, Rasheed, AA, Natarajan, V., 2008. Muundo wa kiakili wa uwanja wa usimamizi wa kimkakati: uchambuzi wa manukuu ya mwandishi. Mkakati. Kusimamia. J. 29 (3),
319-336.
Neupane, K., Baysal-Gurel, F., 2021. Utambulisho wa kiotomatiki na ufuatiliaji wa magonjwa ya mimea kwa kutumia vyombo vya anga visivyo na rubani: mapitio. Kihisi cha Mbali 13 (19), 3841. https://doi.org/10.3390/rs13193841.
Nex, F., Remondino, F., 2014. UAV ya programu za ramani za 3D: hakiki. Programu. Jiomatiki 6 (1), 1–15. https://doi.org/10.1007/s12518-013-0120-x.
Niu, H., Hollenbeck, D., Zhao, T., Wang, D., Chen, Y., 2020. Makadirio ya uvukizi wa hewa na UAV ndogo katika kilimo cha usahihi. Sensorer 20 (22), 6427. https://
doi.org/10.3390/s20226427.
Osareh, F., 1996. Bibliometriki, Uchanganuzi wa Manukuu na Uchanganuzi Mwenza wa Manukuu. Uhakiki wa Fasihi I 46 (3), 149–158. https://doi.org/10.1515/libr.1996.46.3.149.
P´adua, L., Vanko, J., Hruˇska, J., Ad˜ ao, T., Sousa, JJ, Peres, E., Morais, R., 2017. UAS, vitambuzi na usindikaji wa data katika kilimo mseto: mapitio kuelekea matumizi ya vitendo. Int. J. Senti za Mbali 38 (8–10), 2349–2391. https://doi.org/10.1080/01431161.2017.1297548.
Panday, US, Pratihast, AK, Aryal, J., Kayastha, RB, 2020. Maoni kuhusu suluhu za data zinazotegemea ndege zisizo na rubani za mazao ya nafaka. Ndege zisizo na rubani 4 (3), 1–29. https://doi.org/10.3390/
drones4030041.
Parsaeian, M., Shahabi, M., Hassanpour, H., 2020. Kukadiria maudhui ya mafuta na protini ya ufuta kwa kutumia usindikaji wa picha na mtandao wa neva bandia. J. Am. Mafuta
Soka ya Kemia. 97 (7), 691–702.
Pena, ˜ JM, Torres-Sanchez, J., de Castro, AI, Kelly, M., Lopez-Granados, ´ F., Suarez, O., Kuchora ramani ya palizi katika mashamba ya mahindi ya msimu wa mapema kwa kutumia uchanganuzi wa kitu. ya
Picha za gari la anga lisilo na rubani (UAV). PLoS ONE 8 (10), e77151.
Perez-Ortiz, M., Pena, ˜ JM, Guti'errez, PA, Torres-S´ anchez, J., Herv' as-Martínez, C.,
Lopez-Granados, ´ F., 2015. Mfumo unaosimamiwa nusu kwa ajili ya kuchora ramani ya magugu katika zao la alizeti kwa kutumia vyombo vya anga visivyo na rubani na mbinu ya kutambua safu ya mazao. Programu. Kompyuta laini. J. 37, 533–544. https://doi.org/10.1016/j.asoc.2015.08.027.
Pincheira, M., Vecchio, M., Giaffreda, R., Kanhere, SS, 2021. Vifaa vya IoT vya gharama nafuu kama vyanzo vya data vya kuaminika kwa mfumo wa usimamizi wa maji wa blockchain katika kilimo cha usahihi. Kompyuta. Elektroni. Kilimo. 180, 105889.
Popescu, D., Stoican, F., Stamatescu, G., Ichim, L., Dragana, C., 2020. Mfumo wa hali ya juu wa UAV–WSN wa ufuatiliaji wa akili katika kilimo cha usahihi. Sensorer 20 (3), https://doi.org/10.3390/s20030817.
Pournader, M., Shi, Y., Seuring, S., Koh, SL, 2020. Maombi ya Blockchain katika minyororo ya ugavi, usafiri na vifaa: mapitio ya utaratibu wa maandiko. Int. J. Prod. Res. 58 (7), 2063–2081.
Primicerio, J., Di Gennaro, SF, Fiorillo, E., Genesio, L., Lugato, E., Matese, A., Vaccari, FP, 2012. Gari inayoweza kubadilika isiyo na rubani kwa kilimo cha usahihi.
Precis. Kilimo. 13 (4), 517–523. https://doi.org/10.1007/s11119-012-9257-6.
Pritchard, A., 1969. Biblia ya takwimu au bibliometriki. Hati ya J. 25 (4), 348–349.
Pudelko, R., Stuczynski, T., Borzecka-Walker, M., 2012. Kufaa kwa gari la anga lisilo na rubani (UAV) kwa ajili ya tathmini ya mashamba ya majaribio na mazao. Kilimo 99 (4), 431–436.
Puri, V., Nayyar, A., Raja, L., 2017. Ndege zisizo na rubani za kilimo: mafanikio ya kisasa katika kilimo cha usahihi. J. Takwimu. Kusimamia. Mfumo. 20 (4), 507–518.
Radoglou-Grammatikis, P., Sarigiannidis, P., Lagkas, T., Moscholios, I., 2020. Mkusanyiko wa maombi ya UAV kwa kilimo cha usahihi. Kompyuta. Mtandao. 172,
107148 https://doi.org/10.1016/j.comnet.2020.107148.
Ramesh, KV, Rakesh, V., Prakasa Rao, EVS, 2020. Utumiaji wa uchanganuzi mkubwa wa data na akili bandia katika utafiti wa kilimo. Mhindi J. Agron. 65 (4), 383–395.
Raparelli, E., Bajocco, S., 2019. Uchanganuzi wa bibliometriki kuhusu matumizi ya magari ya anga yasiyo na rubani katika masomo ya kilimo na misitu. Int. J. Senti za Mbali 40 (24),
9070–9083. https://doi.org/10.1080/01431161.2019.1569793.
Rasmussen, J., Nielsen, J., Garcia-Ruiz, F., Christensen, S., Streibig, JC, Lotz, B., 2013.
Matumizi yanayowezekana ya mifumo ndogo ya ndege isiyo na rubani (UAS) katika utafiti wa magugu. Res ya Magugu. 53 (4), 242–248.
Rasmussen, J., Ntakos, G., Nielsen, J., Svensgaard, J., Poulsen, RN, Christensen, S., Je, ni fahirisi za mimea zinazotokana na kamera za kiwango cha watumiaji zilizowekwa kwenye
UAV zinategemewa vya kutosha kutathmini viwanja vya majaribio? Eur. J. Agron. 74, 75–92. https://doi.org/10.1016/j.eja.2015.11.026.
Rejeb, A., Rejeb, K., Abdollahi, A., Zailani, S., Iranmanesh, M., Ghobakhloo, M., 2022. Uwekaji dijitali katika misururu ya usambazaji wa chakula: mapitio ya bibliometriki na njia kuu ya njia kuu.
uchambuzi. Uendelevu 14 (1), 83. https://doi.org/10.3390/su14010083.
Rejeb, A., Rejeb, K., Simske, SJ, Treiblmaier, H., 2021a. Drones kwa usimamizi wa ugavi na vifaa: mapitio na ajenda ya utafiti. Int. J. Msajili. Res. Programu.
1–24. https://doi.org/10.1080/13675567.2021.1981273.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021b. Teknolojia za Blockchain katika usimamizi wa vifaa na ugavi: mapitio ya bibliometriki. Lojistiki 5 (4), 72.
https://doi.org/10.3390/logistics5040072.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021c. Ndege zisizo na rubani za kibinadamu: mapitio na ajenda ya utafiti. Mtandao wa Mambo 16, 100434. https://doi.org/10.1016/j.
iot.2021.100434.
Rejeb, A., Treiblmaier, H., Rejeb, K., Zailani, S., 2021d. Utafiti wa Blockchain katika huduma ya afya: mapitio ya bibliometriki na mwenendo wa sasa wa utafiti. J. wa Data, Inf. na
Kusimamia. 3 (2), 109–124.
Rejeb, A., Simske, S., Rejeb, K., Treiblmaier, H., Zailani, S., 2020. Utafiti wa Mtandao wa Mambo katika usimamizi wa ugavi na vifaa: uchambuzi wa bibliometriki. Mtandao
ya Mambo 12, 100318.
ReportLinker, 2021. Soko la Global Agriculture Drones Kufikia Dola za Marekani Bilioni 15.2 ifikapo MwakaGlobeNewswire News Room. https://www.globenewswire.com/news-release/2021/08/10/2277986/0/en/Global-Agriculture-Drones-Market-to-Reach-US-15-2-Billion-by-the- Mwaka-2027.html.
Ribeiro-Gomes, K., Hernandez-L ´ opez, ´ D., Ortega, JF, Ballesteros, R., Poblete, T.,Moreno, MA, 2017. Urekebishaji wa kamera ya joto isiyopozwa na uboreshaji wa
mchakato wa upigaji picha kwa matumizi ya UAV katika kilimo. Sensorer (Uswizi) 17 (10). https://doi.org/10.3390/s17102173.
Rivera, MA, Pizam, A., 2015. Maendeleo katika utafiti wa ukarimu: "Kutoka kwa Rodney Dangerfield hadi Aretha Franklin". Int. J. Contempora. Hospitali. Kusimamia. 27 (3),
362–378. https://doi.org/10.1108/IJCHM-03-2014-0146.
Roldan, ´ JJ, Joossen, G., Sanz, D., Del Cerro, J., Barrientos, A., 2015. Mfumo wa hisia wa Mini-UAV wa kupima vigezo vya mazingira katika greenhouses. Sensorer 15 (2), 3334–3350. https://doi.org/10.3390/s150203334.
Rozenberg, G., Kent, R., Blank, L., 2021. UAV ya kiwango cha watumiaji hutumika kugundua na kuchanganua mifumo ya usambazaji wa magugu katika msimu wa marehemu katika mashamba ya vitunguu ya kibiashara. Precis. Kilimo. 22 (4), 1317–1332. https://doi.org/10.1007/s11119-021-09786-y.
Saari, H., Pellikka, I., Pesonen, L., Tuominen, S., Heikkila, ¨ J., Holmlund, C., Makynen, ¨ J., Ojala, K., Antila, T., 2011. Unmanned gari la angani (UAV) linaloendeshwa na mfumo wa kamera ya spectral kwa matumizi ya misitu na kilimo. Endelea. SPIE - Int. Soc. Chagua. Eng. 8174 https://doi.org/10.1117/12.897585.
Sah, B., Gupta, R., Bani-Hani, D., 2021. Uchambuzi wa vizuizi vya kutekeleza uratibu wa ndege zisizo na rubani. Int. J. Msajili. Res. Programu. 24 (6), 531–550. https://doi.org/10.1080/
13675567.2020.1782862.
Saha, AK, Saha, J., Ray, R., Sircar, S., Dutta, S., Chattopadhyay, SP, & Saha, HN, IOT-based drone kwa ajili ya kuboresha ubora wa mazao katika shamba la kilimo. Katika SH
N. Chakrabarti S. (Mh.), Warsha na Kongamano la Nane la Mwaka la Kompyuta na Mawasiliano la 2018, CCWC 8 (Vos. 2018-Januari, pp. 2018–612). Taasisi
of Electrical and Electronics Engineers Inc. doi: 10.1109/CCWC.2018.8301662.
Sai Vineeth, KV, Vara Prasad, YR, Dubey, SR, Venkataraman, H., 2019. LEDCOM: riwaya na mawasiliano bora ya LED kwa kilimo cha usahihi. IEEE Conf. Habari. Jumuiya. Teknolojia. 2019, 1–5. https://doi.org/10.1109/CICT48419.2019.9066177.
Salamí, E., Barrado, C., Pastor, E., 2014. Majaribio ya ndege ya UAV yalitumika kwenye hisi za mbali za maeneo yenye mimea. Kihisishi cha Mbali 6 (11), 11051–11081. https://doi.org/10.3390/rs61111051.
Sankaran, S., Khot, LR, Espinoza, CZ, Jarolmasjed, S., Sathuvalli, VR, Vandemark, GJ, Miklas, PN, Carter, AH, Pumphrey, MO, Knowles, NRN, Pavek, MJ, 2015.
Mifumo ya upigaji picha wa angani ya urefu wa chini, yenye azimio la juu kwa ajili ya uchapaji wa mazao ya mstari na shamba: mapitio. Eur. J. Agron. 70, 112–123. https://doi.org/10.1016/j.
eja.2015.07.004.
Santesteban, LG, Di Gennaro, SF, Herrero-Langreo, A., Miranda, C., Royo, JB, Matese, A., 2017. Upigaji picha wa ubora wa juu wa UAV wa kukadiria
kutofautiana kwa papo hapo na kwa msimu wa hali ya maji ya mimea ndani ya shamba la mizabibu. Kilimo. Usimamizi wa Maji. 183, 49–59. https://doi.org/10.1016/j.agwat.2016.08.026.
Sarli, CC, Dubinsky, EK, Holmes, KL, 2010. Zaidi ya uchanganuzi wa manukuu: Mfano wa tathmini ya athari za utafiti. J. Med. Assoc ya Maktaba. : JMLA 98 (1), 17–23. https://doi.org/10.3163/1536-5050.98.1.008.
Schaepman, ME, Ustin, SL, Plaza, AJ, Mchoraji, TH, Verrelst, J., Liang, S., 2009. Upigaji picha unaohusiana na mfumo wa dunia—tathmini. Sensi za Mbali. Mazingira. 113, S123–S137.
Schirrmann, M., Giebel, A., Gleiniger, F., Pflanz, M., Lentschke, J., Dammer, K.-H., 2016. Kufuatilia vigezo vya kilimo vya mazao ya ngano ya majira ya baridi na UAV ya gharama nafuu
taswira. Hisia ya Mbali 8 (9). https://doi.org/10.3390/rs8090706.
Schmale III, DG, Dingus, BR, Reinholtz, C., 2008. Uundaji na utumiaji wa gari la anga lisilo na rubani kwa sampuli sahihi za aerobiolojia hapo juu.
mashamba ya kilimo. J. Field Rob. 25 (3), 133–147. https://doi.org/10.1002/rob.20232.
Shadrin, D., Menshchikov, A., Somov, A., Bornemann, G., Hauslage, J., Fedorov, M.,
Kuwezesha kilimo cha usahihi kupitia vihisi vilivyopachikwa na akili ya bandia. IEEE Trans. Ala. Meas. 69 (7), 4103–4113.
Shakhatreh, H., Sawalmeh, AH, Al-Fuqaha, A., Dou, Z., Almaita, E., Khalil, I.,
Othman, NS, Khreishah, A., Guizani, M., 2019. Magari ya Angani yasiyokuwa na rubani (UAVs): utafiti kuhusu maombi ya raia na changamoto kuu za utafiti. Ufikiaji wa IEEE 7,
48572–48634. https://doi.org/10.1109/ACCESS.2019.2909530.
Shakoor, N., Northrup, D., Murray, S., Mockler, TC, 2019. Kilimo kinachoendeshwa na data kubwa: uchanganuzi mkubwa wa data katika ufugaji wa mimea, genomics, na matumizi ya vihisishi vya mbali
teknolojia ili kuendeleza tija ya mazao. Uzushi wa mmea J. 2 (1), 1–8.
Sharma, BK, Chandra, G., Mishra, VP, 2019. Uchanganuzi Linganishi na Athari za UAV na AI katika Uchunguzi wa Kisayansi. Katika: Kesi - 2019 Amity International
Mkutano wa Ujasusi Bandia. https://doi.org/10.1109/AICAI.2019.8701407.
Sharma, R., Shishodia, A., Gunasekaran, A., Min, H., Munim, ZH, 2022. Jukumu la akili bandia katika usimamizi wa msururu wa ugavi: kuchora eneo. Int. J.
Prod. Res. 1–24. https://doi.org/10.1080/00207543.2022.2029611.
Shi, Y., Thomasson, JA, Murray, SC, Pugh, NA, Rooney, WL, Shafian, S., Rajan, N., Rouze, G., Morgan, CLS, Neely, HL, Rana, A., Bagavathiannan , MV,
Henrickson, J., Bowden, E., Valasek, J., Olsenholler, J., Askofu, Mbunge, Sheridan, R., Putman, EB, Popescu, S., Burks, T., Cope, D., Ibrahim, A., McCutchen, BF,
Baltensperger, DD, Avant, RV, Vidrine, M., Yang, C., Zhang, J., 2016. Magari ya anga ambayo hayana rubani kwa ajili ya utafiti wa juu wa phenotyping na agronomic. PLoS MOJA
11 (7), e0159781.
Shuai, G., Martinez-Feria, RA, Zhang, J., Li, S., Price, R., Basso, B., 2019. Kukamata hifadhi ya mahindi katika maeneo yenye uthabiti wa mavuno kwa kutumia Aerial isiyo na rubani.
Magari (UAV). Sensorer 19 (20), 4446. https://doi.org/10.3390/s19204446.
Ndogo, H., 1973. Co-citation katika maandiko ya kisayansi: kipimo kipya cha uhusiano kati ya nyaraka mbili. J. Am. Soc. Habari. Sayansi. 24 (4), 265–269.
Ndogo, H., Rorvig, ME, Lunin, LF, 1999. Kuibua sayansi kwa kuchora ramani. J. Am. Soc. Habari. Sayansi. 50 (9), 799–813.
Soares, VHA, Ponti, MA, Gonçalves, RA, Campello, RJGB, 2021. Kuhesabu ng'ombe porini na picha za angani zilizowekwa kijiografia katika maeneo makubwa ya malisho. Kompyuta. Elektroni. Kilimo. 189, 106354 https://doi.org/10.1016/j.compag.2021.106354.
Srivastava, K., Pandey, PC, Sharma, JK, 2020. Mbinu ya uboreshaji wa njia katika matumizi ya kilimo cha usahihi kwa kutumia UAV. Ndege zisizo na rubani 4 (3), 58. https://doi.org/ 10.3390/drones4030058.
Stafford, JV, 2000. Utekelezaji wa kilimo cha usahihi katika karne ya 21. J. Agric. Eng. Res. 76 (3), 267–275.
Su, J., Coombes, M., Liu, C., Guo, L., Chen, W.-H., 2018. Tathmini ya ukame wa ngano kwa taswira ya vihisishi vya mbali kwa kutumia chombo cha anga kisicho na rubani. Mnamo 2018 Mkutano wa 37 wa Udhibiti wa Wachina (CCC).
Su, J., Liu, C., Coombes, M., Hu, X., Wang, C., Xu, X., Li, Q., Guo, L., Chen, W.-H., 2018. Ufuatiliaji wa kutu ya njano ya ngano kwa kujifunza kutoka kwa taswira za angani za UAV zenye spectra nyingi.
Kompyuta. Elektroni. Kilimo. 155, 157–166. https://doi.org/10.1016/j. compag.2018.10.017.
Su, Y., Wang, X., 2021. Ubunifu wa usimamizi wa uchumi wa kilimo katika mchakato wa kujenga kilimo mahiri kwa kutumia data kubwa. Kompyuta Endelevu. Inf. Mfumo. 31, 100579 https://doi.org/10.1016/j.suscom.2021.100579.
Sullivan, DG, Fulton, JP, Shaw, JN, Bland, GL, 2007. Kutathmini unyeti wa mfumo wa anga usio na rubani wa infrared ili kugundua mkazo wa maji kwenye mwavuli wa pamba. Trans. ASABE 50 (6), 1955–1962.
Sumesh, KC, Ninsawat, S., Som-ard, J., 2021. Ujumuishaji wa faharasa ya uoto kulingana na RGB, modeli ya uso wa mazao na mbinu ya uchanganuzi wa picha inayotegemea kitu kwa ukadiriaji wa mavuno ya miwa kwa kutumia chombo cha anga kisicho na rubani. Kompyuta. Elektroni. Kilimo. 180, 105903 https://doi.org/10.1016/j.compag.2020.105903.
Suomalainen, J., Anders, N., Iqbal, S., Franke, J., Wenting, P., Bartholomeus, H., Becker, R., Kooistra, L., 2013. Mfumo wa ramani wenye uzito mwepesi wa hyperspectral
magari ya anga yasiyo na rubani—matokeo ya kwanza. Mnamo: Warsha ya 2013 ya 5 kuhusu Picha ya Hyperspectral na Uchakataji wa Mawimbi: Mageuzi katika Kuhisi kwa Mbali (WHISPERS), ukurasa wa 1-4. https://doi.org/10.1109/WHISPERS.2013.8080721.
Suomalainen, J., Anders, N., Iqbal, S., Roerink, G., Franke, J., Wenting, P., Hünniger, D., Bartholomeus, H., Becker, R., Kooistra, L., 2014. Hyperspectral nyepesi
mfumo wa ramani na mnyororo wa uchakataji wa picha kwa magari ya anga yasiyo na rubani. Kihisishi cha Mbali 6 (11), 11013–11030. https://doi.org/10.3390/
rs61111013.
Syeda, IH, Alam, MM, Illahi, U., Su'ud, MM, 2021. Mikakati ya kudhibiti mapema kwa kutumia usindikaji wa picha, UAV na AI katika kilimo: Maoni. Ulimwengu J. Eng. 18 (4),
579–589. https://doi.org/10.1108/WJE-09-2020-0459.
Tahai, A., Rigsby, JT, 1998. Usindikaji wa habari kwa kutumia dondoo kuchunguza ushawishi wa jarida katika uhasibu. Inf. Mchakato. Dhibiti. 34 (2–3), 341–359.
Tang, Y., Dananjayan, S., Hou, C., Guo, Q., Luo, S., He, Y., 2021. Utafiti kuhusu mtandao wa 5G na athari zake kwa kilimo: changamoto na fursa. Kompyuta.
Elektroni. Kilimo. 180, 105895 https://doi.org/10.1016/j.compag.2020.105895.
Tantalaki, N., Souravlas, S., Roumeliotis, M., 2019. Uamuzi unaotokana na data katika kilimo cha usahihi: kuongezeka kwa data kubwa katika mifumo ya kilimo. J. Agric. Habari ya Chakula.
20 (4), 344-380.
Tao, H., Feng, H., Xu, L., Miao, M., Yang, G., Yang, X., Fan, L., 2020. Ukadiriaji wa mavuno na urefu wa mmea wa ngano ya msimu wa baridi kwa kutumia UAV- picha za hyperspectral.
Sensorer 20 (4), 1231.
Techy, L., Schmale III, DG, Woolsey, CA, 2010. Sampuli za aerobiolojia zilizoratibiwa za pathojeni ya mmea katika angahewa ya chini kwa kutumia magari mawili ya angani yanayojiendesha ambayo hayana rubani. J. Field Rob. 27 (3), 335–343. https://doi.org/10.1002/rob.20335.
Tetila, EC, Machado, BB, Astolfi, G., Belete, NAdS, Amorim, WP, Roel, AR, Pistori, H., 2020. Utambuzi na uainishaji wa wadudu wa soya kwa kutumia kujifunza kwa kina.
na picha za UAV. Kompyuta. Elektroni. Kilimo. 179, 105836.
Thamm, H.-P., Menz, G., Becker, M., Kuria, DN, Misana, S., Kohn, D., 2013. Matumizi ya Uas kwa Kutathmini Mifumo ya Kilimo katika Ardhioevu ya AN nchini Tanzania katika— Na WetSeason kwa Kilimo Endelevu na Kutoa Ukweli wa Msingi kwa Data ya Terra-Sar X. Katika: ISPRS - Kumbukumbu za Kimataifa za Photogrammetry, Remote Sensing na Spatial Information Sciences, uk. 401–406. https://doi.org/10.5194/isprarchivesXL-1-W2-401-2013.
Thelwall, M., 2008. Bibliometrics to webometrics. J. Habari. Sayansi. 34 (4), 605–621.
Torres-Sanchez, ´ J., Lopez-Granados, ´ F., Pena, ˜ JM, 2015. Mbinu ya kiotomatiki inayotegemea kitu kwa ajili ya kuweka kizingiti kikamilifu katika picha za UAV: maombi ya kugundua uoto katika mimea ya mimea. Kompyuta. Elektroni. Kilimo. 114, 43–52. https://doi.org/10.1016/j.compag.2015.03.019.
Torres-Sanchez, ´ J., Lopez-Granados, ´ F., Serrano, N., Arquero, O., Pena, ˜ JM, Hassan, QK, 2015. Ufuatiliaji wa hali ya juu wa 3-D wa mashamba ya miti ya kilimo kwa kutumia Teknolojia ya Aerial Vehicle (UAV) isiyo na rubani. PLoS ONE 10 (6), e0130479.
Torres-Sanchez, ´ J., Pena, ˜ JM, de Castro, AI, Lopez-Granados, ´ F., 2014. Uchoraji ramani wa muda wa sehemu ya mimea katika mashamba ya ngano ya misimu ya mapema kwa kutumia picha kutoka kwa UAV. Kompyuta. Elektroni. Kilimo. 103, 104–113. https://doi.org/10.1016/j. compag.2014.02.009.
Tsouros, DC, Bibi, S., Sarigiannidis, PG, 2019. Maoni kuhusu matumizi yanayotegemea UAV kwa kilimo cha usahihi. Habari (Uswisi) 10 (11). https://doi.org/10.3390/info10110349.
Tu, Y.-H., Phinn, S., Johansen, K., Robson, A., Wu, D., 2020. Kuboresha upangaji wa safari za ndege zisizo na rubani kwa ajili ya kupima muundo wa mazao ya miti ya bustani. ISPRS J. Photogramm.
Senti za Mbali 160, 83–96. https://doi.org/10.1016/j.isprsjprs.2019.12.006
Tzounis, A., Katsoulas, N., Bartzanas, T., Kittas, C., 2017. Mtandao wa Mambo katika kilimo, maendeleo ya hivi karibuni na changamoto za siku zijazo. Biosyst. Eng. 164, 31–48.
https://doi.org/10.1016/j.biosystemseng.2017.09.007.
Uddin, A., Singh, VK, Pinto, D., Olmos, I., 2015. Ramani ya kisayansi ya utafiti wa sayansi ya kompyuta nchini Mexico. Sayansi ya kisayansi 105 (1), 97–114.
UN., 2019. Matarajio ya idadi ya watu duniani 2019. https://population.un.org/wpp/ (Ilitumika tarehe 15/04/2022).
Uto, K., Seki, H., Saito, G., Kosugi, Y., 2013. Tabia za mashamba ya mpunga kwa mfumo wa kitambuzi kidogo wa hyperspectral wa UAV uliowekwa. IEEE J. Sel. Juu. Programu. Obs ya Dunia.
Senti za Mbali 6 (2), 851–860. https://doi.org/10.1109/JSTARS.2013.2250921. van der Merwe, D., Burchfield, DR, Witt, TD, Price, KP, Sharda, A., 2020. Ndege zisizo na rubani
kilimo. Adv. Agron. 162, 1–30.
Velusamy, P., Rajendran, S., Mahendran, RK, Naseer, S., Shafiq, M., Choi, J.-G., 2022.
Magari ya Angani yasiyo na rubani (UAV) katika kilimo cha usahihi: matumizi na changamoto. Nishati 15 (1), 217. https://doi.org/10.3390/en15010217.
Ventura, D., Bonifazi, A., Gravina, MF, Belluscio, A., Ardizzone, G., 2018. Kuchora ramani na uainishaji wa makazi ya baharini ambayo ni nyeti kwa ikolojia kwa kutumia Angani Isiyo na rubani
Picha za Gari (UAV) na Uchanganuzi wa Picha unaotegemea Kitu (OBIA). Kihisi cha Mbali 10 (9), 1331. https://doi.org/10.3390/rs10091331.
Verger, A., Vigneau, N., Ch´eron, C., Gilliot, J.-M., Comar, A., Baret, F., 2014. Faharasa ya eneo la kijani kutoka kwa mfumo wa anga usio na rubani juu ya ngano na mazao yaliyobakwa. . Sensi za Mbali. Mazingira. 152, 654–664. https://doi.org/10.1016/j.rse.2014.06.006.
Von Bueren, SK, Burkart, A., Hueni, A., Rascher, U., Tuohy, MP, Yule, IJ, 2015. Inapeleka vitambuzi vinne vinavyotumia UAV kwenye nyika: changamoto na
mapungufu. Biogeoscience 12 (1), 163–175. https://doi.org/10.5194/bg-12-163-2015.
Vuran, MC, Salam, A., Wong, R., Irmak, S., 2018. Mtandao wa vitu vya chini ya ardhi katika kilimo cha usahihi: usanifu na vipengele vya teknolojia. Ad Hoc Net. 81,
160–173. https://doi.org/10.1016/j.adhoc.2018.07.017.
Wamba, SF, Queiroz, MM, 2021. Uerevu bandia unaowajibika kama kiungo cha siri kwa afya ya kidijitali: uchambuzi wa bibliometriki, maarifa na maelekezo ya utafiti.
Habari. Mfumo. Mbele. 1–16.
Wang, L., Zhang, G., Wang, Z., Liu, J., Shang, J., Liang, L., 2019. Uchambuzi wa kibiblia wa mwelekeo wa utafiti wa hisia za mbali katika ufuatiliaji wa ukuaji wa mazao: Uchunguzi kifani nchini Uchina. Hisia ya Mbali 11 (7). https://doi.org/10.3390/rs11070809.
White, HD, Griffith, BC, 1981. Cocitation ya mwandishi: Kipimo cha fasihi cha muundo wa kiakili. J. Am. Soc. Habari. Sayansi. 32 (3), 163–171.
Xiang, H., Tian, L., 2011. Maendeleo ya mfumo wa kilimo wa gharama ya chini wa kuhisi kwa mbali kulingana na gari la anga lisilo na rubani (UAV). Biosyst. Eng. 108 (2), 174–190. https://doi.org/10.1016/j.biosystemseng.2010.11.010.
Xie, C., Yang, C., 2020. Maoni kuhusu sifa za ubora wa juu wa mmea kwa kutumia vihisi vinavyotokana na UAV. Kompyuta. Elektroni. Kilimo. 178, 105731 https://doi.org/10.1016/j.
compag.2020.105731.
Yao, H., Qin, R., Chen, X., 2019. Gari la anga lisilo na rubani kwa ajili ya maombi ya kutambua kwa mbali—maoni. Hisia ya Mbali 11 (12). https://doi.org/10.3390/
rs11121443.
Yeom, S., 2021. Kusogeza ufuatiliaji wa watu na kuondoa wimbo wa uwongo kwa kutumia picha ya infrared ya mafuta kwa kutumia multirotor. Ndege zisizo na rubani 5 (3), 65. https://doi.org/10.3390/drones5030065.
Yue, J., Feng, H., Jin, X., Yuan, H., Li, Z., Zhou, C., Yang, G., Tian, Q., 2018. Ulinganisho wa makadirio ya vigezo vya mazao kwa kutumia picha kutoka kwa UAV-iliyowekwa
snapshot hyperspectral sensor na high-definition digital kamera. Vihisi vya Mbali 10 (7), 1138. https://doi.org/10.3390/rs10071138.
Yue, J., Yang, G., Li, C., Li, Z., Wang, Y., Feng, H., Xu, B., 2017. Ukadiriaji wa ngano ya majira ya baridi iliyo juu ya ardhi kwa kutumia chombo cha anga kisicho na rubani- msingi snapshot
sensor ya hyperspectral na urefu wa mazao iliyoboreshwa. Hisia ya Mbali 9 (7). https://doi.org/10.3390/rs9070708.
Zahawi, RA, Dandois, JP, Holl, KD, Nadwodny, D., Reid, JL, Ellis, EC, 2015. Kwa kutumia magari ya angani yasiyo na rubani kufuatilia urejeshaji wa misitu ya kitropiki. Bioli.
Hifadhi. 186, 287–295. https://doi.org/10.1016/j.biocon.2015.03.031. Zamora-Izquierdo, MA, Santa, J., Martínez, JA, Martínez, V., Skarmeta, AF, 2019.
Jukwaa la IoT la kilimo mahiri kulingana na makali na kompyuta ya wingu. Biosyst. Eng. 177,
4-17.
Zarco-Tejada, PJ, Diaz-Varela, R., Angileri, V., Loudjani, P., 2014. Ukadiriaji wa urefu wa mti kwa kutumia taswira ya mwonekano wa juu sana iliyopatikana kutoka kwa angani isiyo na rubani.
gari (UAV) na njia za kiotomatiki za kuunda upya picha za 3D. Eur. J. Agron. 55, 89–99. https://doi.org/10.1016/j.eja.2014.01.004.
Zhang, C., Craine, WA, McGee, RJ, Vandemark, GJ, Davis, JB, Brown, J., Hulbert, SH, Sankaran, S., 2020. Upeo wa picha unaozingatia ubora wa maua katika mazao ya msimu wa baridi. Sensorer 20 (5), 1450. https://doi.org/10.3390/s20051450.
Zhang, C., Kovacs, JM, 2012. Utumiaji wa mifumo midogo ya angani isiyo na rubani kwa kilimo cha usahihi: mapitio. Precis. Kilimo. 13 (6), 693–712. https://doi.org/
10.1007/s11119-012-9274-5.
Zhang, L., Zhang, H., Niu, Y., Han, W., 2019. Kuchora ramani ya shinikizo la maji ya mahindi kulingana na UAV ya kutambua kwa mbali. Kihisishi cha Mbali 11 (6), 605.
Zhang, X., Han, L., Dong, Y., Shi, Y., Huang, W., Han, L., Gonz´ alez-Moreno, P., Ma, H., Ye, H., Sobeih , T., 2019. Mbinu ya kina ya kujifunza kwa kutu otomatiki ya manjano
kugundua ugonjwa kutoka kwa picha za UAV zenye azimio la juu. Hisia ya Mbali 11 (13), 1554.
Zhao, X., Zhang, J., Huang, Y., Tian, Y., Yuan, L., 2022. Utambuzi na ubaguzi wa magonjwa na mkazo wa wadudu wa mimea ya chai kwa kutumia picha ya hyperspectral pamoja na uchanganuzi wa wimbi. Kompyuta. Elektroni. Kilimo. 193, 106717 https://doi.org/10.1016/j. compag.2022.106717.
Zheng, A., Wang, M., Li, C., Tang, J., Luo, B., 2022. Marekebisho ya kikoa cha adversarial kilichoongozwa na entropy kwa mgawanyo wa kisemantiki wa taswira ya angani. IEEE Trans. G
Zheng, H., Cheng, T., Yao, X., Deng, X., Tian, Y., Cao, W., Zhu, Y., 2016. Utambuzi wa phenolojia ya mchele kupitia uchanganuzi wa mfululizo wa muda wa taswira ya msingi wa ardhini. data ya index. Mazao ya shambani Res. 198, 131–139. https://doi.org/10.1016/j.fcr.2016.08.027.
Zheng, J., Yang, W., 2018. Muundo wa mfumo wa usahihi wa uvujaji wa uvujaji wa kilimo kulingana na vitambuzi visivyotumia waya. Int. J. Mtandaoni Eng. 14 (05), 184.
Zhou, L., Gu, X., Cheng, S., Yang, G., Shu, M., Sun, Q., 2020. Uchambuzi wa mabadiliko ya urefu wa mmea wa mahindi yaliyohifadhiwa kwa kutumia data ya UAV-LiDAR. Kilimo 10 (5), 146. https://
doi.org/10.3390/kilimo10050146.
Zhou, S., Chai, X., Yang, Z., Wang, H., Yang, C., Sun, T., 2021. Maize-IAS: Programu ya kuchambua picha ya mahindi inayotumia ujifunzaji wa kina kwa uchapaji wa mimea yenye matokeo ya juu. . Njia za Kupanda 17 (1), 48. https://doi.org/10.1186/s13007-021-00747-0.
Zhou, X., Zheng, HB, Xu, XQ, He, JY, Ge, XK, Yao, X., Cheng, T., Zhu, Y., Cao, WX, Tian, YC, 2017. Kutabiri mavuno ya nafaka mwaka mchele kwa kutumia uoto wa muda mwingi
fahirisi kutoka kwa taswira nyingi na dijitali zenye msingi wa UAV. ISPRS J. Photogramm. Senti za Mbali 130, 246–255. https://doi.org/10.1016/j.isprsjprs.2017.05.003.
Zhou, Y., Xie, Y., Shao, L., 2016. Uigaji wa teknolojia ya msingi ya mfumo wa ufuatiliaji wa chafu kulingana na mtandao wa sensorer isiyo na waya. Int. J. Mtandaoni Eng. 12 (05),
43.
Zhou, Z., Majeed, Y., Diverres Naranjo, G., Gambacorta, EMT, 2021. Tathmini ya shinikizo la maji ya mazao na taswira ya joto ya infrared katika kilimo cha usahihi: hakiki
na matarajio ya siku za usoni kwa maombi ya kujifunza kwa kina. Kompyuta. Elektroni. Kilimo. 182, 106019 https://doi.org/10.1016/j.compag.2021.106019.