A Review of RGB Image-Based Internet of Things in Smart Agriculture

Li, Xiaomin; Hou, Bingfa; Zhang, Rihong; Liu, Yongxin

doi:10.1109/jsen.2023.3309774

Cited by 13 publications

(2 citation statements)

References 120 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…RGB image-based IoT in agriculture, as reviewed by Li et al [39], highlights the emerging trends in utilizing image data for precision agriculture. This work complements Akbar et al [40], who conducted a comprehensive review of deep learning-assisted computer vision techniques for smart greenhouse agriculture.…”

Section: In-depth Review Of Models Used For Multimodal Analysis Of Cr...mentioning

confidence: 99%

PAMICRM: Improving Precision Agriculture Through Multimodal Image Analysis for Crop Water Requirement Estimation Using Multidomain Remote Sensing Data Samples

Munaganuri,

Rao

2024

IEEE Access

View full text Add to dashboard Cite

The growing necessity for sustainable agriculture in the face of escalating global food demands and climate change underscores the importance of optimizing crop water usage. Current methodologies for estimating crop water requirements, primarily relying on traditional remote sensing and empirical models, face limitations in precision, adaptability to diverse crop types, and dynamic environmental conditions. This paper introduces an innovative machine learning model designed to accurately estimate crop water requirements and optimize irrigation scheduling using remote sensing data samples. The model's robustness stems from its sophisticated pre-processing technique, employing a Grey Wolf Optimized (GWO)-based Non-Local Means (NLM) algorithm for denoising images sourced from various remote sensing technologies. Subsequently, these refined images undergo a transformation into multidomain features through the integration of a Vision Transformer, Fourier, Entropy, Color Map, and Gabor Maps. This multi-faceted approach ensures a comprehensive analysis of the data, capturing intricate details pertinent to crop water requirements.A key innovation in our model is the implementation of the Dual Elephant Herding Optimization (DEHO) Process. This optimizer adeptly selects features by minimizing intra-class differences and maximizing interclass variance, thereby enhancing the model's discriminative capabilities. The selected features are then classified into distinct irrigation schedule classes using a Deep Dyna Q Graph Convolutional Network (DDQGCN). This network not only augments the efficiency of classifying images from diverse sources but also bolsters the model's capability to adapt to varying crop types and environmental conditions. The efficacy of the proposed model is further augmented by incorporating vector autoregressive moving average with eXogenous inputs (VARMAx) algorithms. This addition enables the conversion of output into temporal features, facilitating precise predictions of soil quality and the dynamic adjustment of irrigation schedules. Empirical testing of this model across different geographies on mango, rice, and cotton crops demonstrated significant improvements over existing methods. The model exhibited an 8.5% increase in precision, 8.3% in accuracy, 4.9% in recall, 5.5% in Area Under the Curve (AUC), and 4.5% in specificity, alongside a 3.5% reduction in response delays. Particularly noteworthy is the model's enhanced pre-emption capabilities, reflected in a 2.9% higher precision of pre-emption, 2.5% greater accuracy, 1.5% increased recall, 2.4% higher AUC of pre-emption, 1.5% improved specificity, and a 1.9% reduction in delay compared to existing methodologies.

show abstract

Section: In-depth Review Of Models Used For Multimodal Analysis Of Cr...mentioning

confidence: 99%

PAMICRM: Improving Precision Agriculture Through Multimodal Image Analysis for Crop Water Requirement Estimation Using Multidomain Remote Sensing Data Samples

Munaganuri,

Rao

2024

IEEE Access

View full text Add to dashboard Cite

show abstract

“…Із зарубіжних авторів варто відмітити роботи таких науковців як: Лінь Жуй [5], Лі Фан, Лі Тао [6], Лі Сяомінь, Хоу Бінфа, Чжан Жихун, Лю Юнсінь [7], Шан Сіньшен, Фу Сіньсі, Ма Чжунгуй, Ло Фен [8], Жун Тан, Хулінь Чжай [9], Томар Абхішек, Гупта Гаурав, Рана Критика, Бхатія Сурбхі [10], Лей Нін [11], Коу Чжен, Чжан Ман [12], С. Арун, Кумарі Каміні, К. Аріважаган, Бехера Мапср Хіманшу [13], Міліч Домініка, Дуйменович Ірена, Пеко Марина [14] Удосконалення моніторингу всього процесу допоможе уряду та відповідним департаментам, електронній торгівлі свіжими продуктами харчування, підприємствам з переробки сільськогосподарської продукції, логістичній галузі холодового ланцюга та споживачам виявляти, контролювати та контролювати логістичну діяльність сільськогосподарської продукції.…”

unclassified

Застосування Технологій Інтернету Речей Для Оптимізації Логістики В Сільському Господарстві

Akimov

2023

cit

View full text Add to dashboard Cite

У роботі досліджено застосування технологій Інтернету речей для оптимізації логістики в сільському господарстві. Підкреслено, що Інтернет речей, це концепція числової мережі фізичних предметів оснащених вбудованими технологіями для взаємодії з іншими або із зовнішнім середовищем. Наголошується, що впровадження нових і розвиток існуючих цифрових технологій дає можливість оптимізувати існуючі процеси в міжнародній економіці. Тому впровадження технологічних рішень в агропромисловий комплекс необхідно розглядати в якості важливого методу підвищення ефективності моделей управління, а також основою для подальшого розвитку та модернізації сільськогосподарської галузі. Описано важливість та актуальність електронної комерції в умовах функціонування Інтернет-споживання. Наголошується на проблемах підвищення своєчасності логістики холодового ланцюга, проблемах транспортування та регуляції холодового режиму для сільськогосподарської продукції, яка цього потребує. Підкреслено, що електронна торгівля свіжими продуктами оптимізує ланцюг поставок, забезпечує логістику холодного ланцюга, підвищує прозорість інформації та доставляє свіжі продукти споживачам ефективно та прозоро. Графічно представлено логістику холодового ланцюга та процес розподілу сільськогосподарської продукції на основі Інтернету речей, описано етапи проходження продукції від виробника до кінцевого споживача. Наголошується, що прискорення розвитку логістики холодового ланцюга може подовжити термін придатності та термін реалізації сільськогосподарської продукції та зменшити рівень втрат при транспортуванні сільськогосподарської продукції, забезпечуючи при цьому якість продукції, тим самим зменшуючи витрати на логістику та забезпечення економічної вигоди від електронної торгівлі свіжими продуктами харчування.

show abstract

Deep learning-based instance segmentation architectures in agriculture: A review of the scopes and challenges

Charisis,

Argyropoulos

2024

Smart Agricultural Technology

View full text Add to dashboard Cite

A Review of RGB Image-Based Internet of Things in Smart Agriculture

Cited by 13 publications

References 120 publications

PAMICRM: Improving Precision Agriculture Through Multimodal Image Analysis for Crop Water Requirement Estimation Using Multidomain Remote Sensing Data Samples

PAMICRM: Improving Precision Agriculture Through Multimodal Image Analysis for Crop Water Requirement Estimation Using Multidomain Remote Sensing Data Samples

Застосування Технологій Інтернету Речей Для Оптимізації Логістики В Сільському Господарстві

Deep learning-based instance segmentation architectures in agriculture: A review of the scopes and challenges

Contact Info

Product

Resources

About