Шляхи підвищення ефективності БПЛА мультироторного типу в сільському господарстві
DOI:
https://doi.org/10.25140/2411-5363-2025-1(39)-266-277Ключові слова:
штучний інтелект; аграрний сектор; БПЛА; додавання датчиків та сенсорів; моніторинг посівів; розумне землеробство; інтернет речей, системи живленняАнотація
Швидке зростання механізації всіх сільськогосподарських робіт не може повністю зменшити участь людини, тому автоматизація сільського господарства є надзвичайно важливою. З погляду автоматизації це дослідження підкреслює вирішальну роль БПЛА в точному та розумному сільському господарстві. БПЛА можуть надавати чітке зображення з високою роздільною здатністю для використання в комерційних цілях, таких як сільське господарство. У статті вперше систематизовано ефективність використання БПЛА з додатковим обладнанням та оцінено доцільність їх застосування на дроні саме для потреб землеробства. Проаналізовано можливі способи підвищення ефективності застосування БПЛА при їх комбінуванні з додатковими датчиками та сенсорами. Вказано, що саме приводить до підвищення ефективності в польових умовах у порівнянні з існуючими аналогами.
Посилання
Бурлака, С., & Далека, А. (2024). Технології БПЛА для сільського господарства. Вісник Хмельницького Національного Університету. Технічні науки, 339(4), 259–264. https://doi.org/10.31891/2307-5732-2024-339-4-41.
Родінков, Ю., & Савицький, А. (2024). Математична модель керування безпілотних літальних апаратів. Herald of Khmelnytskyi National University. Technical Sciences, 337 (3(2), 298–304. https://doi.org/10.31891/2307-5732-2024-337-3-45.
Станкевич, С. В. (2022). Агродрони – майбутє сільського господарства. ІІ Всеукраїнська науково-практична конференція «Ефективність агротехнологій Житомирщини» (с. 80–81). 17 18 листопада 2022 р., Житомир, ЖАТФК, 2022.
Ahmad, A., Saraswat, D., & Gamal, A. E. (2022). A survey on using deep learning techniques for plant disease diagnosis and recommendations for development of appropriate tools. Smart Agricultural Technology, 100083. https://doi.org/10.1016/j.atech.2022.100083.
Agrawal, J., & Arafat, M. Y. (2024). Transforming farming: A review of ai-powered UAV technologies in precision agriculture. Drones, 8(11), 664. https://doi.org/10.3390/drones8110664.
Anushi, Jain, S., Bhujel, S., Shrivastava, U., Rishabh, Mohapatra, A., Rimpika, & Mishra, G. (2023). Advancements in Drone Technology for Fruit Crop Management: A Comprehensive Review. International Journal of Environment and Climate Change, 13(11), 4367–4378. https://doi.org/ 10.9734/ijecc/2023/v13i113617.
Borikar, GP, Gharat, C, Deshmukh, SR. (2022). Application of drone systems for spraying pesticides in advanced agriculture: a review. IOP Conference Series: Materials Science and Engineering, 1259, 012015. https://doi.org/10.1088/1757-899X/1259/1/012015.
Canicattì, M., & Vallone, M. (2024). Drones in vegetable crops: A systematic literature review. Smart Agricultural Technology, 7, 100396. https://doi.org/10.1016/j.atech.2024.100396.
Crusiol, L. G. T., Sun, L., Sun, Z., Chen, R., Wu, Y., Ma, J., & Song, C. (2022). In-Season monitoring of maize leaf water content using ground-based and uav-based hyperspectral data. Sustainability, 14(15), 9039. https://doi.org/10.3390/su14159039.
Dandrifosse, S., Jago, A., Huart, J. P., Michaud, V., Planchon, V., & Rosillon, D. (2024). Automatic quality control of weather data for timely decisions in agriculture. Smart Agricultural Technology, 100445. https://doi.org/10.1016/j.atech.2024.100445.
Ganesh Kumar, S. S., & Gudipalli, A. (2024). A comprehensive review on payloads of unmanned aerial vehicle. The Egyptian Journal of Remote Sensing and Space Sciences, 27(4), 637–644. https://doi.org/10.1016/j.ejrs.2024.08.001.
Endara, F., Pérez, C., Rodriguez, J., Ortiz-Villalba, D., & Llanos, J. (2021). Analysis of unmanned aerial vehicle (UAV) based on solar energy. In: Recent advances in electrical engineering, electronics and energy: proceedings of the CIT 2020, 288–99. https://doi.org/10.1007/978–3-030–72212–8_21.
Islam, M. R., Oliullah, K., Kabir, M. M., Alom, M., & Mridha, M. F. (2023). Machine learning enabled IoT system for soil nutrients monitoring and crop recommendation. Journal of Agriculture and Food Research, 100880. https://doi.org/10.1016/j.jafr.2023.100880.
Frauendorf, J. L., & Almeida de Souza, É. (2022). The different architectures used in 1G, 2G, 3G, 4G, and 5G networks. У The architectural and technological revolution of 5G (рр. 83–107). Springer International Publishing. https://doi.org/10.1007/978-3-031-10650-7_7.
Katekar, V., & Cheruku, J. K. (2023). The application of drone technology for sustainable agriculture in India. Current Agriculture Research Journal, 10(3), 352–365. https://doi.org/10.12944/carj.10.3.19.
Makam, S., Komatineni, B. K., Meena, S. S., & Meena, U. (2024). Unmanned aerial vehicles (UAVs): An adoptable technology for precise and smart farming. Discover Internet of Things, 4(1). https://doi.org/10.1007/s43926-024-00066-5.
Marcone, A., Impollonia, G., Croci, M., Blandinières, H., Pellegrini, N., & Amaducci, S. (2024). Garlic yield monitoring using vegetation indices and texture features derived from UAV multispectral imagery. Smart Agricultural Technology, 8, 100513. https://doi.org/10.1016/j.atech.2024.100513.
Nahiyoon, S. A., Ren, Z., Wei, P., Li, X., Li, X., Xu, J., Yan, X., & Yuan, H. (2024). Recent development trends in plant protection uavs: A journey from conventional practices to cutting-edge technologies—a comprehensive review. Drones, 8(9), 457. https://doi.org/10.3390/drones8090457.
Pansy, D. L., & Murali, M. (2023). UAV hyperspectral remote sensor images for mango plant disease and pest identification using MD-FCM and XCS-RBFNN. Environmental Monitoring and Assessment, 195(9). https://doi.org/10.1007/s10661-023-11678-9.
Rivera, G., Porras, R., Florencia, R., & Sánchez-Solís, J. P. (2023). LiDAR applications in precision agriculture for cultivating crops: A review of recent advances. Computers and Electronics in Agriculture, 207, 107737. https://doi.org/10.1016/j.compag.2023.107737.
Sahni, R. K., Kumar, S. P., Thorat, D., Rajwade, Y., Jyoti, B., Ranjan, J., & Anand, R. (2024). Drone spraying system for efficient agrochemical application in precision agriculture. In Applications of computer vision and drone technology in agriculture 4.0 (pp. 225–244). Springer Nature Singapore. https://doi.org/10.1007/978-981-99-8684-2_13.
Seong, M., Jo, O., & Shin, K. (2024). Age of information minimization in UAV-assisted data harvesting networks by multi-agent deep reinforcement curriculum learning. Expert Systems With Applications, 124379. https://doi.org/10.1016/j.eswa.2024.124379
Song, Y., Bi, J., & Wang, X. (2024). Design and implementation of intelligent monitoring system for agricultural environment in IoT. Internet of Things, 25, 101029. https://doi.org/10.1016/ j.iot.2023.101029.
Surendran, U., Nagakumar, K. C. V., & Samuel, M. P. (2024). Remote sensing in precision agriculture. In Digital agriculture (pp. 201–223). Springer International Publishing. https://doi.org/ 10.1007/978-3-031-43548-5_7
Su, J., Zhu, X., Li, S., & Chen, W.-H. (2022). AI meets UAVs: A survey on AI empowered UAV perception systems for precision agriculture. Neurocomputing. https://doi.org/10.1016/ j.neucom.2022.11.020.
Tyagi, R., & Pandey, P. C. (2024). Applications of drones in precision agriculture: Future of smart and sustainable farming. In Remote sensing in precision agriculture (pp. 429–453). Elsevier. https://doi.org/10.1016/b978-0-323-91068-2.00003-5.
Wonde, K. M., Tsehay, A. S., & Lemma, S. E. (2022). Training at farmers training centers and its impact on crop productivity and households’ income in Ethiopia: A propensity score matching (PSM) analysis. Heliyon, Article e09837. https://doi.org/10.1016/j.heliyon.2022.e09837.
Zhou, J., Xu, Y., Gu, X., Chen, T., Sun, Q., Zhang, S., & Pan, Y. (2023). High-Precision mapping of soil organic matter based on UAV imagery using machine learning algorithms. Drones, 7(5), 290. https://doi.org/10.3390/drones7050290.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
