Абдерахман Реджеп a , Алиреза Абдоллахи b , Карим Реджеб c , Хорст Трейблмайер d,
- a Менеджмент және құқық кафедрасы, Экономика факультеті, Рим Тор Вергата университеті, Колумбия, 2, Рим 00133, Италия
- b Іскерлік басқару бөлімі, басқару факультеті, Харазми университеті, 1599964511 Тегеран, Иран
- c Бизерта ғылымдар факультеті, Карфаген университеті, Зарзоуна, 7021 Бизерта, Тунис
- d Халықаралық менеджмент мектебі, Модуль университеті Вена, Ам Каленберг 1, 1190 Вена, Австрия
МАҚАЛА АҚПАРАТ | АННОТАЦИЯ |
Түйінді сөздер: Ұшақтар ЖКЖ Нақты ауыл шаруашылығы Things интернет Библиометрия | Ұшқышсыз ұшу аппараттары (UAV) деп те аталатын дрондар соңғы онжылдықтарда керемет дамудың куәсі болды. Ауыл шаруашылығында олар фермерлерге айтарлықтай үнемдеуді ұсына отырып, фермерлік тәжірибені өзгертті, өсті. операциялық тиімділік және жақсы кірістілік. Соңғы онжылдықтарда ауылшаруашылық дрондары тақырыбы болды академиялық назарын аударды. Сондықтан біз библиометрия негізінде жан-жақты шолу жасаймыз бар академиялық әдебиеттерді жинақтау және құрылымдау және қазіргі зерттеу үрдістері мен ыстық нүктелерін ашу. Біз библиометриялық әдістерді қолдану және қорытындылау үшін ауылшаруашылық дрондары туралы әдебиеттерді талдау және алдыңғы зерттеулерді бағалау. Біздің талдауымыз қашықтықтан зондтау, дәлме-дәл ауыл шаруашылығы, терең оқыту, машиналық оқыту және заттар интернеті ауылшаруашылық дрондарына қатысты маңызды тақырыптар болып табылатынын көрсетеді. Бірлескен дәйексөз талдау әдебиеттегі алты кең зерттеу кластерін көрсетеді. Бұл зерттеу ауыл шаруашылығындағы ұшқышсыз зерттеулерді қорытындылауға және болашақ зерттеу бағыттарын ұсынуға бағытталған алғашқы әрекеттердің бірі болып табылады. |
кіріспе
Ауыл шаруашылығы әлемнің негізгі азық-түлік көзі болып табылады (Friha және т.б., 2021) және ол ауыр қиындықтарға тап болды.
азық-түлік өнімдеріне сұраныстың артуы, азық-түлік қауіпсіздігі және қауіпсіздік мәселелері, сондай-ақ қоршаған ортаны қорғау, суды сақтау және
тұрақтылық (Inoue, 2020). Бұл даму жалғасады деп болжануда, өйткені 9.7 жылға қарай әлем халқының саны 2050 миллиардқа жетеді.
(2019). Ауыл шаруашылығы дүние жүзінде суды тұтынудың ең көрнекті үлгісін құрайтындықтан, азық-түлікке деген сұраныс пен су
тұтыну көлемі жақын болашақта күрт өседі. Сонымен қатар, тыңайтқыштар мен пестицидтерді тұтынудың артуы
егін шаруашылығын белсендірумен бірге болашақта экологиялық мәселелерге әкелуі мүмкін. Сол сияқты, егістік жерлер шектеулі, ал
дүние жүзінде фермерлердің саны азайып келеді. Бұл қиындықтар ауыл шаруашылығының инновациялық және тұрақты шешімдерінің қажеттілігін күшейтеді (Ілияс
және т.б., 2018; Friha және т.б., 2021; Инуэ, 2020; Tzounis және т.б., 2017).
Жаңа технологияларды енгізу осы міндеттерді шешудің перспективалы шешімі ретінде анықталды. Ақылды ауыл шаруашылығы (Brewster және т.б.,
2017; Tang және т.б., 2021) және нақты ауыл шаруашылығы (Feng және т.б., 2019; Khanna & Kaur, 2019) осындай пікірталастардың нәтижесінде пайда болды. The
біріншісі - тиімділік пен тиімділікті арттыру үшін ақпараттық коммуникациялық технологияларды (АКТ) және басқа да алдыңғы қатарлы инновацияларды ауылшаруашылық қызметінде қабылдауға арналған жалпы түсінік (Haque et al., 2021). Соңғысы жер бөлінген учаскеге арналған басқаруға бағытталған
біртекті бөліктер және әрбір бөлік жаңа технологиялардың көмегімен егін өнімділігін оңтайландыру үшін ауылшаруашылық кірісінің нақты мөлшерін алады (Feng және т.б., 2019; Khanna & Kaur, 2019). Осы салада ғалымдардың назарын аударған көрнекті технологияларға сымсыз сенсорлық желілер (WSNs) (J. Zheng & Yang, 2018; Y. Zhou et al., 2016), Интернет заттары (IoT) (Gill et al., 2017; Ол және т.б., 2021; Лю және т.б., 2019),
жасанды интеллект (AI) әдістері, соның ішінде машиналық оқыту және терең оқыту (Liakos et al., 2018; Parsaeian et al., 2020; Shadrin et al.,
2019), есептеу технологиялары (Hsu et al., 2020; Jinbo et al., 2019; Zamora-Izquierdo et al., 2019), big data (Gill et al., 2017; Tantalaki).
және т.б., 2019) және блокчейн (PW Khan және т.б., 2020; Pincheira және т.б., 2021).
Жоғарыда аталған технологиялардан басқа, қашықтықтан зондтау жақсартудың жоғары әлеуеті бар технологиялық құрал болып саналды
ақылды және дәл ауыл шаруашылығы. Жерсеріктер, адам басқаратын ұшақтар және дрондар - танымал қашықтан зондтау технологиялары (Цурос және т.б., 2019).
Ұшқышсыз ұшу аппараттары (UAV), ұшқышсыз ұшу жүйелері (UAS) және қашықтан басқарылатын ұшақтар деп аталатын дрондар
үлкен маңызға ие, өйткені олардың басқа қашықтықтан зондтау технологияларымен салыстырғанда көптеген артықшылықтары бар. Мысалы, дрондар жеткізе алады
бұлтты күндері жоғары сапалы және жоғары ажыратымдылықтағы кескіндер (Manfreda et al., 2018). Сондай-ақ, олардың қолжетімділігі мен тасымалдау жылдамдығы басқаларды құрайды
артықшылықтар (Radoglou-Grammatikis және т.б., 2020). Ұшақтармен салыстырғанда, дрондар өте үнемді және орнату мен қызмет көрсету оңай (Tsuros et al., 2019). Бастапқыда негізінен әскери мақсатта пайдаланылғанына қарамастан, ұшқышсыз ұшақтар көптеген азаматтық қолданбаларға, мысалы жеткізу тізбегін басқаруда (A. Rejeb, Rejeb, et al., 2021a), гуманитарлық мақсаттарда (A. Rejeb, Rejeb, et al., 2021c), ақылды ауыл шаруашылығы, геодезиялық және карталау, мәдени мұра құжаттамасы, апаттарды басқару және орман мен жабайы табиғатты сақтау (Panday, Pratihast, et al., 2020). Ауыл шаруашылығында дрондарды қолданудың алуан түрлі салалары бар, өйткені оларды жаңа технологиялармен, есептеу мүмкіндіктерімен және егінді басқаруды (мысалы, картаға түсіру, бақылау, суару, өсімдіктерді диагностикалау) қолдау үшін борттық сенсорлармен біріктіруге болады (H. Huang et al., 2021) , апаттарды азайту, ерте хабарлау жүйелері, жабайы табиғат пен орман шаруашылығын сақтау (Negash et al., 2019). Сол сияқты, дрондарды ауылшаруашылық іс-шараларында, соның ішінде егін мен өсуді бақылау, өнімділікті бағалау, судың күйзелісін бағалау, арамшөптерді, зиянкестерді және ауруларды анықтауды қоса алғанда пайдалануға болады (Inoue, 2020; Panday, Pratihast, және т.б., 2020). Дрондарды сенсорлық деректер негізінде бақылау, бағалау және анықтау мақсатында ғана емес, сонымен қатар дәл суару және арамшөптермен, зиянкестермен және аурулармен күресу үшін де пайдалануға болады. Басқаша айтқанда, дрондар қоршаған орта деректеріне негізделген су мен пестицидтерді нақты мөлшерде шашыра алады. Дрондардың ауыл шаруашылығындағы пайдасы 1-кестеде жинақталған.
Дрондардың ауыл шаруашылығындағы негізгі пайдасы.
пайда | Анықтама(лар) |
Уақыт пен кеңістікті жақсарту қабылдау рұқсаттары | (Гаго және т.б., 2015; Ниу және т.б., 2020; Сривастава және т.б., 2020) |
Нақты ауыл шаруашылығын жеңілдету | (Л. Денг және т.б., 2018; Калищук және т.б., 2019; Maimaitijiang және т.б., 2017) |
Классификация және барлау Дақылдар | (Инуэ, 2020; Калищук және т.б., 2019; Лопес- ' Гранадос және т.б., 2016; Maimaitijiang және т.б., 2017; Мелвилл және т.б., 2019; Мохарана және Дутта, 2016) |
Тыңайтқышты қолдану | (Л. Денг және т.б., 2018; Гуан және т.б., 2019) |
Құрғақшылықтың мониторингі | (Фаусетт және т.б., 2020; Panday, Pratihast және т.б., 2020; Су және т.б., 2018) |
Биомассаны бағалау | (Бендиг және т.б., 2014) |
Шығымды бағалау | (Inoue, 2020; Panday, Shrestha және т.б., 2020; Тао және т.б., 2020) |
Төтенше жағдайларды азайту | (Negash және т.б., 2019) |
Жануарлар дүниесін сақтау және Орман шаруашылығы | (Negash және басқалар, 2019; Panday, Pratihast және т.б., 2020) |
Су кернеуін бағалау | (Иноуэ, 2020; Дж. Су, Кумбс, т.б., 2018; Л. Чжан және т.б., 2019) |
Зиянкестер, арамшөптер және аурулар табу | (Gaˇsparovi´c және т.б., 2020; Inoue, 2020; Дж. Су, Лю, және т.б., 2018; X. Чжан және т.б., 2019) |
Екінші жағынан, дрондар да шектеулерге тап болады. Ұшқыштардың қатысуы, қозғалтқыш қуаты, тұрақтылығы мен сенімділігі, пайдалы жүктемеге байланысты сенсорлардың сапасы
салмақ шектеулері, іске асыру шығындары және авиациялық реттеу солардың қатарына жатады (C. Zhang & Kovacs, 2012). Біз кемшіліктерді салыстырамыз
2-кестедегі үш мобильді қашықтықтан зондтау технологиясының. Басқа қашықтықтан зондтау технологиялары, мысалы, топырақ сенсорлары осы зерттеудің назарынан тыс.
Әртүрлі мобильді қашықтықтан зондтау технологияларының кемшіліктері.
Қашықтықтан зондтау технологиялар | Кемшіліктер | Әдебиеттер тізімі |
Ұшқышсыз ұшу аппараты | Ұшқыштардың қатысуы; суреттер' сапа (орташа); іске асыру шығындары (орташа); тұрақтылық, маневрлік және сенімділік; стандарттау; қозғалтқыш қуаты; шектеулі қуат көздер (батареяның ұзақ қызмет ету мерзімі); шектеулі ұшу ұзақтығы, соқтығыс және кибершабуылдар; шектелген пайдалы жүк салмағы; үлкен деректер жинақтары және шектеулі деректерді өңдеу мүмкіндіктері; реттеудің болмауы; тәжірибенің жетіспеушілігі, жоғары кіріс қол жеткізудегі кедергілер ауылшаруашылық дрондары; | (Bacco және т.б., 2018; Dawaliby және т.б., 2020; Хардин және Хардин, 2010; Хардин және Дженсен, 2011; Лагкас және т.б. 2018; Laliberte және т.б., 2007; Лалиберте және Ранго, 2011; Manfreda және т.б., 2018, 2018; Небикер және т.б., 2008; Пури және т.б., 2017; Велусами және т.б. 2022; C. Чжан және Ковач, 2012) |
серік | Мерзімді спутниктік қамту, шектеулі спектрлік рұқсат; көріну мәселелеріне осалдық (мысалы, бұлттар); Қолжетімсіздік және төмен тасымалдау жылдамдығы; бағдарлау және виньеттеу қымбат кеңістіктік деректерге әсер етеді жинақ; деректерді беру баяу соңғы пайдаланушыларға уақыт | (Абуталеби және т.б., 2019; ғ және т.б., 2019; Чен және т.б. 2019; Нансен және Эллиотт, 2016; Пандай, Пратихаст, және т.б., 2020; Сай Винет және т.б., 2019) |
ұшақ | Бала асырап алуға жоғары шығындар; күрделі орнату; техникалық қызмет көрсету шығындары; сенімділіктің болмауы ұшақтар, геометрия суреттер; тұрақты емес деректер сатып алу; икемділіктің болмауы; өлімге әкелетін жазатайым оқиғалар; сенсор деректері тербелістерге байланысты ауытқулар; геосілтеме мәселелері | (Армстронг және т.б., 2011; Аткинсон және т.б., 2018; Barbedo & Koenigkan, 2018; Ковалев пен Ворошилова, 2020; Суомалайнен және т.б. 2013; Тэмм және т.б., 2013) |
Ауыл шаруашылығындағы көп салалы және көп мақсатты технология ретінде дрондар әртүрлі көзқарастардан зерттелді. Мысалы, ғалымдар ауыл шаруашылығындағы дрон қолданбаларын (Kulbacki және т.б., 2018; Mogili & Deepak, 2018), олардың нақты ауыл шаруашылығына қосқан үлесін (Puri et al., 2017; Tsouros et al., 2019), олардың басқалармен толықтырылуын зерттеді. озық технологиялар (Al-Thani және т.б., 2020; Dutta & Mitra, 2021; Nayyar және т.б., 2020; Saha және т.б., 2018) және олардың навигациялық және сезу мүмкіндіктерін жетілдіру мүмкіндіктері (Барет және басқалар. , 2015; Suomalainen және т.б., 2014). Ауыл шаруашылығында ұшқышсыз құрылғыларды қолдану бойынша зерттеулер кең таралғандықтан (Хан және т.б., 2021) сақталған әдебиеттерді қорытындылау және доменнің интеллектуалды құрылымын ашу қажеттілігі туындады. Сонымен қатар, үздіксіз жетілдірілетін жоғары технологиялық сала ретінде сақталған әдебиеттерді мерзімді түрде қорытындылау және маңызды зерттеу кемшіліктерін анықтау үшін құрылымдық шолулар жүргізілуі керек. Кімге
күні ауылшаруашылық секторында ұшқышсыз қолданбаларды талқылайтын шолулар аз. Мысалы, Могили және Дипак (2018) дрондардың егінді бақылауға және пестицидтерді шашуға әсерін қысқаша қарастырады. Inoue (2020) ауыл шаруашылығында қашықтықтан зондтауда спутниктік және ұшқышсыз құрылғыларды пайдалануды шолу жүргізеді. Автор кейс зерттеулері мен озық тәжірибелерге негізделген спутниктердің және дрондардың үлесін және ақылды ауылшаруашылығын енгізудің технологиялық қиындықтарын зерттейді. Цурос және т.б. (2019) дрондардың әртүрлі түрлерін және олардың ауыл шаруашылығындағы негізгі қолданбаларын қорытындылайды, әртүрлі деректерді алу және өңдеу әдістерін көрсетеді. Жақында Аслан және т.б. (2022) ауылшаруашылық қызметіндегі ұшқышсыз ұшу аппараттарының қосымшаларына жан-жақты шолу жүргізді және жылыжайда ұшқышсыз авиацияны бір уақытта локализациялау мен картаға түсірудің өзектілігін атап өтті. Диас-Гонсалес және т.б. (2022) әртүрлі машиналық оқыту әдістеріне және қашықтан негізделген егін өнімділігінің соңғы зерттеулерін қарастырды
сезу жүйелері. Олардың қорытындылары ұшқышсыз ұшу аппараттарының топырақ көрсеткіштерін бағалау үшін пайдалы екенін және кеңістіктік рұқсат, ақпараттың уақытшалығы және икемділігі бойынша спутниктік жүйелерден асып түсетінін көрсетті. Басири және т.б. (2022) дәл ауыл шаруашылығы контекстінде көп роторлы UAV үшін жолды жоспарлау қиындықтарын жеңудің әртүрлі тәсілдері мен әдістеріне толық шолу жасады. Сонымен қатар, Awais et al. (2022) судың жай-күйін бағалау үшін ауылшаруашылық дақылдарындағы қашықтан зондтау деректерін қолдануды қорытындылады және ысырапты стрессті қолдану үшін UAV қашықтан зондтау мүмкіндігінің терең синтезін қамтамасыз етті. Соңында, Aquilani et al. (2022) жайылымдық мал шаруашылығы жүйелерінде қолданылатын алдын ала егіншілік технологияларын қарастырып, ДАВ-мен қашықтықтан зондтау биомассаны бағалау және табындарды басқару үшін тиімді деген қорытындыға келді.
Сондай-ақ, соңғы уақытта мал басын бақылау, қадағалау және жинауда ұшқышсыз ұшу аппараттарын пайдалану әрекеттері туралы айтылды.
Бұл шолулар жаңа және маңызды түсініктер бергенімен, әдебиеттерде библиометрияға негізделген жан-жақты және жаңартылған шолу табылмайды, бұл нақты білім алшақтығын көрсетеді. Сонымен қатар, ғылыми өндіріс ғылыми салада өскен кезде, зерттеушілер доменнің білім құрылымын түсіну үшін сандық шолу тәсілдерін қолдану өте маңызды болады (Rivera & Pizam, 2015). Сол сияқты, Ferreira et al. (2014) ғылыми-зерттеу салалары жетіліп, күрделі бола түскен сайын ғалымдар жаңа үлестерді ашу, зерттеу дәстүрлері мен тенденцияларын түсіру, қандай тақырыптар зерттелетінін анықтау және білім құрылымына тереңдету үшін жасалған және жинақталған білімді кейде түсінуге тырысуы керек деп санайды. саласы және әлеуетті зерттеу бағыттары. Рапарелли мен Бажокко (2019) ауыл шаруашылығы мен орман шаруашылығындағы дрон қолданбаларының білім саласын зерттеу үшін библиометриялық талдау жүргізгенімен, олардың зерттеуі 1995 және 2017 жылдар аралығында жарияланған ғылыми зерттеулерді ғана қарастырады, бұл жылдам қозғалатын аймақтың динамикасын көрсетпейді. Әрі қарай, авторлар осы саладағы ең ықпалды үлестерді анықтауға, әдебиеттерді топтастыруға және бірлескен дәйексөздерді талдау арқылы зияткерлік құрылымды бағалауға тырыспады. Нәтижесінде қазіргі зерттеу ошақтарын, тенденцияларын және ыстық нүктелерін ашу үшін әдебиеттерді қорытындылау қажет.
Осы білім олқылығын толтыру үшін біз дрондар мен ауыл шаруашылығының қиылысындағы зерттеулердің ағымдағы жағдайын зерттеу үшін сандық әдістеме мен қатаң библиометриялық әдістерді қолданамыз. Біз қазіргі зерттеу ауыл шаруашылығында өте қажет жаңа технологияны зерттеу арқылы бар әдебиетке бірнеше үлес қосады деп сенеміз, өйткені ол осы сектордағы бірнеше аспектілерді өзгертуге үлкен мүмкіндік береді. Ауыл шаруашылығы контекстіндегі дрондар туралы шашыраңқы және фрагменттік білімдерді ескере отырып, ауылшаруашылық дрондарына библиометриялық талдау жасау қажеттілігі одан да көп сезіледі. Сол сияқты, ауылшаруашылық дрондарына қатысты әдебиеттер осы зерттеу саласының негізін құрайтын ең ықпалды зерттеулерді ескере отырып, жүйелі түрде топтастырылуы керек. Талдаудың мәні әдебиетте ұсынылған негізгі зерттеу тақырыптарын нақтылауды да қамтиды. Технологияның трансформациялық әлеуетін ескере отырып, біз терең желілік талдау ықпалды жұмыстарды анықтау және дрондардың ауыл шаруашылығына арналған әлеуетіне қатысты тақырыптарды ашу арқылы жаңа түсініктер береді деп есептейміз.
Сондықтан біз келесі зерттеу мақсаттарына қол жеткізуге тырысамыз:
- Ауыл шаруашылығы саласындағы ұшқышсыз қосымшаларға ерекше үлес қосқан ықпалды басылымдарды анықтау.
- Әдебиеттерді топтастыру, зерттеу ошақтарын анықтау және ко-цитата талдауын қолдану арқылы семантикалық ұқсастыққа негізделген негізгі «интеллектуалдық құрылым» зерттеулерін картаға түсіру.
- Осы саладағы әртүрлі басылымдар арасындағы байланыстар мен дәйексөз желілерінің уақыт бойынша эволюциясын түсіну және болашақ зерттеу бағыттары мен өзекті тақырыптарды анықтау.
Жұмыстың қалған бөлігі келесідей құрылымдалған: 2-бөлімде әдістеме мен деректерді жинау қадамдары көрсетілген; 3-бөлімде талдаулардың нәтижелері берілген; және 4-бөлім қорытындыларды талқылайды және зерттеу үлестерімен, салдарымен және болашақ бағыттарымен қорытындыланады.
Әдістеме
Осы ағымдағы зерттеу жұмысында біз ауыл шаруашылығында ұшқышсыз қолдануларды зерттеу үшін библиометриялық талдау жасаймыз. Бұл сандық тәсіл білім саласының интеллектуалды құрылымын (Arora & Chakraborty, 2021) және осы әдісті қолдану арқылы зерттеуге болатын ағымдағы жағдайды, өзекті тақырыптарды және болашақ зерттеу бағыттарын ашады (Kapoor және т.б., 2018; Mishra et al. , 2017; A. Rejeb, Rejeb, et al., 2021b; A. Rejeb et al., 2021d; MA Rejeb et al., 2020). Жалпы, библиометриялық талдау статистикалық және математикалық әдістерге негізделген жазбаша коммуникацияның жасырын үлгілерін және пәннің эволюциясын қорытындылау және ашу үшін сақталған әдебиеттерді зерттейді және ол үлкен деректер жинақтарына қолданылады (Pritchard, 1969; Small, 1999; Tahai & Rigsby). , 1998). Библиометрияны пайдалана отырып, біз ұқсастыққа негізделген доменге ықпал ететін бар парадигмалар мен зерттеу ошақтарын жақсырақ түсінуге ұмтыламыз (Тэлволл, 2008). Библиометрия әдіснаманың объективті сандық күшімен қамтамасыз етілген жаңа түсініктерді береді (Касильяс және Аседо, 2007). Көптеген ғалымдар бұрын ауыл шаруашылығы, қашықтықтан зондтау және цифрлық трансформацияны қоса алғанда, байланысты салаларда библиометриялық зерттеулер жүргізген (Армента-Медина және т.б., 2020; Bouzembrak және т.б., 2019; А. Режеб, Трейблмайер, және т.б., 2021; Вамба). & Queiroz, 2021; Ванг және т.б., 2019).
Дәйексөзді талдау
Дәйексөзді талдау берілген зерттеу саласына қатысты әртүрлі түсініктерді ашады. Ең алдымен, ол белгілі бір зерттеу саласына үлес қосатын және елеулі әсер ететін ең ықпалды авторлар мен жарияланымдарды ашуға көмектеседі (Гундолф және Филсер, 2013). Екіншіден, білім ағыны мен авторлар арасындағы коммуникациялық байланыстарды ашуға болады. Соңында, дәйексөздер мен дәйексөздер арасындағы байланыстарды бақылай отырып, уақыт өте келе білім саласының өзгерістері мен эволюциясын зерттеуге болады (Пурнадер
және т.б., 2020). Басылымның жоғары дәйексөз сандары оның өзектілігін және зерттеу саласына қосқан елеулі үлесін көрсетеді (Балди, 1998; Гундольф және Филсер, 2013; Маринко, 1998). Басылымдардың дәйексөздік талдауы сонымен қатар өзекті жұмыстарды анықтауға және олардың танымалдылығы мен уақыт бойынша ілгерілеуін бақылауға көмектеседі.
Құжаттардың дәйексөздерін талдау
Бірлескен дәйексөздерді талдау – басылымдар арасындағы қарым-қатынастарды зерттеу және саланың интеллектуалдық құрылымын бейнелеудің құнды әдісі (Нерур және т.б., 2008). Басқаша айтқанда, ең көп сілтеме жасалған жарияланымдарды және олардың байланыстарын анықтау арқылы әдіс жарияланымдарды кластердегі жарияланымдар үнемі ұқсас идеялармен бөлісетін әртүрлі зерттеу кластерлеріне топтайды (McCain, 1990; Small, 1973). Айта кету керек, ұқсастық жарияланымдар нәтижелерінің сәйкестігін білдірмейді
ұйымшыл және бір-бірімен келіседі; басылымдар тақырып ұқсастығына байланысты бір кластерге жатады, бірақ олардың көзқарастары қарама-қайшы болуы мүмкін.
Деректерді жинау және талдау
Уайт пен Гриффит (1981) ұсынған әдістемеге сүйене отырып, біз келесі бес қадамды орындай отырып, ауыл шаруашылығындағы ұшқышсыз қолданбалардың барлық зерттеу саласын қамту үшін журнал мақалаларын жан-жақты іздестірдік:
- Бірінші қадам деректерді жинау болды. Scopus стандартталған нәтижелері бар ең толық және сенімді дерекқорлардың бірі ретінде таңдалды. Ауыл шаруашылығындағы барлық дрон қолданбаларына қатысты жарияланымдардың метадеректері алынды. Содан кейін тақырыптан тыс мақалаларды талдаудан алып тастап, таңдалған мақалаларды талдадық.
- Біз әдебиеттерді талдадық және зерттеу саласында қолданылатын ең маңызды кілт сөздерді анықтадық.
- Дәйексөзді талдау арқылы біз негізгі сілтеме үлгілерін ашу үшін авторлар мен құжаттар арасындағы байланысты зерттедік. Біз сондай-ақ ауылшаруашылық дрондар саласына елеулі үлес қосқан ең ықпалды авторлар мен жарияланымдарды анықтадық.
- Біз ұқсас жарияланымдарды кластерлерге топтастыру үшін бірлескен дәйексөз талдауын жасадық.
- Соңында, ынтымақтастық желісін бейнелеу үшін елдер, мекемелер мен журналдар арасындағы байланыстар мен байланыстарды талдадық.
Сәйкес іздеу шарттарын анықтау
Деректерді біріктіру үшін біз келесі іздеу жолдарын қолдандық: (ұшқышсыз ұшу аппараты* НЕМЕСЕ «ұшқышсыз ұшу аппараты» НЕМЕСЕ ұшқышсыз ұшу аппараты* НЕМЕСЕ «ұшқышсыз ұшақ жүйесі»” НЕМЕСЕ uas НЕМЕСЕ «қашықтықтан басқарылатын ұшақ”) ЖӘНЕ (ауылшаруашылық НЕМЕСЕ ауыл шаруашылығы НЕМЕСЕ фермерлік НЕМЕСЕ фермер). Іздеу 2021 жылдың қыркүйегінде жүргізілді. Дрондардың бірнеше белгілері бар, соның ішінде UAV, UAS және қашықтан басқарылатын ұшақтар (Sah et al., 2021). Ауыл шаруашылығына қатысты арнайы іздеу терминдері Абдоллахи және т.б. зерттеулерінің негізінде анықталды. (2021). Түсініктілік пен мөлдірлік үшін біз пайдаланған нақты сұрау 1-қосымшада берілген. Деректерді тазалау процесінен кейін біз мәтіндік файлды жасадық, ол кейіннен дәйексөз және бірлескен дәйексөз талдауының ортақ құралы BibExcel-ге жүктелді. Бұл құрал сонымен қатар басқа бағдарламалық жасақтамамен қарапайым әрекеттесуді ұсынады және деректерді өңдеу мен талдауда айтарлықтай еркіндік дәрежесін ұсынады. VOSviewer 1.6.16 нұсқасы қорытындыларды визуализациялау және библиометриялық желілерді құру үшін пайдаланылды (Eck & Waltman, 2009). VOSviewer интуитивті визуализацияның ауқымын ұсынады, әсіресе библиометриялық карталарды талдау үшін (Geng және т.б., 2020). Сонымен қатар, ол нәтижелерді жақсырақ түсінуге көмектесетін қарапайым көрнекі нәтижелерді беруге көмектеседі (Абдоллахи және т.б., 2021). Жоғарыда айтылғандай іздеу жолдарын қолдана отырып, біз барлық тиісті жарияланымдарды жинап, сақтадық. Алғашқы іздеу нәтижелері барлығы 5,085 4,700 құжатты берді. Таңдалған үлгінің сапасын қамтамасыз ету үшін зерттеуде тек рецензияланған журнал мақалалары қарастырылды, нәтижесінде кітаптар, тараулар, конференция материалдары және редакциялық жазбалар сияқты басқа құжат түрлері алынып тасталды. Скрининг барысында қатысы жоқ (яғни, осы жұмыстың ауқымынан тыс), артық (яғни, қосарланған индекстеуден шыққан көшірмелер) және ағылшын тілінде сөйлемейтін жарияланымдар сүзгіден өтті. Бұл процесс қорытынды талдауға XNUMX құжатты қосуға әкелді.
Қорытындылар және талқылау
Бастау үшін біз ауылшаруашылық дрондары туралы қазіргі әдебиеттердегі жарияланымдардағы оқиғаларды талдадық. Ғылыми зерттеулердің уақытша бөлінуі 1-суретте көрсетілген. 2011 жылдан бастап (30 жарияланым) жарияланымдардың жылдам өскенін байқаймыз; сондықтан талдау кезеңін екі түрлі кезеңге бөлуді жөн көрдік. Біз 1990 және 2010 жылдар арасындағы кезеңді жыл сайын шамамен жеті мақала шығаратын құрылыс кезеңі деп атаймыз. 2010 жылдан кейінгі кезең өсу кезеңі деп аталды, өйткені ауыл шаруашылығындағы дрондарды қолдану бойынша зерттеулер осы кезеңде экспоненциалды өсудің куәсі болды. 2010 жылдан кейін жарияланымдар санының артуы зерттеушілер арасындағы қызығушылықтың артып келе жатқанын растайды, бұл сонымен қатар дрондардың қашықтықтан зондтау үшін қолданылғанын және дәл ауыл шаруашылығында қолданылғанын көрсетеді (Deng және т.б., 2018; Maes & Steppe, 2019; Messina & Modica, 2020). ). Атап айтқанда, жарияланымдар саны 108 жылы 2013-ден 498 жылы 2018-ге дейін өсті және 1,275 жылы 2020-ке жетті. 935 жылдың қаңтары мен қыркүйек айының ортасы аралығында барлығы 2021 мақала жарияланды. Содан кейін біз талдауды өсу кезеңіне көбірек аударуды жөн көрдік. өйткені бұл кезең ауылшаруашылық дрондарының ең соңғы және маңызды нәзіктіктерін көрсетеді.
Түйінді сөздерді талдау
Авторлардың жарияланым үшін таңдаған кілт сөздері мақаланың қалай ұсынылатынына және оның ғылыми қауымдастықтарда қалай жеткізілетініне шешуші әсер етеді. Олар зерттеудің негізгі тақырыптарын анықтайды және оның өркендеу немесе сәтсіздікке ұшырау әлеуетін анықтайды (Day & Gastel, 1998.; Kim et al., 2016; Uddin et al., 2015). Кілт сөздерді талдау, кеңірек зерттеу тенденциялары мен бағыттарын ашу құралы, домендегі барлық қатысты жарияланымдардың түйінді сөздерін жинақтауды білдіреді (Dixit & Jakhar, 2021). Ағымдағы зерттеуде біз ең танымал тақырыптарды зерттеу үшін біріктірілген кілт сөздерді екі жинаққа (яғни, 2010 және 2011–2021 жылдарға дейін) бөлдік. Осылайша, біз екі жиынтықтағы маңызды кілт сөздерді бақылай аламыз және барлық қажетті деректерді жинағанымызға сенімдіміз. Әрбір жиынтық үшін алғашқы он негізгі сөздер 3-кестеде берілген. Біз «дрон» және «дрондар» немесе сол сияқты «Заттардың интернеті» және «IoT» сияқты семантикалық жағынан бірдей кілт сөздерді біріктіру арқылы сәйкессіздіктерді жойдық.
3-кестеде «ұшқышсыз ұшу аппараты» екі уақыт кезеңінде де «ұшқышсыз» және «ұшқышсыз әуе жүйесімен» салыстырғанда жиі қолданылатын кілт сөз екені көрсетілген. Сондай-ақ, «қашықтан зондтау», «дәл ауыл шаруашылығы» және «ауыл шаруашылығы» екі кезеңде де жоғары дәрежеде. Бірінші кезеңде «дәл ауыл шаруашылығы» бесінші орынды иеленді, ал екінші кезеңде ол екінші орынды иеленді, бұл дрондардың дәл ауыл шаруашылығына қол жеткізуде қаншалықты маңызды болып келе жатқанын көрсетеді, өйткені олар мониторинг жасай алады,
басқа қашықтықтан зондтау және жерге негізделген жүйелермен салыстырғанда анықтау және бағалау тәжірибесін жылдамырақ, арзанырақ және орындау оңайырақ. Сондай-ақ, олар қажет болғанда кірістің нақты мөлшерін (мысалы, су немесе пестицидтер) шашыра алады (Гуо және т.б., 2020; Inoue, 2020; Panday, Pratihast, және т.б., 2020).
Ең жиі қолданылатын кілт сөздердің тізімі.
дәреже | 1990-2010 | № пайда болу | 2011-2021 | № пайда болу |
1 | ұшқышсыз әуе көлік құралы | 28 | адамсыз әуе көлігі | 1628 |
2 | қашықтықтан зондтау | 7 | дәлдігі Ауыл шаруашылығы | 489 |
3 | Ауыл шаруашылығы | 4 | қашықтықтан зондтау | 399 |
4 | әуе | 4 | Drone | 374 |
5 | дәлдігі Ауыл шаруашылығы | 4 | адамсыз әуе жүйесі | 271 |
6 | ұшқышсыз әуе | 4 | Ауыл шаруашылығы | 177 |
7 | гиперспектральды сенсор | 3 | терең білім алу | 151 |
8 | жасанды жүйке Желілер | 2 | машина оқыту | 149 |
9 | автономды ұшу | 2 | өсімдіктер көрсеткіш | 142 |
10 | кофе | 2 | Интернет Things | 124 |
Тағы бір қызықты ерекшелігі - қосымша технологиялардың болуы. Бірінші кезеңде «Гиперспектрлік сенсор» және «жасанды нейрондық желілер» (ANN) алғашқы он негізгі сөздердің қатарына кіреді. Гиперспектрлік бейнелеу әртүрлі толқын ұзындығында көптеген кескіндерді жинау арқылы дәстүрлі бейнелеуде төңкеріс жасады. Бұл ретте сенсорлар мультиспектрлі бейнелеу, спектроскопия және RGB кескіндерімен салыстырғанда жақсырақ кеңістіктік және спектрлік ақпаратты бір уақытта жинай алады (Adao ˜ et al.,
2017). Бірінші кезеңде «ANN» және екінші кезеңде «терең оқыту» (DL) және «машиналық оқыту» (ML) пайда болуы жарияланған жұмыстардың көпшілігінің ұшқышсыз құрылғыларға арналған AI әдістерінің әлеуетін зерттеуге бағытталғанын білдіреді. негізделген ауыл шаруашылығы. Дрондар автономды ұшуға қабілетті болғанымен, олар әлі де ұшқыштың қатысуын талап етеді, бұл құрылғының интеллектінің төмен деңгейін білдіреді. Дегенмен, бұл мәселені AI әдістерінің жетілдірілуіне байланысты шешуге болады, бұл жағдай туралы хабардар болуды және автономды шешім қабылдауды қамтамасыз етеді. AI-мен жабдықталған дрондар навигация кезінде соқтығысудан аулақ бола алады, топырақ пен егінді басқаруды жақсарта алады (Inoue, 2020) және адамдар үшін еңбек пен стрессті азайтады (BK Sharma et al., 2019).
Өздерінің икемділігі мен сызықтық емес деректердің үлкен көлемін өңдеу қабілетіне байланысты AI әдістері болжау және шешім қабылдау үшін ұшқышсыз ұшақтар және басқа қашықтықтан зондтау және жердегі жүйелер арқылы берілетін деректерді талдаудың қолайлы әдістері болып табылады (Али және т.б., 2015; Инуэ, 2020). Сонымен қатар, екінші кезеңде «IoT» болуы оның ауыл шаруашылығындағы жаңа рөлін көрсетеді. IoT басқа технологияларды, соның ішінде дрондар, ML, DL, WSN және үлкен деректерді өзара байланыстыру арқылы ауыл шаруашылығын төңкеріп отыр. IoT-ті енгізудің негізгі артықшылықтарының бірі оның әртүрлі тапсырмаларды (деректер жинау, деректерді талдау және өңдеу, шешім қабылдау және іске асыру) жақын арада нақты уақытта тиімді және тиімді біріктіру мүмкіндігі болып табылады (Elijah et al., 2018; Feng et al. , 2019; Muangprathub және т.б., 2019). Сонымен қатар, дрондар өсімдіктердің күші мен өсімдіктердің қасиеттерін есептеу үшін қажетті деректерді алудың тиімді құралы болып саналады (Кандиаго және т.б., 2015). 2a және 2b-суреттер екі уақыт аралығы үшін де бірлесе пайда болатын желілер кілт сөзін суреттейді.
ықпалды авторлар
Бұл бөлімде біз ықпалды авторларды анықтаймыз және авторлық дәйексөз желілері ағымдағы әдебиеттерді қалай көрнекі және жүйелей алатынын қарастырамыз. 3-суретте дәйексөздердің ең көп саны бар барлық зерттеушілердің хронологиялық қабаттасуы көрсетілген. Түс шкаласы авторлардың дәйексөздерінің жыл бойынша өзгеруін көрсетеді. Біз ауылшаруашылық дрондары бойынша зерттеулерді жариялаған зерттеушілердің дәйексөз құрылымын кем дегенде 50 дәйексөз және он жарияланым шегін пайдалана отырып қарастырамыз. тыс
12,891 115 автор, тек 4-і бұл шартты орындады. 1,963-кестеде ең көп дәйексөздер саны бойынша сұрыпталған он ықпалды авторлардың тізімі берілген. Тізімді 1,909 дәйексөзмен Лопес-Гранадос Ф., одан кейін XNUMX дәйексөзбен Зарко-Тежада П.Ж.
Ең көп сілтеме жасалған авторлар тізімі.
Ranking | автор | Дәйексөздер |
1 | Лопес-Гранадос Ф. | 1,963 |
2 | Зарко-Тежада ПДЖ | 1,909 |
3 | Пена ˜ JM | 1,644 |
4 | Торрес-С´ анчес Дж. | 1,576 |
5 | Феререс Е | 1,339 |
6 | Ремондино Ф | 1,235 |
7 | Болтен А | 1,160 |
8 | Барет Г | 1,155 |
9 | Берни Ж.А | 1,132 |
10 | де Кастро AI | 1,036 |
Жеке басылымдарға келетін болсақ, Чжан мен Ковачтың (2012) мақаласы Precision Agriculture журналында жарияланған ең көп сілтеме жасалған зерттеу болды. Мұнда авторлар нақты ауыл шаруашылығында UAS қолдануын қарастырды. Олардың зерттеулерінің нәтижелері фермерлерді сенімді түпкілікті өнімдермен қамтамасыз ету үшін платформа дизайнын, өндірісін, кескіннің геореференциясын стандарттауды және ақпаратты іздеу жұмыс процесін жетілдіру қажеттілігін көрсетеді. Бұған қоса, олар фермерді әсіресе егістік жоспарлауда, суретке түсіруде, сондай-ақ деректерді түсіндіру мен талдауда көбірек тартуды ұсынады. Маңыздысы, бұл зерттеу егістік картасын жасауда, қуаттылық картасын жасауда, химиялық құрамды өлшеуде, өсімдіктердің кернеуін бақылауда және тыңайтқыштардың өсімдіктердің өсуіне әсерін бағалауда ұшқышсыз авиацияның маңыздылығын көрсеткен алғашқылардың бірі болды. Технологияға қатысты қиындықтарға сонымен қатар тыйым салатын шығындар, сенсорлық мүмкіндік, платформаның тұрақтылығы мен сенімділігі, стандарттаудың жоқтығы және деректердің үлкен көлемін талдаудың дәйекті процедурасы кіреді.
Дәйексөзді талдау
Дәйексөзді талдау ағындарға бейім болса да мақалалардың әсерін зерттеуді білдіреді (мысалы, дәйексөзге бұрмалану, өздігінен дәйексөз келтіру) әсерді бағалаудың стандартты құралдарының бірі болып саналады (Osareh, 1996; A. Rejeb et al., 2022; Sarli et al., 2010). Дәйексөздер сондай-ақ белгілі бір тақырып бойынша әдебиеттерге мақалалардың қосқан үлестерінің маңыздылығы мен өміршеңдігін көрсетеді (R. Sharma et al., 2022). Біз ауылшаруашылық дрондары бойынша ең ықпалды зерттеулерді анықтау үшін дәйексөзге талдау жасадық және мазмұнын қорытындыладық. 5-кестеде 1990–2010 және 2011–2021 жылдар аралығындағы ең ықпалды он бес мақаланың тізімі берілген. Берни және басқалардың мақалалары. (2009)b және Остин (2010) 1990 және 2010 жылдары сәйкесінше 831 және 498 дәйексөзге ең көп сілтеме жасалды. Берни және т.б. (2009) b қол жетімді термиялық және тар жолақты мультиспектрлі бейнелеу сенсорларымен жабдықталған тікұшақ негізіндегі UAV арқылы сандық қашықтықтан зондтау өнімдерін әзірлеу әлеуетін суреттеді. Дәстүрлі басқарылатын әуе датчиктерімен салыстырғанда, ауыл шаруашылығына арналған арзан UAV жүйесі, егер жақсы болмаса, дақылдардың биофизикалық параметрлерін салыстырмалы бағалауға қол жеткізе алады. Қолжетімді құны мен операциялық икемділігі, жоғары спектрлік, кеңістіктік және уақытша ажыратымдылықпен қатар, жылдам айналым уақытында қол жетімді UAV-ларды суару кестесін және дәл егіншілікті қоса алғанда, уақытты қажет ететін басқаруды қажет ететін бірқатар қолданбаларға жарамды етеді. Берни және т.б. (2009) b жоғары аталды, себебі ол ұшқышсыз айналмалы қанат платформасын және ауылшаруашылық қолданбалары үшін қажетті калибрлеу механизмдері бар сандық және жылу датчиктерін тиімді біріктірді. Екінші ең көп сілтеме жасалған басылым - Остин (2010) жазған кітап, ол UAV-ларды жобалау, әзірлеу және орналастыру перспективаларынан талқылады. Ауыл шаруашылығында ұшқышсыз ұшу аппараттары дақылдардың түсінің өзгеруі арқылы ауруларды ерте анықтау, егін егу мен бүркуді жеңілдету, сондай-ақ табындарды бақылау және айдау арқылы дақылдарды бақылауды қолдайды.
Салливан және басқалардың зерттеулері. (2007), Lumme және т.б. (2008) және Гокто ¨ ǧan және т.б. (2010) ең көп сілтеме жасалған он бес мақаланың тізімін аяқтайды. Бұл мақалалар ауыл шаруашылығын қолдау үшін UAV негізіндегі жүйелердің дамуын суреттейді. Олар дақылдарды бақылау және сканерлеу, арамшөптерді бақылау және басқару және шешімдерді қолдау сияқты әртүрлі мәселелердің шешімдерін ұсынады. Олар сонымен қатар ұшқышсыз авиацияның сынама алу тиімділігін арттыру және фермерлерге дәл және тиімді әдісті әзірлеуге көмектесу қабілетін ұсынады және талқылайды.
отырғызу стратегиялары. Екі мақаланың авторы Берни (Berni және т.б., 2009b; Berni және т.б., 2009a), оның ауылшаруашылық ұшқышсыз зерттеулерге айтарлықтай әсерін атап өтті. Зарко-Тежада және т.б. (2014) ағаш биіктігін анықтауда арзан UAV кескіндерін пайдалану қажеттілігін көрсету үшін алғашқы зерттеулердің бірі болды.
Ең көп сілтеме жасалған басылымдар тізімі.
дәреже | 1990-тен 2010-ке дейін | 2011-тен 2021-ке дейін | ||
Құжат | дәйексөз | Құжат | дәйексөз | |
1 | (Берни және т.б., 2009b) | 831 | (Чжан және Ковач, 2012) | 967 |
2 | (Остин, 2010) | 498 | (Nex және Remondino, 2014) | 893 |
3 | (Хант және т.б., 2010) | 331 | (Флореано және Вуд, 2015) | 552 |
4 | (SR Herwitz және т.б., 2004) | 285 | (Хоссейн Мотлаг және т.б., 2016) | 391 |
5 | (CCD Lelong және т.б., 2008) | 272 | (Шахатре және т.б., 2019) | 383 |
6 | (Берни және т.б., 2009b) | 250 | (Ма және т.б., 2017) | 373 |
7 | (Гренцдорффер ¨ және т.б., 2008) | 198 | (Бендиг және т.б., 2014) | 360 |
8 | (Храбар және т.б., 2005) | 175 | (Зарко-Тежада және т.б., 2014) | 347 |
9 | (Y. Huang және т.б., 2009) | 129 | (Жар ao және т.б., 2017) | 335 |
10 | (Schmale III және т.б., 2008) | 119 | (Хонкаваара және т.б., 2013a) | 331 |
11 | (Абд-Элрахман және т.б., 2005) | 79 | (Кандиаго және т.б., 2015) | 327 |
12 | (Techy және т.б., 2010) | 69 | (Сян және Тянь, 2011) | 307 |
13 | (Sullivan және басқалар, 2007) | 51 | (Matese және т.б., 2015) | 303 |
14 | (Lumme және т.б., 2008) | 42 | (Гаго және т.б., 2015) | 275 |
15 | (Гокто ¨ ǧan және т.б., 2010) | 40 | (Aasen және т.б., 2015a) | 269 |
Екінші кезеңде (2011–2021) Чжан мен Ковачтың (2012) және Некс пен Ремондиноның (2014) зерттеулері ең жиі сілтеме жасалған жарияланымдарға әкелді. Zhang and Kovacs (2012) дәлме-дәл ауыл шаруашылығы географиялық ақпараттық жүйелер, GPS және қашықтықтан зондтау сияқты геокеңістіктік әдістер мен сенсорларды енгізу арқылы өрістегі вариацияларды түсіріп, оларды балама стратегияларды қолдану арқылы өңдеуден пайда көретінін айтады. Дәлдік ауыл шаруашылығындағы ойынды өзгертуші ретінде, дрондарды қабылдау қашықтықтан зондтауда жаңа дәуірді жариялады, әуеден бақылауды жеңілдетеді, дақылдардың өсу деректерін, топырақ жағдайын және бүрку аймақтарын түсірді. Zhang and Kovacs (2012) шолуы маңызды болып табылады, өйткені ол платформа мен камера шектеулері, деректерді өңдеу қиындықтары, фермерлердің қатысуы және авиация ережелері сияқты қоршаған ортаны бақылау және дәл ауыл шаруашылығында осы құрылғылардың қолданыстағы пайдаланулары мен қиындықтарын ашып көрсету арқылы UAV туралы түсінік береді. . Екінші
Nex және Remondino (2014) жасаған ең көп сілтеме жасалған зерттеу жердегі суреттерді түсіруге, өңдеуге және талдауға арналған UAV өнерінің жай-күйін қарастырды.
Олардың жұмысы сонымен қатар UAV кескіндерін өңдеудегі ең жаңа жетістіктерді көрсете отырып, бірнеше UAV платформаларына, қолданбаларына және пайдалану жағдайларына шолу жасады. Ауыл шаруашылығында фермерлер шығын мен уақытты үнемдеу үшін тиімді шешімдер қабылдау, залалдардың жылдам және нақты есебін алу және мүмкін болатын проблемаларды болжау үшін ұшқышсыз ұшу аппараттарын пайдалана алады. Кәдімгі әуе платформаларынан айырмашылығы, ҰАО жоғары дәлдік әлеуетін сақтай отырып, операциялық шығындарды азайтып, қатал жерлерде қол жеткізу қаупін азайта алады. Олардың мақаласында ұшқышсыз ұшу аппараттарының әртүрлі артықшылықтары, әсіресе дәлдік пен ажыратымдылық бойынша жинақталған.
2011 және 2021 жылдар аралығында ең көп сілтеме жасалған қалған он үш жарияланымның ішінде біз бейнелеу миссияларында дрон қолданбаларына байланысты зерттеулерге көбірек шоғырланғанын байқадық (Бендиг және басқалар, 2014; Ма және басқалар, 2017; Зарко-Тежада және т.б., 2014) , нақты ауыл шаруашылығы (Candiago және т.б., 2015; Honkavaara және т.б., 2013a), нақты жүзім шаруашылығы (Matese және т.б., 2015), судың кернеуін бағалау (Гаго және басқалар, 2015) және өсімдіктер мониторингі (Aasen және басқалар. , 2015а). Алғашқы жылдары зерттеушілер назар аударды
ауыл шаруашылығына арналған арзан, жеңіл және дәл UAV негізіндегі жүйелерді әзірлеу туралы көбірек; Жақында жүргізілген зерттеулер ауыл шаруашылығы мен далалық маркшейдерлік жұмыстарға арналған UAV қолданбаларын шолуға көбірек көңіл бөлді. Қорытындылай келе, бұл талдау ықпалды басылымдардың негізінен ұшқышсыз ұшу аппараттарының қазіргі ғылыми және технологиялық жағдайын бағалауға арналған алдыңғы зерттеулерге шолулар бергенін және дәл ауыл шаруашылығын қолдау үшін әзірленген ҰАА жүйелерін ұсынғанын көрсетеді. Бір қызығы, біз эмпирикалық зерттеулерді таппадық
әдістемелер немесе сипаттамалық жағдайлық зерттеулер, бұл маңызды білім алшақтығын құрайды және осы тақырып бойынша көбірек зерттеуді талап етеді.
Бірлескен дәйексөзді талдау
Gmür (2006) айтуынша, ко-цитата талдау ұқсас жарияланымдарды анықтайды және оларды кластерлейді. Кластерді мұқият зерттеу жарияланымдар арасында ортақ зерттеу саласын аша алады. Біз ауылшаруашылық ұшқышсыз ұшқыштарға қатысты әдебиеттердің біріккен дәйексөздерін зерттейміз, олар тақырыптық салаларды суреттейді және жарияланымдардың интеллектуалды үлгілерін анықтаймыз. Осыған байланысты, Small (1973) ең ықпалды және негізгі зерттеулерді зерттеу үшін коцитациялық талдауды пайдалануды ұсынды.
пән шеңберінде. Жиынды ең маңызды мақалалармен шектеу үшін (Гойал және Кумар, 2021), біз 25-ке тең дәйексөз алу шегін белгіледік, яғни екі мақала 25 немесе одан да көп әртүрлі басылымдардың сілтемелер тізімінде бірге келтірілген болуы керек. Кластерлеу сонымен қатар ең аз кластер өлшемі 1 және кіші кластерлерді үлкеніректермен біріктіру әдісінсіз жүргізілді. Нәтижесінде зерттеулердің ұқсастығы мен олардың интеллектуалды құрылымы негізінде алты кластер құрылды. 6-кестеде әрбір кластердегі басылымдардың таралуы көрсетілген.
1-кластер: Бұл кластерде осы кластердегі жарияланымдар қоршаған ортаны бақылауды, егінді басқаруды және арамшөптерді басқаруды қолдаудағы дрондардың рөлін талқылағаннан кейін жарияланған он сегіз құжатты қамтиды. Мысалы, Manfreda және т.б. (2018) табиғи ауылшаруашылық экожүйесінің мониторингінде ұшқышсыз авиацияның ағымдағы зерттеулері мен енгізулеріне шолу жасайды және бұл технология қоршаған ортаны бақылауды түбегейлі жақсарту және азайту үшін үлкен әлеуетті ұсынатынын дәлелдейді.
далалық бақылау мен әдеттегі ауа мен ғарыштық қашықтықтан зондтау арасындағы бар алшақтық. Мұны қол жетімді жолмен үлкен аумақтарға уақытша іздеу және кеңістіктік түсініктерді жақсарту үшін жаңа мүмкіндіктер ұсыну арқылы жасауға болады. Ұшақсыз ұшу аппараттары қоршаған ортаны үнемі сезіне алады және алынған деректерді аурудың болмауы немесе суды анықтау сияқты ықтимал мәселелерді анықтау үшін сенсорларды басқаратын зияткерлік, орталықтандырылған/орталықтандырылмаған құрылымдарға жібере алады (Падуа ´ және т.б., 2017). Adao ˜ et al. (2017) ұшқышсыз ұшу аппараттары судың күйіне, биомассаны бағалауға және қуатты бағалауға қатысты шикізат деректерінің үлкен көлемін алу арқылы өсімдіктердің жағдайын бағалау үшін өте қолайлы деп есептейді. Сондай-ақ, қашықтан зондтау деректерін уақтылы түсіруге мүмкіндік беру үшін UAV-ға орнатылған сенсорларды қоршаған ортаның қолайлы жағдайында тез арада орналастыруға болады (Вон Буерен және т.б., 2015). ДҰА көмегімен фермерлер жабық егіншілік ортасының үш өлшемді кеңістігіндегі (мысалы, жылыжайлар) іс жүзінде кез келген жерден өлшемдер алу арқылы жабық егіншілік қызметін жүзеге асыра алады, осылайша жергілікті климаттық бақылауды және өсімдіктерді бақылауды қамтамасыз етеді (Ролдан ´ және т.б.) ., 2015). Дәлдік контекстінде
ауыл шаруашылығы, өсімдік шаруашылығын басқару шешімдері тиісті уақыттық және кеңістіктік рұқсаты бар дәл, сенімді дақыл деректерін қажет етеді (Gebbers & Adamchuk, 2010; Gevaert et al., 2015; Maes & Steppe, 2019). Осы себепті Агуера Вега және т.б. (2015) вегетациялық кезеңде күнбағыс дақылының суреттерін алу үшін UAV орнатылған мультиспектрлі сенсор жүйесін пайдаланды. Сол сияқты, Хуан және т.б. (2009) ҰАО негізіндегі қашықтықтан зондтау жиналған спектрлік деректерден егін мен топырақты өлшеуді жеңілдететінін атап өтеді. Вергер және т.б. (2014) бидай мен рапс дақылдарына назар аудара отырып, дәл ауыл шаруашылығы қолданбаларында UAV шағылысу өлшемдерінен жасыл аумақ индексін (GAI) бағалау әдістемесін әзірледі және сынады. Сондықтан, дрондар жиі қайталанатын және жоғары кеңістіктік ажыратымдылығы бар дақыл күйі туралы ақпаратты алудың жаңа мүмкіндіктерін ұсынады (Донг және т.б., 2019; Garzonio және т.б., 2017; Х. Чжен және т.б., 2016).
Ауылшаруашылық дрондары бойынша ықпалды басылымдарды кластерлеу.
Кластер | Кең тақырып | Әдебиеттер тізімі |
1 | Қоршаған ортаны бақылау, дақыл басқару, арамшөптермен күресу | (Жар ao және т.б., 2017; Агуера Вега және т.б., 2015; де Кастро және т.б., 2018; Гомес-Канд ' on ' et al., 2014; Ю.Б Хуан және т.б., 2013; Ханал және т.б. 2017; Лопес-Гранадос, '2011; Manfreda және т.б., 2018; П´ adua және т.б. 2017; Pena ˜ et al., 2013; Перес-Ортис және т.б., 2015; Расмуссен және т.б., 2013, 2016; Торрес-С´ anchez et al., 2014; Торрес-Санчес, 'Лопес-Гранадос, '& Пена, ˜ 2015; Вергер және т.б., 2014; Фон Bueren және т.б., 2015; C. Чжан және Ковач, 2012) |
2 | Қашықтан фенотиптеу, шығымдылық бағалау, дақыл бетінің үлгісі, өсімдіктерді санау | (Бендиг және т.б., 2013, 2014; Гейпел және т.б., 2014; Гнадингер ¨ & Шмидхальтер, 2017 ж.; Хагхатталаб және т.б., 2016; Холман және т.б., 2016; Джин және т.б., 2017; В. Ли және т.б., 2016; Maimaitijiang және т.б., 2017; Санкаран және т.б., 2015; Schirrmann және т.б., 2016; Ши және т.б., 2016; Юэ және т.б., 2017; X. Чжоу және т.б., 2017) |
3 | Суға арналған термобейнелеу, мультиспектрлі бейнелеу | (Балужа және басқалар, 2012; Берни және т.б., 2009b; Берни және т.б., 2009a; Кандиаго және т.б., 2015; Гаго және т.б., 2015; Гонсалес-Дюго және т.б., 2013, 2014; Grenzdorffer ¨ және т.б., 2008; Халиқ және т.б., 2019; Matese және т.б., 2015; Ribeiro-Gomes және т.б., 2017; Сантесебан және т.б., 2017; Уто және т.б., 2013) |
4 | Гиперсектральды бейнелеу, спектрлік бейнелеу | (Аасен және басқалар, 2015a; Барет және т.б., 2015; Хакала және т.б., 2013; Хонкаваара және т.б., 2013a; Люсиер және т.б., 2014; Saari және т.б., 2011; Suomalainen және т.б., 2014) |
5 | 3D-Mapping қолданбалары | (Джименез-Бренес және т.б., 2017; Nex & Ремондино, 2014; Салами және т.б., 2014; Торрес-С´ анчес, Лопес- ' Гранадос, Серрано және т.б., 2015; Захави және т.б., 2015; Зарко-Тежада және т.б., 2014) |
6 | Ауыл шаруашылығын қадағалау | (SR Herwitz және т.б., 2004; Хант және т.б., 2010; CCD Lelong және т.б. 2008; Примицерио және т.б., 2012; Сян & Тянь, 2011) |
Сонымен қатар, дрондар ауыл шаруашылығындағы күрделі тапсырмаларды орындау үшін пайдалы, соның ішінде арамшөптерді картаға түсіру. Құрылғылар түсірген суреттер егістіктерде арамшөптерді ерте анықтау үшін пайдалы екенін дәлелдеді (де Кастро және т.б., 2018; Джименез-Бренес және т.б., 2017; Лам және т.б., 2021; Лопес-Гранадос және т.б., 2016; Розенберг және т.б., 2021). Осыған байланысты де Кастро т.б. (2018) ҰАО суреттері мен Объектіге негізделген кескінді талдаудың (OBIA) біріктірілуі тәжірибешілерге ерте маусымдық шөптерді ерте анықтауды автоматтандыру мәселесін жеңуге мүмкіндік берді, бұл арамшөптерді зерттеудегі үлкен қадам болып табылады. Сол сияқты, Pena ˜ et al. (2013) OBIA процедурасымен бірге UAV-дан ультра жоғары кеңістіктік ажыратымдылықтағы кескіндерді пайдалану маусымдық арамшөптермен күрес шараларын жүзеге асыруды жоспарлауда пайдаланылуы мүмкін ерте жүгері дақылдарында арамшөп карталарын жасауға мүмкіндік беретінін көрсетеді, спутниктік және дәстүрлі әуе суреттерінің мүмкіндігінен жоғары міндет. Кескінді жіктеу немесе нысанды анықтау алгоритмдерімен салыстырғанда, семантикалық сегменттеу әдістері арамшөптерді картаға түсіру тапсырмаларында тиімдірек (Дж. Денг және т.б., 2020), осылайша фермерлерге егістік жағдайларын анықтауға, жоғалтуларды азайтуға және бүкіл вегетациялық маусымда өнімділікті жақсартуға мүмкіндік береді (Рамеш және т.б., 2020). Терең оқуға негізделген семантикалық сегменттеу сонымен қатар жоғары ажыратымдылықтағы аэрофотосуреттерден өсімдік жамылғысын дәл өлшеуді қамтамасыз ете алады (Ramesh et al., 2020; A. Zheng et al., 2022). Олардың қашықтағы мүмкіндіктеріне қарамастан
пиксельді жіктеуді сезіну, семантикалық сегменттеу әдістері айтарлықтай есептеуді және өте жоғары GPU жадын талап етеді (Дж. Денг және т.б., 2020).
Машиналық оқыту және UAV негізінде, P´erez-Ortiz және т.б. (2015) фермерлер пайда болғаннан кейінгі арамшөптермен күресу әдісін қабылдаған кезде, учаскеге тән арамшөптермен күресу стратегияларын қамтамасыз ету үшін арамшөптерді карталау әдісін ұсынды. Соңында, Расмуссен және т.б. (2013) дрондар кеңістіктік ажыратымдылықтың үлкен икемділігімен қымбат емес зондтауды қамтамасыз ететінін атап өтті. Тұтастай алғанда, бұл кластердегі жарияланымдар қашықтықтан зондтауды, дақылдарды бақылауды және арамшөптердің картасын жасауды қолдау үшін ұшқышсыз ұшу аппараттарының мүмкіндіктерін зерттеуге бағытталған. Қоршаған ортаны бақылауда, егінді басқаруда және арамшөптерді картаға түсіруде ұшқышсыз қолданбалар қалай тұрақты ауыл шаруашылығына қол жеткізе алатынын әрі қарай зерттеу үшін қосымша терең зерттеулер қажет (Чамуах және Сингх, 2019; Ислам және басқалар, 2021; Попеску және басқалар, 2020; Дж. Su, Liu, et al., 2018) және егінді сақтандыру қолданбаларында осы технологияның басқару мәселелерін қарастырыңыз (Basnet & Bang, 2018; Chamuah & Singh, 2019, 2022; Meinen & Robinson, 2021). Зерттеушілер өңделген деректердің түпкілікті сапасын арттыру үшін тиімді өңдеу әдістерімен жинақталған UAV өлшемдерін тексеруге шоғырлануы керек (Manfreda et al., 2018). Сонымен қатар, сандық кескіндердегі арамшөптерді көрсететін пикселдерді танитын және UAV арамшөптерін картаға түсіру кезінде сәйкес емес фонды жоятын сәйкес алгоритмдерді әзірлеу қажет (Gaˇsparovi´c et al., 2020; Hamylton et al., 2020; H. Huang et al. , 2018, 2020; Лопес- ´ Гранадос және т.б., 2016). Өсімдіктерді тану, жапырақты жіктеу және ауруларды картаға түсіруде семантикалық сегменттеу әдістерін қабылдау бойынша қосымша зерттеулер құпталады (Фуэнтес-Пачеко және басқалар, 2019; Керкеч және басқалар, 2020).
Кластер 2. Осы кластердегі жарияланымдар ауылшаруашылық ұшқышсыз ұшақтардың бірнеше аспектілеріне назар аударды. Қашықтан фенотиптеумен байланысты Санкаран және т.б. (2015) егістіктегі дақылдарды жылдам фенотиптеу үшін ұшқышсыз ұшу аппараттарымен төмен биіктікте, жоғары ажыратымдылықтағы аэрофототүсірілімдерді пайдалану әлеуетін қарастырды және олар жердегі зондтау платформаларымен салыстырғанда, сәйкес сенсорлары бар шағын UAV бірнеше артықшылықтарды ұсынады деп санайды. өріске оңай қол жеткізу, жоғары ажыратымдылықтағы деректер, тиімді деректерді жинау,
кен орнының өсу жағдайларын жылдам бағалау және пайдалану шығындарының төмендігі. Дегенмен, авторлар сонымен қатар далалық фенотиптеу үшін UAV тиімді қолданылуы екі іргелі элементке, атап айтқанда, UAV мүмкіндіктеріне (мысалы, қауіпсіздік, тұрақтылық, позициялау, автономия) және сенсор сипаттамаларына (мысалы, рұқсат, салмақ, спектрлік толқын ұзындығы, өріс) негізделгенін атап өтеді. көзқарас). Haghighattalab және т.б. (2016) UAV кескіндерінен сюжеттік деңгейдегі деректерді алу және өсіру процесін жеделдету үшін жартылай автоматтандырылған кескінді өңдеу құбырын ұсынды. Холман және т.б. (2016) жоғары деңгейде дамыды
өткізу қабілеттілігі өрісінің фенотиптеу жүйесі және UAV сапалы, көлемді, өріске негізделген фенотиптік деректерді жинауға қабілетті екенін және құрылғының үлкен аумақтар үшін және әртүрлі өріс орындарында тиімді екенін атап өтті.
Шығымды бағалау өте маңызды ақпарат болып табылатындықтан, әсіресе уақытында қол жетімді болған кезде, ұшқышсыз ұшу аппараттарының барлық өріс өлшемдерін қамтамасыз ету және жоғары сапалы деректерді тиімді алу мүмкіндігі бар (Daakir және т.б., 2017; Демир және т.б., 2018). ; Энсисо және басқалар, 2019; Кулбэки және басқалар, 2018; Пуделько және басқалар, 2012). Осыған байланысты Джин және т.б. (2017) пайда болу кезеңінде бидай өсімдігінің тығыздығын бағалау әдісін әзірлеу және бағалау үшін өте төмен биіктікте ұшқышсыз ұшу аппараттарымен алынған жоғары ажыратымдылықтағы суреттерді пайдаланды. Авторлардың пікірінше, ұшқышсыз ұшу аппараттары камералармен жабдықталған ровер жүйелерінің шектеулерін еңсереді және ауылшаруашылық дақылдарындағы өсімдік тығыздығын бағалаудың инвазивті емес әдісі болып табылады, бұл фермерлерге топырақтың қозғалғыштығына тәуелсіз далалық фенотиптеу үшін қажетті жоғары өнімділікке қол жеткізуге мүмкіндік береді. Ли және т.б. (2016) жүгері параметрлерін, соның ішінде шатыр биіктігі мен жер үсті биомассасын бағалау үшін UAV негізіндегі жүйені пайдаланып, өте жоғары ажыратымдылығы бар жүздеген стерео кескіндерді жинады. Ақырында, Юэ және т.б. (2017) ұшқышсыз ұшу аппараттарынан анықталған егіннің биіктігі жер үсті биомассасын (AGB) бағалауды жақсарта алатынын анықтады.
Өсімдіктердің өсуін бақылау тәсілі егістік бетінің үлгілерін әзірлеу идеясы болып табылады (Бендиг және басқалар, 2014, 2015; Холман және басқалар, 2016; Panday, Shrestha, және т.б., 2020; Sumesh және т.б., 2021). Бірнеше зерттеулер өсімдіктердің биіктігін түсіру және олардың өсуін бақылау үшін UAV-дан түсірілген суреттердің орындылығын атап өтті. Мысалы, Bendig et al. (2013) UAV көмегімен 0.05 м-ден аз өте жоғары ажыратымдылығы бар көп уақыттық дақыл бетінің үлгілерін әзірлеуді сипаттады. Олар егінді анықтауды мақсат етті
өсудің өзгермелілігі және оның дақылдарды өңдеуге, сортқа және стресске тәуелділігі. Бендиг және т.б. (2014) дақылдардың беткі модельдерінен алынған өсімдік биіктігіне негізделген жаңа және құрғақ биомассаны бағалау үшін UAV-ларды пайдаланды және әуе платформалары мен жердегі лазерлік сканерлеуден айырмашылығы, ұшқышсыз ұшу аппараттарынан жоғары ажыратымдылықтағы суреттер әртүрлі өсу үшін өсімдік биіктігін модельдеу дәлдігін айтарлықтай арттыра алатынын анықтады. кезеңдері. Дәл осы бағытта Geipel және т.б. (2014) суреттерді алу үшін өз зерттеулерінде UAV пайдаланды
маусымның басынан ортасына дейінгі үш түрлі өсу фазаларында жүгері дәнінің шығымдылығын болжауға арналған деректер жиынтығы және аэрофотосуреттер мен егістік бетінің үлгілеріне негізделген спектрлік және кеңістіктік модельдеудің үйлесімі маусымның ортасындағы жүгері өнімділігін болжау үшін қолайлы әдіс болып табылады деген қорытындыға келді. Соңында, Гнадингер ¨ және Шмидхалтер (2017) дәлдікпен фенотиптеудегі UAV-ның пайдалылығын зерттеді және бұл технологияны пайдалану ферманы басқаруды жақсартуға және селекциялық және агрономиялық мақсаттар үшін далалық тәжірибелерді жүргізуге мүмкіндік беретінін атап өтті. Жалпы алғанда, біз 2-кластердегі жарияланымдар қашықтағы ұшқышсыз ұшу аппараттарының негізгі артықшылықтарына назар аударатынын байқаймыз.
фенотиптеу, өнімді бағалау, дақылдардың бетін модельдеу және өсімдіктерді санау. Болашақ зерттеулер қашықтан қабылданатын деректерді өңдеуді автоматтандыруға және оңтайландыруға болатын қашықтан фенотиптеу үшін жаңа әдістерді әзірлеу арқылы тереңірек зерттей алады (Barabaschi және т.б., 2016; Liebisch және т.б., 2015; Mochida және т. ., 2015). Сонымен қатар, ұшқышсыз ұшу аппараттарына орнатылған IoT сенсорларының өнімділігі және олардың шығындары, жұмыс күші және кірісті бағалаудың дәлдігі арасындағы ымыраға байланысты зерттеу қажет.
болашақ (Ju & Son, 2018a, 2018b; Xie & Yang, 2020; Yue және т.б., 2018). Сайып келгенде, сенімді ақпаратты генерациялайтын, ауылшаруашылық өндірісіндегі тиімділікті арттыратын және фермерлердің қолмен санау жұмыстарын барынша азайта алатын суретті өңдеудің тиімді әдістерін әзірлеу қажет (RU Khan et al., 2021; Koh et al., 2021; Lin & Гуо, 2020; C. Чжан және т.б., 2020).
Кластер 3. Осы кластердегі жарияланымдар UAV платформаларында пайдаланылатын ауыл шаруашылығы ресурстарын қашықтықтан зондтау үшін бейнелеу жүйелерінің әртүрлі түрлерін талқылайды. Осыған байланысты термиялық бейнелеу егіннің зақымдалуын болдырмау және құрғақшылық стрессін ерте анықтау үшін жер бетіндегі температураны бақылауға мүмкіндік береді (Awais et al., 2022; García-Tejero et al., 2018; Sankaran et al., 2015; Santesteban et al., 2017; Yeom, 2021). Балужа және т.б. (2012) бортында мультиспектрлі және термиялық камераларды пайдалануды растады
UAV зерттеушілерге жоғары ажыратымдылықтағы суреттерді алуға және жүзім суының күйін бағалауға мүмкіндік берді. Бұл қашықтықтан зондтау деректерін пайдалана отырып, суды жоспарлаудың жаңа үлгілерін әзірлеу үшін пайдалы болуы мүмкін (Baluja et al., 2012). Себебі
ұшқышсыз ұшу аппараттарының шектеулі жүк көтергіштігі, Ribeiro-Gomes және т.б. (2017) зауыттардағы судың кернеуін анықтау үшін салқындатылмаған жылу камераларын UAVS-ке біріктіруді қарастырды, бұл ДҰА-ның бұл түрін дәстүрлі спутниктік қашықтықтан зондтау және салқындатылған жылу камераларымен жабдықталған UAV-ға қарағанда тиімдірек және өміршең етеді. Авторлардың айтуынша, салқындатылмаған жылу камералары салқындатылған камераларға қарағанда жеңілірек, сәйкесінше калибрлеуді қажет етеді. Гонсалес-Дюго және т.б. (2014) цитрус бақтарының арасында және ішіндегі судың күйін бағалау және судың күйзелісін сандық бағалау үшін жылу түсіру егістік суының кернеуі индекстерінің кеңістіктік карталарын тиімді жасайтынын көрсетті. Гонсалес-Дюго және т.б. (2013) және Santesteban et al. (2017) коммерциялық бақ пен жүзімдіктің су күйінің өзгермелілігін бағалау үшін жоғары ажыратымдылықтағы UAV термобейнелерін пайдалануды зерттеді.
Мультиспектрлі бейнелеу дәстүрлі RGB (Қызыл, жасыл және көк) кескіндермен салыстырғанда үлкен деректерді бере алады (Ad˜ ao және т.б., 2017; Навиа және т.б., 2016). Бұл спектрлік деректер кеңістіктік деректермен бірге жіктеуге, картаға түсіруге, болжауға, болжауға және анықтау мақсаттарына көмектесуі мүмкін (Берни және т.б., 2009b). Кандиаго және т.б. (2015), UAV негізіндегі мультиспектрлі бейнелеу сенімді және тиімді ресурс ретінде егінді бағалауға және нақты ауыл шаруашылығына үлкен үлес қоса алады. Сондай-ақ,
Халиқ және т.б. (2019) спутниктік және UAV негізіндегі мультиспектрлі бейнелеуді салыстырды. UAV негізіндегі кескіндер жүзімдіктердің өзгергіштігін, сондай-ақ егістік қалқаларды бейнелеуге арналған сергектік карталарын сипаттауда дәлірек болды. Қысқаша айтқанда, осы кластердегі мақалалар жылу және мультиспектрлі бейнелеу сенсорларын ауылшаруашылық UAV-ға енгізуді талқылайды. Тиісінше, термиялық және мультиспектрлі бейнелеуді AI-мен қалай біріктіруге болатынын түсіну үшін көбірек зерттеулер қажет.
өсімдіктер стрессін анықтау әдістері (мысалы, терең оқыту) (Ampatzidis және басқалар, 2020; Ampatzidis & Partel, 2019; Jung және т.б., 2021; Santesteban және басқалар, 2017; Syeda және т.б., 2021). Мұндай түсініктер өсімдіктердің өсуін, күйзелістерін және фенологиясын бақылаумен қатар тиімдірек және дәл анықтауды қамтамасыз етуге көмектеседі (Buters және басқалар, 2019; Cao et al., 2020; Neupane & BaysalGurel, 2021; L. Zhou et al., 2020).
4-кластер. Бұл кластер ауылшаруашылық тәжірибесін қолдаудағы спектрлік бейнелеу мен гиперспектрлік бейнелеудің шешуші рөліне арналған жеті құжаттан тұрады. Гиперспектрлік бейнелеу өзін жер жүйесін сандық бағалауға мүмкіндік беретін қашықтықтан зондтау әдісі ретінде көрсетті (Schaepman және т.б., 2009). Дәлірек айтсақ, ол жер бетіндегі материалдарды анықтауға, (салыстырмалы) концентрацияларды сандық анықтауға және беттік құрамдас бөліктердің пропорцияларын тағайындау
аралас пикселдер шегінде (Kirsch et al., 2018; Zhao et al., 2022). Басқаша айтқанда, гиперспектрлік жүйелер қамтамасыз ететін жоғары спектрлік ажыратымдылық вегетариандық қасиеттер немесе жапырақ суының мазмұны сияқты әртүрлі параметрлерді дәлірек бағалауға мүмкіндік береді (Suomalainen және т.б., 2014). Бұл кластердегі зерттеушілер мұндай жүйелердің әртүрлі аспектілерін зерттеді. Басқалардың арасында Aasen et al. (2015b) жеңіл салмақтан үш өлшемді гиперспектрлік ақпаратты алудың бірегей тәсілін ұсынды.
Өсімдіктерді бақылау үшін ұшқышсыз ұшу аппараттарында қолданылатын фотокамералар. Lucieer және т.б. (2014) жаңа гиперспектрлік UAS дизайнын, дамуын және әуедегі операцияларын, сондай-ақ онымен жиналған кескін деректерін калибрлеуді, талдауды және интерпретациялауды талқылады. Соңында, Хонкаваара және т.б. (2013b) FabryPerot интерферометріне негізделген спектрлік кескіндер үшін кешенді өңдеу тәсілін әзірледі және оны дәл ауыл шаруашылығына арналған биомассаны бағалау процедурасында пайдалануды көрсетті. Осы ағымдағы кластердің болашақтағы әлеуетті жолдары сенсорлық технологияларды техникалық жетілдіру қажеттілігін атап өтуді (Aasen және басқалар, 2015b), сондай-ақ қосымша технологияларды, әсіресе үлкен деректер мен аналитиканы енгізу және жақсарту қажеттілігін қамтиды (Ang & Seng, 2021; Radoglou) -Grammatikis және т.б., 2020; Shakoor және т.б., 2019). Соңғысы, негізінен, ақылды ауыл шаруашылығында жүзеге асырылатын әртүрлі сенсорлар арқылы жасалған үнемі өсіп келе жатқан деректерден туындайды (C. Li & Niu, 2020; A. Rejeb et al., 2022; Y. Su & Wang, 2021).
Кластер 5. Осы кластердегі жарияланымдар дрондарға негізделген 3Dmapping қолданбаларын зерттеді. 3D картасын жасау үшін дрондарды пайдалану күрделі дала жұмыстарын жеңілдетіп, тиімділікті айтарлықтай арттыруы мүмкін (Торрес-Санчес ´ және т.б., 2015). Кластердегі бес мақала негізінен өсімдіктерді бақылау қолданбаларына бағытталған. Мысалы, шатырдың ауданы, ағаш биіктігі және тәждің көлемі туралы үш өлшемді деректерді алу үшін Торрес-Санчес ´ және т.б. (2015) сандық беттік модельдерді, содан кейін объектіге негізделген кескінді талдау (OBIA) тәсілдерін жасау үшін UAV технологиясын пайдаланды. Әрі қарай, Зарко-Тежада және т.б. (2014) UAV технологиясы мен үш өлшемді фотореконструкция әдістерін біріктіру арқылы ағаш биіктігін сандық түрде анықтады. Джименез-Бренес Лопес-Гранадос, Де Кастро және т.б. (2017) UAV технологиясын озық OBIA әдіснамасымен біріктіру арқылы ондаған зәйтүн ағаштарын көп уақыттық, 3D бақылаудың жаңа процесін көрсетті. Бұл кластердегі болашақ жұмыстардың қызықты жолдары ағымдағы жақсартуды қамтиды
OBIA (де Кастро және т.б., 2014, 2017; Вентура және т. , 2016) және фотосуреттерді қалпына келтіру немесе жаңа әдістерді дамыту (Díaz-Varela және т.б., 2018; Torres-S´ anchez және т.б., 2020).
6-кластер. Бұл кластер ауыл шаруашылығын бақылаудағы дрондардың рөлін талқылайды. Ұшақсыз ұшу аппараттары спутниктік және әуе кемелерін бейнелеудің кемшіліктерін толықтырып, жеңе алар еді. Мысалы, олар аз жанармай немесе пилоттық қиындықтармен нақты уақыттағы кескінге жақын жоғары ажыратымдылықты қамтамасыз ете алады, нәтижесінде тұрақты және нақты уақыттағы бақылау және шешім қабылдауда жақсартулар болады (S. Herwitz et al., 2004). ҰАО-ның тағы бір маңызды үлесі - олардың жоғары ажыратымдылығы, әртүрлі параметрлері туралы егжей-тегжейлі деректері фермерлерге жерді біртекті бөліктерге бөлуге және оларды тиісінше өңдеуге мүмкіндік беретін нақты ауыл шаруашылығына немесе учаскеге арналған егіншілікке арналған учаскеге қатысты деректерді беру қабілеті болып табылады (Hunt et al. , 2010; CC Lelong және т.б., 2008; Primicerio және т.б., 2012). Мұндай UAV негізіндегі ауыл шаруашылығын қадағалау азық-түлік қауіпсіздігін бақылауға және шешім қабылдауға қолдау көрсете алады (SR Herwitz et al., 2004). Ауыл шаруашылығын қадағалау саласындағы зерттеулерді ілгерілету үшін сенсорларды, UAV-ларды және басқа да байланысты технологияларды және олардың байланыс және деректерді беру әдістерін жақсарту ғана емес (Ewing et al., 2020; Shuai et al., 2019), сонымен қатар дрондарды әртүрлі құрылғылармен біріктіру қажет. Мониторинг, ауыл шаруашылығын қадағалау және шешім қабылдау сияқты ақылды ауыл шаруашылығына қатысты әртүрлі тапсырмаларды оңтайландыруға арналған технологиялар жоғары әлеуетті зерттеу саласы болып табылады (Alsamhi et al., 2021; Popescu et al., 2020; Vuran et al., 2018). Осыған байланысты IoT, WSN және үлкен деректер қызықты қосымша мүмкіндіктерді ұсынады (ван дер Мерве және т.б., 2020). Іске асыру шығындары, шығындарды үнемдеу, энергия тиімділігі және деректер қауіпсіздігі осындай интеграция үшін аз зерттелген салалардың қатарына жатады (Masroor et al., 2021).
Елдер мен академиялық мекемелер
Соңғы қадам авторлардың шыққан елі мен академиялық байланыстарын зерттеуді қамтыды. Осы талдау арқылы біз ауыл шаруашылығында дрондарды қолдануға үлес қосатын ғалымдардың географиялық таралуын жақсырақ түсінуге тырысамыз. Елдер мен академиялық институттардың әртүрлілігін атап өткен жөн. Ел тұрғысынан алғанда жарияланымдар саны бойынша АҚШ, Қытай, Үндістан және Италия тізімнің басында тұр (7-кесте). Ағымдағы
Ауылшаруашылық дрондарын зерттеу негізінен Солтүстік Америка мен Азия елдерінде шоғырланған, бұл негізінен олардың ауыл шаруашылығын дәлме-дәл қолданумен жоғары қатысуына байланысты. Мысалы, АҚШ-та ауылшаруашылық дрондарының нарығы 841.9 жылы 2020 миллион АҚШ долларына бағаланды, бұл әлемдік нарық үлесінің шамамен 30% құрайды (ReportLinker, 2021). Дүние жүзіндегі ең ірі экономика ретінде рейтингке ие Қытай 2.6 жылы шамамен 2027 миллиард АҚШ доллары көлемінде нарық көлеміне жетеді деп болжануда. Бұл ел өнімділік мәселелерін жеңу және жақсы кірістілікке, жұмыс күшін азайтуға және аз өндіріске қол жеткізу үшін ауылшаруашылық дрондарына жүгінеді. Дегенмен, Қытайда технологияның қабылдануы сонымен қатар халық саны және өсімдік шаруашылығын басқару тәжірибесін жаңарту және жақсарту қажеттілігі сияқты факторларға байланысты.
Үздік өнімді елдер мен үлес қосатын университеттер/ұйымдар
ауылшаруашылық дрондармен байланысты зерттеулер.
дәреже | елдер |
1 | АҚШ |
2 | Қытай |
3 | Үндістан |
4 | Италия |
5 | Испания |
6 | Германия |
7 | Бразилия |
8 | Австралия |
9 | Жапония |
10 | Біріккен корольдігі |
дәреже | Университеттер/Ұйымдар |
1 | Қытай ғылым академиясы |
2 | Қытай Халық Республикасының Ауыл шаруашылығы министрлігі |
3 | Жоғары ғылыми зерттеулер кеңесі |
4 | Техас A & M университеті |
5 | Қытай аграрлық университеті |
6 | USDA Ауылшаруашылық зерттеу қызметі |
7 | CSIC – Instituto de Agricultura Sostenible IAS |
8 | Purdue университеті |
9 | Consiglio Nazionale delle Ricerche |
10 | Оңтүстік Қытай ауылшаруашылық университеті |
Университеттік және ұйымдық тұрғыдан алғанда, жарияланымдар саны бойынша Қытай Ғылым академиясы тізімде бірінші орында, одан кейін Қытай Халық Республикасының Ауыл шаруашылығы министрлігі және Consejo Superior de Investigaciones Científicas. Қытай ғылым академиясының авторлары Ляо Сяохан мен Ли Цзюнь; Хань Вэнтин Қытай Халық Республикасының Ауыл шаруашылығы министрлігі атынан; және Consejo Superior de Investigaciones Científicas атынан Лопес-Гранадос, ´ Ф. және Пена, ˜ Джозе Мария С. АҚШ-тан Техас A&M университеті және Пурдю университеті сияқты университеттер өздерінің
еске алу. Жарияланымдар саны ең көп университеттер және олардың байланыстары 4-суретте көрсетілген. Бұған қоса, бұл тізімге ғылыми зерттеулерде белсенді, бірақ академиялық мекеме болып табылмайтын Consiglio Nazionale delle Ricerche және Consejo Superior de Investigaciones Científicas сияқты институттар кіреді. .
Біздің таңдауымыз барлық қол жетімді деректерді қамтитын көптеген журналдарды қамтыды. 8-кестеде көрсетілгендей, 258 мақаламен қашықтан зондтау бірінші орында, одан кейін 126 мақаламен Intelligent and Robotic Systems: Theory and Applications журналы және 98 мақаламен ауыл шаруашылығындағы компьютерлер мен электроника журналы тұр. Қашықтықтан зондтау негізінен дрондарды қолдануға және дамытуға бағытталған болса, ауыл шаруашылығындағы компьютерлер мен электроника негізінен ауыл шаруашылығындағы компьютерлік аппаратура, бағдарламалық қамтамасыз ету, электроника және басқару жүйелеріндегі жетістіктерді қамтиды. 87 басылымы бар IEEE Robotics және Automation Letters және 34 жарияланымы бар IEEE Access сияқты аймақаралық сауда нүктелері де осы саладағы ең басты сауда нүктелері болып табылады. Үздік он бес басылым әдебиетке 959 құжатпен үлес қосты, бұл барлық жарияланымдардың шамамен 20.40% құрайды. Бірлескен дәйексөзді талдау журналдар арасындағы маңыздылық пен ұқсастықты зерттеуге мүмкіндік береді. Бірлескен дәйексөз талдауы 5-суретте көрсетілгендей үш кластерді береді. Қызыл кластер қашықтан зондтау, компьютер және ауыл шаруашылығында электроника, сенсорлар,
және қашықтан зондтау халықаралық журналы. Бұл сауда нүктелерінің барлығы қашықтықтан зондтау және дәлдіктегі ауыл шаруашылығы салаларындағы жоғары беделді журналдар болып табылады. Жасыл кластерде робототехникамен айналысатын журналдар бар, мысалы, Intelligent and Robotic Systems: Theory and Applications журналы, IEEE Robotics and Automation Letters, IEEE Access және Drones. Бұл сауда орындары негізінен автоматтандыру бойынша мақалалар шығарады және ауыл шаруашылығы инженерлері үшін пайдалы. Қорытынды кластерді агрономия және агрономия және халықаралық агро және биологиялық инженерия журналы сияқты агрономияға және ауылшаруашылық инженериясына қатысты журналдар құрайды.
Ауылшаруашылық дрондармен байланысты зерттеулердегі ең жақсы 15 журнал.
дәреже | журнал | санау |
1 | Қашықтан зондтау | 258 |
2 | Интеллектуалды және роботтық жүйелер журналы: теория және Бағдарламалар | 126 |
3 | Ауыл шаруашылығындағы компьютерлер мен электроника | 98 |
4 | IEEE робототехника және автоматтандыру хаттары | 87 |
5 | сенсорлар | 73 |
6 | Қашықтан зондтау халықаралық журналы | 42 |
7 | Дәл ауыл шаруашылығы | 41 |
8 | Ұшақтар | 40 |
9 | Агрономия | 34 |
10 | IEEE қол жетімділігі | 34 |
11 | Advanced Robotic Systems халықаралық журналы | 31 |
12 | Аграрлық және биологиялық инженерия халықаралық журналы | 25 |
13 | PLOS ONE | 25 |
14 | Field Robotics журналы | 23 |
15 | Биосистемалар Инжиниринг | 23 |
қорытынды
қысқаша мазмұндама
Бұл зерттеуде біз ауылшаруашылық дрондары бойынша бар зерттеулерді қорытындыладық және талдадық. Түрлі библиометриялық әдістерді қолдана отырып, біз ауылшаруашылық ұшқышсыз зерттеулердің интеллектуалдық құрылымын жақсырақ түсінуге тырыстық. Қорытындылай келе, біздің шолу әдебиеттердегі кілт сөздерді анықтау және талқылау, дрондар саласындағы семантикалық ұқсас қауымдастықтарды құру кезінде білім кластерлерін ашу, бұрынғы зерттеулерді сипаттау және болашақ зерттеу бағыттарын ұсыну арқылы бірнеше үлестерді ұсынады. Төменде біз ауылшаруашылық дрондарының дамуы туралы шолудың негізгі нәтижелерін сипаттаймыз:
• Жалпы әдебиет 2012 жылдан кейінгі мақалалар санының артуы көрсеткендей, соңғы онжылдықта жылдам өсті және үлкен назар аударды. Бұл білім саласы әлі толық жетілгендігіне қарамастан (Barrientos et al., 2011; Maes) & Дала, 2019) бірнеше сұрақтар әлі жауапсыз қалды. Мысалы, жабық шаруашылықтағы дрондардың пайдасы әлі де пікірталас үшін ашық (Аслан және басқалар, 2022; Крул және т.б., 2021; Rold' an et al., 2015). Өріс көріністерінің күрделілігі және әртүрлі бейнелеу жағдайлары (мысалы, көлеңкелер мен жарықтандыру) кластағы спектрлік дисперсияның жоғарылауына әкелуі мүмкін (Yao және т.б., 2019). Тіпті кейінгі зерттеу кезеңдерінде де зерттеушілер белгілі бір сценарийлер мен қажетті кескін сапасына сәйкес оңтайлы ұшу жоспарларын анықтауға мәжбүр болды (Соарес және т.б., 2021; Ту және т.б.,
2020).
• Біз бұл саланың тиімді UAV жүйелерін жасаудан ауылшаруашылық дрондарын жобалауда машиналық оқыту және терең оқыту сияқты AI әдістерін енгізуге дейін ілгерілегенін байқаймыз (Bah et al., 2018; Kitano et al., 2019; Maimaitijiang және т.б.). , 2020; Mazzia және т.б., 2020; Tetila және т.б., 2020).
• Ауылшаруашылық ұшқышсыз ұшу аппараттары бойынша зерттеулер негізінен қоршаған ортаны бақылаудағы, егінді басқарудағы және арамшөптерді басқарудағы (1 кластер), сонымен қатар қашықтан фенотиптеу мен өнімділікті бағалаудағы (2 кластер) технологияның әлеуетін зерттеу арқылы қашықтықтан зондтауды талқылады. Ауыл шаруашылығы дрондары бойынша ықпалды зерттеулер жиынтығына Остин (2010), Берни және т.б. (2009)a, Herwitz et al. (2004), Некс және Ремондино (2014) және Чжан мен Ковач (2012). Бұл зерттеулер ауыл шаруашылығы контекстінде дронмен байланысты зерттеулердің тұжырымдамалық негізін жасады.
• Әдістемеге қатысты біз осы уақытқа дейін жүргізілген зерттеулердің көпшілігі жүйелік дизайннан, тұжырымдамалық немесе шолуға негізделген зерттеулерден құралғанын байқадық (Inoue, 2020; Nex & Remondino, 2014; P´erez-Ortiz et al. , 2015; Yao және т.б., 2019). Біз сондай-ақ ауылшаруашылық дрондарын зерттеуде эмпирикалық, сапалы және кейс-стадиге негізделген әдістердің жетіспеушілігін байқаймыз.
• Жақында дәлме-дәл ауыл шаруашылығына, AI әдістеріне, нақты жүзім өсіруге және судың күйзелісін бағалауға қатысты тақырыптар айтарлықтай назар аударды (Espinoza және т.б., 2017; Gomez-Cand ´ on ´ et al., 2016; Matese et al., 2015; Matese & Di Gennaro, 2018, 2021; Z. Zhou et al., 2021). Екі бөлек дәуірде, 1990–2010 және 2011–2021 жылдардағы зерттеу кластерлерін мұқият тексеру доменнің интеллектуалды құрылымының прогресін көрсетеді. 1990 жылдан 2010 жылға дейінгі кезең ұшқышсыз ұшақтар туралы орталық түсініктер мен концепциялардың қалыптасуын құрады, бұл UAV дизайнын, әзірлеуін және енгізуін талқылаудан айқын көрінеді. Екінші дәуірде зерттеу фокусы ауыл шаруашылығында UAV пайдалану жағдайларын синтездеуге күш салып, алдыңғы зерттеулерге кеңейеді. Біз сондай-ақ бейнелеу тапсырмалары мен дәлдіктегі ауыл шаруашылығында дрон қолданбаларын талқылайтын көптеген зерттеулерді таптық.
дәреже | журнал | санау |
1 | Қашықтан зондтау | 258 |
2 | Интеллектуалды және роботтық жүйелер журналы: теория және | 126 |
Бағдарламалар | ||
3 | Ауыл шаруашылығындағы компьютерлер мен электроника | 98 |
4 | IEEE робототехника және автоматтандыру хаттары | 87 |
5 | сенсорлар | 73 |
6 | Қашықтан зондтау халықаралық журналы | 42 |
7 | Дәл ауыл шаруашылығы | 41 |
8 | Ұшақтар | 40 |
9 | Агрономия | 34 |
10 | IEEE қол жетімділігі | 34 |
11 | Advanced Robotic Systems халықаралық журналы | 31 |
12 | Аграрлық және биологиялық инженерия халықаралық журналы | 25 |
13 | PLOS ONE | 25 |
14 | Field Robotics журналы | 23 |
15 | Биосистемалар Инжиниринг | 22 |
салдары
Біздің библиометриялық шолуымыз ғалымдарды, фермерлерді, ауыл шаруашылығы сарапшыларын, өсімдік шаруашылығы бойынша кеңесшілерді және UAV жүйесінің дизайнерлерін ескере отырып әзірленді және жүргізілді. Авторлардың ең жақсы білуі бойынша, бұл терең библиометриялық талдау жасаған алғашқы түпнұсқа шолулардың бірі.
ауыл шаруашылығында дронды қолдану. Біз жарияланымдарға дәйексөз және ко-цитата талдауларын қолдана отырып, осы білім органына жан-жақты шолу жасадық. Біздің дронды зерттеудің зияткерлік құрылымын сипаттау әрекеттеріміз де академиктерге жаңа түсініктер береді. Уақыт өте келе қолданылған кілт сөздерді мұқият қарап шығу ұшқышсыз ұшақтарға қатысты әдебиеттердегі ыстық нүктелер мен зерттеу аймақтарын көрсетеді. Сонымен қатар, біз осы салада аяқталған ең әсерлі зерттеу жұмыстарын анықтау үшін ең көп сілтеме жасалған зерттеулердің тізімін ұсынамыз. Мақалалар мен түйінді сөздерді анықтау, демек, болашақ зерттеулердің бірнеше жолдарын ашу үшін сенімді бастапқы нүктені қамтамасыз ете алады.
Маңыздысы, біз салыстырмалы жұмыстарды жіктейтін кластерлерді анықтадық және нәтижелерін егжей-тегжейлі қарастырдық. Кластерлерде жіктелген зерттеулер UAV зерттеулерінің интеллектуалды құрылымын түсінуге көмектеседі. Айта кетейік, біз дрондарды қабылдау факторларын зерттейтін зерттеулердің тапшылығын анықтадық
және фермерлік қызметтегі кедергілер (9-кестені қараңыз). Болашақ зерттеушілер әртүрлі ауылшаруашылық қызметінде және климаттық жағдайларда дрондарды қабылдау факторларын бағалайтын эмпирикалық зерттеулер жүргізу арқылы бұл әлеуетті олқылықты шеше алады. Сонымен қатар, дрондардың тиімділігіне қатысты кейс-стадиге негізделген зерттеулер даладағы нақты деректермен қамтамасыз етілуі керек. Сондай-ақ, фермерлер мен менеджерлерді академиялық зерттеулерге тарту ұшқышсыз зерттеулерді теориялық және практикалық тұрғыдан алға жылжыту үшін тиімді болар еді. Біз сондай-ақ ең көрнекті зерттеушілерді және олардың қосқан үлестерін анықтай алдық, бұл өте құнды, өйткені соңғы ғылыми жұмыстардан хабардар болу болашақ академиялық талпыныстарға кейбір нұсқаулар бере алады.
Кесте 9
Ұшақсыз ұшу аппараттарын қабылдау кедергілері.
Кедергі | сипаттамасы |
Деректерді қорғау | Киберқауіпсіздік - бұл іске асырудың басты мәселесі IoT шешімдері (Masroor et al., 2021). |
Өзара әрекеттестік және интеграция | Түрлі технологиялар, мысалы, UAV, WSN, IoT және т.б. біріктірілген болуы және деректерді жіберуі керек күрделілік деңгейін арттыру (Alsamhi et al., 2021; Попеску және т.б., 2020; Вуран және т.б., 2018). |
Іске асыру шығындары | Бұл әсіресе шағын фермерлер үшін және әртүрлі озық технологияларды біріктіру ( Масрур және т.б., 2021). |
Еңбек білімі және сараптама | Дрондарды басқару үшін білікті ұшқыштар қажет. Сондай-ақ, әртүрлі озық үлгілерді енгізу технологиялар білікті жұмысшыларды қажет етеді (Ю.Б. Хуан және т.б., 2013; Цурос және т.б., 2019). |
Қозғалтқыш қуаты және ұшу ұзақтық | Ұзақ уақыт бойы ұшқышсыз ұшуға және жабуға болмайды үлкен аумақтар (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Тұрақтылық, сенімділік және маневрлік | Дрондар қолайсыз ауа райы жағдайында тұрақты емес (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Жүктілік шектеулері және сенсорлардың сапасы | Дрондар тек шектеулі жүктерді көтере алады сапасы төмен сенсорларды жүктеу мүмкіндігі (Nebiker және т.б., 2008). |
реттеу | Ұшқышсыз ұшақтар да қауіпті болуы мүмкін, оларда ауыр кейбір салалардағы ережелер (Hardin & Jensen, 2011; Лалиберте және Ранго, 2011). |
Фермерлердің білімі мен қызығушылық | Басқа озық технологиялар сияқты, дрондар табысты жүзеге асыру үшін тәжірибе қажет белгісіздікпен бірге жүреді (Fisher et al., 2009; Ламберт және т.б., 2004; Стаффорд, 2000). |
Өнімділікті арттыру үшін қолда бар ресурстарды тиімді пайдаланудың тұрақты қажеттілігі болғандықтан, фермерлер егістік алқаптарын жылдам, дәл және үнемді сканерлеуді қамтамасыз ету үшін дрондардың артықшылығын пайдалана алады. Технология фермерлерге дақылдарының күйін анықтауға және судың күйін, пісу кезеңін, жәндіктердің зақымдануын және қоректік қажеттіліктерді бағалауға көмектесе алады. Дрондардың қашықтан зондтау мүмкіндіктері фермерлерге мәселелерді ерте кезеңде болжау және тиісті араласуды дереу жасау үшін маңызды деректермен қамтамасыз ете алады. Дегенмен, технологияның пайдасы тек қиындықтарды дұрыс шешкенде ғана жүзеге асады. аясында
Деректер қауіпсіздігіне, сенсорлық технология мәселелеріне (мысалы, өлшеулердің сенімділігі немесе дәлдігі), интеграцияның күрделілігіне және айтарлықтай іске асыру шығындарына қатысты ағымдағы мәселелер, болашақ зерттеулер сонымен қатар ауылшаруашылық ұшқышсыз ұшақтарды және басқа да кескіш құрылғыларды біріктірудің техникалық, экономикалық және пайдалану мүмкіндігін зерттеуі керек. шеткі технологиялар.
шектеулер
Біздің зерттеуімізде бірнеше шектеулер бар. Біріншіден, қорытындылар қорытынды талдау үшін таңдалған жарияланымдармен анықталады. Ауылшаруашылық дрондарына қатысты барлық тиісті зерттеулерді, әсіресе Scopus дерекқорында индекстелмегендерді түсіру қиын. Әрі қарай, деректерді жинау процесі іздеу кілт сөздерін орнатумен шектеледі, бұл инклюзивті болмауы мүмкін және қорытынды емес нәтижелерге әкелуі мүмкін. Осылайша, болашақ зерттеулерді жасау үшін деректер жинаудың негізгі мәселесіне көбірек көңіл бөлу керек
сенімдірек тұжырымдар. Тағы бір шектеу дәйексөздер саны аз жаңа басылымдарға қатысты. Библиометриялық талдау бұрынғы жарияланымдарға бей-жай қарайды, өйткені олар жылдар өткен сайын көбірек сілтемелер алады. Соңғы зерттеулер назар аудару және дәйексөздерді жинақтау үшін белгілі бір уақытты қажет етеді. Демек, парадигманы өзгертуге әкелетін соңғы зерттеулер ықпалды жұмыстардың ондығына кірмейді. Бұл шектеу ауылшаруашылық дрондары сияқты тез дамып келе жатқан зерттеу салаларын зерттеуде кең таралған. Біз осы жұмысқа арналған әдебиеттерді зерттеу үшін Scopus-пен кеңескендіктен, болашақ зерттеушілер басқаша қарастыруы мүмкін
Web of Science және IEEE Xplore сияқты дерекқорлар көкжиекті кеңейту және зерттеу құрылымын жақсарту үшін.
Потенциалды библиометриялық зерттеулер жаңа түсініктерді қалыптастыру үшін конференция материалдары, тараулар және кітаптар сияқты өмірлік маңызды білім көздерін қарастыруы мүмкін. Ауылшаруашылық дрондары туралы жаһандық жарияланымдарды картаға түсіруге және зерттеуге қарамастан, біздің тұжырымдар университеттердің ғылыми нәтижелерінің себептерін ашпады. Бұл кейбір университеттердің ауылшаруашылық саласындағы зерттеулерге келгенде неге басқаларға қарағанда өнімдірек екенін сапалы түрде түсіндіруде жаңа зерттеу саласына жол ашады.
дрондар. Сонымен қатар, болашақ зерттеулер бірнеше зерттеушілер көрсеткендей, қоршаған ортаны бақылау, егінді басқару және арамшөптерді картаға түсіру сияқты бірнеше жолмен ауыл шаруашылығының тұрақтылығын арттыру үшін дрондардың әлеуеті туралы түсінік бере алады (Chamuah & Singh, 2019; Islam et al., 2021; Попеску және басқалар, 2020; Дж. Су, Лю, және т.б., 2018b). Таңдалған жұмыстардың көптігіне байланысты мәтіндік талдау мүмкін болмағандықтан, әдебиеттерді зерттейтін жүйелі шолулар қажет.
қолданылатын зерттеу әдістері және фермерлерді алдыңғы зерттеулерге тарту. Қысқасы, біздің дрондық зерттеулерді талдау осы білім органының көрінбейтін байланыстарын көрсетеді. Сондықтан бұл шолу басылымдар арасындағы байланыстарды ашуға көмектеседі және зерттеу саласының интеллектуалдық құрылымын зерттейді. Ол сондай-ақ әдебиеттің әртүрлі аспектілері арасындағы байланыстарды бейнелейді, мысалы, авторлардың түйінді сөздері, серіктестіктері және елдері.
Бәсекелес қызығушылық туралы декларация
Авторлар өздерінің осы мақалада баяндалған жұмыстарға әсер етуі мүмкін белгілі бәсекелес қаржылық мүдделері немесе жеке қатынастары жоқ екенін мәлімдейді.
Қосымша 1
TITLE-ABS-KEY (((ұшқышсыз ұшу аппараты* НЕМЕСЕ "ұшқышсыз ұшу аппараты" НЕМЕСЕ ұшқышсыз ұшу аппараты* НЕМЕСЕ "ұшқышсыз ұшақ жүйесі"” НЕМЕСЕ uas НЕМЕСЕ «қашықтықтан басқарылатын ұшақ”) ЖӘНЕ (ауылшаруашылық НЕМЕСЕ ауыл шаруашылығы НЕМЕСЕ фермерлік НЕМЕСЕ фермер))) ЖӘНЕ (АЛЫСҚА ҚОСУ (ЖАТЫҚ ЖЫЛ, 2022)) ЖӘНЕ (ШЕКТЕУЛІ (ТІЛ, “Ағылшын”)).
Әдебиеттер тізімі
Аасен, Х., Буркарт, А., Болтен, А., Барет, Г., 2015. Өсімдіктерді бақылау үшін жеңіл UAV түсірілім камераларымен 3D гиперспектрлік ақпаратты құру: бастап
сапаны қамтамасыз ету үшін камераны калибрлеу. ISPRS J. Фотограмма. Қашықтан басқару сенсоры 108, 245–259. https://doi.org/10.1016/j.isprsjprs.2015.08.002.
Abd-Elrahman, A., Pearlstine, L., Percival, F., 2005. Ұшқышсыз ұшу аппаратының суреттерінен құстарды автоматты түрде анықтау үшін үлгіні тану алгоритмін әзірлеу.
Сауалнама. Жер туралы ақпарат. Ғылым. 65 (1), 37–45.
Абдоллахи, А., Режеб, К., Режеб, А., Мостафа, ММ, Заилани, С., 2021. Ауыл шаруашылығындағы сымсыз сенсорлық желілер: библиометриялық талдаудан алынған түсініктер. Тұрақтылық 13 (21),
12011.
Aboutalebi, M., Torres-Rua, AF, Kustas, WP, Nieto, H., Coopmans, C., McKee, M., Assessment of different methods of көлеңкелерді анықтау жоғары ажыратымдылықтағы оптикалық кескіндер және бағалауға көлеңке әсерін есептеу. NDVI және булану. Суару. Ғылым. 37 (3), 407–429. https://doi.org/10.1007/s00271-018-0613-9.
Адао, ˜ T., Hruˇska, J., Padua, ´ L., Bessa, J., Peres, E., Morais, R., Sousa, JJ, 2017. Гиперспектрлік бейнелеу: UAV негізіндегі сенсорларға шолу, деректер өңдеу және
ауыл және орман шаруашылығына арналған өтінімдер. Қашықтан зондтау 9 (11). https://doi.org/ 10.3390/rs9111110.
Aguera Vega, F., Ramírez, FC, Saiz, MP, Rosúa, FO, 2015. Күнбағыс дақылын бақылау үшін ұшқышсыз ұшу аппаратын қолданатын көп уақытты бейнелеу. Биосиста. Аг.
132, 19–27. https://doi.org/10.1016/j.biosystemseng.2015.01.008.
Ajayi, OG, Salubi, AA, Angbas, AF, Odigure, MG, 2017. UAV-дан дәл цифрлық биіктік үлгілерін жасау төмен пайыздық қабаттасатын кескіндерді алды. Int.
J. Қашықтағы сенсор 38 (8–10), 3113–3134. https://doi.org/10.1080/ 01431161.2017.1285085.
Али, I., Greifeneder, F., Stamenkovic, J., Neumann, M., Notarnicola, C., 2015. Қашықтан зондтау деректерінен биомасса мен топырақтың ылғалдылығын алу үшін машиналық оқыту тәсілдеріне шолу. Қашықтан зондтау 7 (12), 16398–16421.
Алсамхи, SH, Афгах, Ф., Сахал, Р., Хавбани, А., Аль-канесс, МАА, Ли, Б., Гуизани, М., B5G желілерінде UAV-ларды пайдаланатын заттардың жасыл интернеті: қолданбаларды шолу
және стратегиялар. Жарнама. Хок. Желі. 117, 102505 https://doi.org/10.1016/j. adhoc.2021.102505.
Аль-Тани, Н., Альбуайнайн, А., Альнаими, Ф., Зорба, Н., 2020. Қой малын бақылауға арналған дрондар. IEEE Жерорта теңізінің 20-шы электротехникалық конференциясында. https://doi.
org/10.1109/MELECON48756.2020.9140588.
Ampatzidis, Y., Partel, V., 2019. Мультиспектрлі бейнелеу мен жасанды интеллект көмегімен цитрустық өсімдіктерде UAV негізіндегі жоғары өткізу қабілеттілігі фенотиптеу. Қашықтан зондтау 11 (4), https://doi.org/10.3390/rs11040410.
Ампатзидис, Ю., Партел, В., Коста, Л., 2020. Агрокөрініс: жасанды интеллект арқылы нақты ауыл шаруашылығы қолданбалары үшін UAV жиналған деректерді өңдеуге, талдауға және визуализациялауға арналған бұлтқа негізделген қолданба. Есептеу. Электрон. Аграрлық. 174, 105457 https://doi. org/10.1016/j.compag.2020.105457.
Ang, K.-L.-M., Seng, JKP, 2021. Ауыл шаруашылығындағы гиперспектрлік ақпаратпен үлкен деректер және машиналық оқыту. IEEE Access 9, 36699–36718. https://doi.org/10.1109/
ACCESS.2021.3051196.
Aquilani, C., Confessore, A., Bozzi, R., Sirtori, F., Pugliese, C., 2022. Шолу: жайылымдық мал шаруашылығы жүйелеріндегі мал шаруашылығының дәлдігі. Жануар 16 (1), https://doi.org/10.1016/j.animal.2021.100429.
Армента-Медина, Д., Рамирес-Делреал, Т.А., Виллануева-Васкес, ´ Д., Межиа-Агирре, С.
Ауыл шаруашылығы өнімділігін арттыру: библиометриялық талдау. Агрономия 10 (12), 12-бап. https://doi.org/10.3390/agronomy10121989.
Армстронг, И., Пирроне-Брусс, М., Смит, А., Джадуд, М., 2011. Ұшатын гатор: occam-π-де әуе робототехникасына қарай. Коммун. Процесс сәулетшісі. 2011, 329–340. https://doi. org/10.3233/978-1-60750-774-1-329.
Arora, SD, Chakraborty, A., 2021. Тұтынушының шағымдану мінез-құлқының (CCB) зерттеуінің интеллектуалды құрылымы: библиометриялық талдау. J. Business Res. 122, 60–74.
Аслан, MF, Durdu, A., Sabanci, K., Ropelewska, E., Gültekin, SS, 2022.
Ашық алқаптар мен жылыжайларда дәл ауыл шаруашылығына арналған UAV-мен соңғы зерттеулерге жан-жақты шолу. Қолданба. Ғылым. 12 (3), 1047. https://doi.org/10.3390/
қолданба12031047.
Аткинсон, Джа, Джексон, РДЖ, Бентли, AR, Обер, Э., Уэллс, ДМ (2018). Болашақ үшін далалық фенотиптеу. Жылдық өсімдіктерге шолулар онлайнда (719–736 беттер). Джон
Wiley & Sons, Ltd. doi: 10.1002/9781119312994.apr0651.
Остин, Р., 2010. Ұшқышсыз ұшақтар жүйелері: UAVS жобалау, әзірлеу және орналастыру. Өтініште: Ұшқышсыз ұшақтар жүйелері: UAVS жобалау, әзірлеу және
Орналастыру. Джон Уайли және ұлдары. https://doi.org/10.1002/9780470664797.
Авайс, М., Ли, В., Чима, MJM, Заман, QU, Шахин, А., Аслам, Б., Жу, В., Аджмал, М., Фахим, М., Хусейн, С., Надим, AA, Afzal, MM, Liu, C., 2022. Өсімдік кернеуіндегі UAV негізіндегі қашықтан зондтау цифрлық ауыл шаруашылығы тәжірибелері үшін жоғары ажыратымдылықтағы жылу сенсорын пайдалануды елестетіңіз: мета-шолу. Int. Дж. Эквирон. Ғылым. Техн. 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: мүмкіндіктер, қиындықтар
және технологияны қамтамасыз етушілер. 2018 IoT Vertical және. Ауыл шаруашылығы бойынша өзекті саммит - Тоскана (IOT Toscany) 1–6. https://doi.org/10.1109/IOTTUSCANY.2018.8373043.
Bah, MD, Hafiane, A., Canals, R., 2018. UAV кескіндеріндегі желілік дақылдарда арамшөптерді анықтау үшін бақыланбайтын деректерді таңбалаумен терең оқыту. Қашықтан зондтау 10 (11), 1690.
https://doi.org/10.3390/rs10111690.
Балди, С., 1998. Дәйексөздерді бөлудегі нормативтік қарсы әлеуметтік конструктивистік процестер: желілік-аналитикалық модель. Ам. Әлеуметтік. Аян 63 (6), 829–846. https://doi.
org / 10.2307 / 2657504.
Baluja, J., Diago, MP, Balda, P., Zorer, R., Meggio, F., Morales, F., Tardaguila, J., 2012. Жылулық және мультиспектрлік арқылы жүзімдік суының күйінің өзгермелілігін бағалау
ұшқышсыз ұшатын аппаратты (ұшқышсыз ұшатын аппаратты) пайдаланатын суреттер. Суару. Ғылым. 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., Келесі ұрпақ өсіру. Өсімдік ғылымы. 242, 3–13. https://doi.org/10.1016/j.
plantci.2015.07.010.
Barbedo, JGA, Koenigkan, LV, 2018. Ірі қара малды бақылау үшін ұшқышсыз ұшу жүйелерін пайдалану перспективалары. Outlook Agric. 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. Төмен салмақты және UAV негізіндегі гиперспектрлі. толық кадрлы камералар
дақылдарды бақылау үшін: портативті спектррадиометрлік өлшемдермен спектрлік салыстыру. Photogrammetrie, Fernerkundung, Geoinformation 2015 (1), 69–79.
https://doi.org/10.1127/pfg/2015/0256.
Барриентос, А., Колорадо, Дж., дель Серро, Дж., Мартинес, А., Росси, С., Санц, Д., Валенте, Дж., Ауыл шаруашылығындағы қашықтықтан зондтау: аумақты қамтуға практикалық көзқарас.
және шағын әуе роботтарының флоттарының жолын жоспарлау. Дж. Филд Роб. 28 (5), 667–689. https://doi.org/10.1002/rob.20403.
Басири, А., Мариани, В., Силано, Г., Аатиф, М., Ианелли, Л., Глиелмо, Л., 2022. Дәлдікте көп роторлы UAV үшін жолды жоспарлау алгоритмдерін қолдану бойынша сауалнама
ауыл шаруашылығы. Дж. Навиг. 75 (2), 364–383.
Баснет, Б., Бэнг, Дж., 2018. Білімді қажет ететін ауыл шаруашылығының заманауи деңгейі: қолданбалы сенсорлық жүйелер мен деректерді талдауға шолу. J. Sens. 2018, 1–13.
Бендиг, Дж., Болтен, А., Барет, Г., 2013. Дақылдардың өсуінің өзгермелілігін бақылау үшін көп уақытты, өте жоғары ажыратымдылықтағы дақыл бетінің үлгілеріне арналған UAV негізіндегі кескіндеу. 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. UAV негізіндегі RGB кескінінен алынған дақыл бетінің үлгілерін (CSMs) пайдаланып арпаның биомассасын бағалау. Қашықтан зондтау 6 (11), 10395–10412.
Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Gnyp, ML, Bareth, G., 2015. UAV негізіндегі өсімдік биіктігін өсімдік бетінен біріктіру модельдер,
арпадағы биомасса мониторингі үшін көрінетін және жақын инфрақызыл өсімдіктер индекстері. Int. J. Appl. Earth Obs. Geoinf. 39, 79–87. https://doi.org/10.1016/j.jag.2015.02.012.
Берни, Джа, Зарко-Тежада, ПДЖ, Сепулкре-Канто, ´ Г., Феререс, Э., Виллалобос, Ф., 2009a. Жоғары ажыратымдылықты пайдалана отырып, зәйтүн бақтарында шатыр өткізгіштігі мен CWSI картасын жасау
термиялық қашықтықтан зондтау кескіндері. Қашықтан сенсорлық орта. 113 (11), 2380–2388. https://doi.org/10.1016/j.rse.2009.06.018.
Берни, Джа, Зарко-Тежада, ПДЖ, Суарес, ´ Л., Феререс, Э., 2009b. Ұшқышсыз ұшатын аппараттан өсімдіктерді бақылау үшін термиялық және тар жолақты көпспектрлі қашықтықтан зондтау. IEEE Trans. Геология. Қашықтан басқару сенсоры 47 (3), 722–738.
Бузембрак, Ю., Ключе, М., Гавай, А., Марвин, HJP, 2019. Азық-түлік қауіпсіздігіндегі заттардың интернеті: әдебиеттерге шолу және библиометриялық талдау. Trends Food Sci. Техн. 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 in agriculture: жобалау. IEEE Commun. Маг. 55 (9), 26–33.
Buters, TM, Belton, D., Cross, AT, 2019. Миллиметрлік дәлдікпен жеке көшеттер мен көшет қауымдастықтарын көп сенсорлы UAV бақылау. Дрондар 3 (4), 81.
https://doi.org/10.3390/drones3040081.
Кандиаго, С., Ремондино, Ф., Де Гиглио, М., Дуббини, М., Гаттелли, М., 2015. UAV кескіндерінен нақты ауылшаруашылық қосымшалары үшін мультиспектрлік кескіндер мен өсімдіктердің индекстерін бағалау. Қашықтан зондтау 7 (4), 4026–4047. https://doi.org/10.3390/rs70404026.
Cao, Y., Li, GL, Luo, YK, Pan, Q., Zhang, SY, 2020. UAV-дан алынған кең динамикалық диапазондағы вегетациялық индексті (WDRVI) пайдалана отырып, қант қызылшасының өсу көрсеткіштерінің мониторингі
мультиспектрлі кескіндер. Есептеу. Электрон. Аграрлық. 171, 105331 https://doi.org/10.1016/j.compag.2020.105331.
Касильяс, Дж., Аседо, Ф., 2007. Отбасылық бизнес әдебиетінің зияткерлік құрылымының эволюциясы: FBR библиометриялық зерттеу. Отбасылық бизнес Rev. 20 (2), 141–162.
Цэн, Х., Ван, Л., Чжу, Дж., Ли, Ю., Ли, X., Чжу, Ю., Вэн, Х., Ву, В., Ин, В., Сю, Ц. Бао, Ю., Фэн, Л., Шоу, Дж., Хэ, Ю., 2019. Күріш биомассасының динамикалық мониторингі
қосарлы кадрлық сурет камералары бар жеңіл UAV көмегімен әртүрлі азот өңдеулері. Өсімдік әдістері 15 (1), 32. https://doi.org/10.1186/s13007-019-
0418-8.
Чамуах, А., Сингх, Р., 2019. Азаматтық UAV арқылы үнділік ауыл шаруашылығындағы тұрақтылықты қамтамасыз ету: жауапты инновациялық перспектива. SN қолданбасы. Ғылым. 2 (1), 106. https://
doi.org/10.1007/s42452-019-1901-6.
Чамуах, А., Сингх, Р., 2022. Үндістанның өсімдік шаруашылығын сақтандыру қосымшалары үшін азаматтық ұшқышсыз ұшу аппаратының (UAV) инновацияларын жауапты басқару. Ж. Жауапты
Техн. 9, 100025 https://doi.org/10.1016/j.jrt.2022.100025.
Чен, А., Орлов-Левин, В., Мерон, М., 2019. Дәл суаруды басқару үшін егіс алқабының жоғары ажыратымдылықтағы көрінетін арнаның аэрофотосуретін қолдану. Аграрлық. Су
Басқар. 216, 196–205. https://doi.org/10.1016/j.agwat.2019.02.017.
Даакир, М., Пьерро-Деселлигни, М., Боссер, П., Пичард, Ф., Том, С., Работ, Ю., Мартин, О., 2017. Борттық фотограмметриясы және жалғыз жиілікті GPS позициясы бар жеңіл UAV. метрология қолданбалары үшін. ISPRS J. Фотограмма. Қашықтан сенсор. 127, 115–126. https://doi.org/10.1016/j.isprsjprs.2016.12.007.
Dawaliby, S., Aberkane, A., Bradai, A., 2020. Автономды дрон операцияларын басқаруға арналған блокчейн негізіндегі IoT платформасы. В: 2-ші ACM материалдары
5G және одан тыс үшін Drone көмегімен сымсыз байланыстар бойынша MobiCom семинары, 31–36 беттер. https://doi.org/10.1145/3414045.3415939.
Day, RA, Gastel, B., 1998. Ғылыми жұмысты қалай жазуға және жариялауға болады. Кембридж университетінің баспасөзі. де Кастро, AI, Пена, ˜ JM, Торрес-Санчес, ´ Дж., Джим´енес-Бренес, FM, ВаленсияГредилла, Ф., Рекасенс, Дж., Лопес-Гранадос, ´ Ф., 2020. Цинодон дактилоны инфекциясының картасы дақылдарды автоматты шешім ағашы-OBIA процедурасымен және дәл жүзім өсіруге арналған UAV суреттерімен жабу. Қашықтан зондтау 12 (1), 56. https://doi.org/10.3390/rs12010056.
де Кастро, AI, Торрес-С´ анчес, Дж., Пена, ˜ JM, Jim´enez-Brenes, FM, Csillik, O., Lopez- ´Granados, F., 2018. Автоматты кездейсоқ орман-OBIA алгоритмі UAV суреттерін пайдалана отырып, егіс қатарлары арасында және ішінде арамшөптерді ерте карталау. Қашықтан зондтау 10 (2). https://doi.org/10.3390/rs10020285.
Demir, N., Sonmez, ¨ NK, Akar, T., Unal, S., 2018. UAV кескіндерінен алынған DSM көмегімен бидай генотиптерінің өсімдік биіктігін автоматтандырылған өлшеу. Процедуралар 2 (7), 350. https://doi.org/10.3390/ecrs-2-05163.
Дэн, Дж., Чжун, З., Хуан, Х., Лан, Ю., Хан, Ю., Чжан, Ю., 2020. Ұшқышсыз ұшу аппараттарын пайдаланып, нақты уақыттағы арамшөптерді картаға түсіруге арналған жеңіл семантикалық сегменттеу желісі. Қолданба. Ғылым. 10 (20), 7132. https://doi.org/10.3390/app10207132.
Дэн, Л., Мао, З., Ли, X., Ху, З., Дуан, Ф., Ян, Ю., 2018. Дәл ауыл шаруашылығына арналған UAV негізіндегі мультиспектрлі қашықтан зондтау: әртүрлі камералар арасындағы салыстыру. ISPRS J. Фотограмма. Қашықтан сенсор. 146, 124–136.
Диас-Гонсалес, Ф.А., Вуэлвас, Дж., Корреа, CA, Vallejo, VE, Патино, Д., 2022. Топырақ көрсеткіштерін бағалау үшін қолданылатын машиналық оқыту және қашықтықтан зондтау әдістері – шолу. Экол. Инд. 135, 108517 https://doi.org/10.1016/j.ecolind.2021.108517.
Диаз-Варела, РА, Де ла Роза, Р., Леон, ´ Л., Зарко-Тежада, PJ, 2015. 3D фотосуреті арқылы зәйтүн ағашының тәжі параметрлерін бағалау үшін жоғары ажыратымдылықтағы әуедегі UAV суреттері
қайта құру: селекциялық сынақтарда қолдану. Қашықтан зондтау 7 (4), 4213–4232. https://doi.org/10.3390/rs70404213.
Dixit, A., Jakhar, SK, 2021. Әуежайдың сыйымдылығын басқару: шолу және библиометриялық талдау. J. Air Transp. Басқар. 91, 102010.
Дон, Т., Шан, Дж., Лю, Дж., Цян, Б., Цзин, К., Ма, Б., Хаффман, Т., Гэн, Х., Соу, А., Ши, Ы., Canisius, F., Jiao, X., Kovacs, JM, Walters, D., Cable, J., Wilson, J., 2019.
Онтарио, Канададағы дақылдардың өсуі мен өнімділігінің өріс ішіндегі өзгермелілігін анықтау үшін RapidEye кескіндерін пайдалану. Precision Agric. 20 (6), 1231–1250. https://doi.org/10.1007/
s11119-019-09646-w.
Dutta, PK, Mitra, S., 2021. COVID-19-дан кейінгі кезеңде азық-түлік жеткізу тізбегін түсіну үшін ауылшаруашылық дрондары мен иоттарын қолдану. Онда: Чоудхури, А., Бисвас, А., Пратек, М.,
Чакрабарти, А. (ред.), Ауылшаруашылық информатикасы: IoT және Machine Learning көмегімен автоматтандыру. Уайли, 67–87 беттер. van Eck, N., Waltman, L., 2009. Бағдарламалық қамтамасыз етуді зерттеу: VOSviewer, библиометриялық карта жасауға арналған компьютерлік бағдарлама. Scientometrics 84 (2), 523–538. https://doi.org/10.1007/s11192-009-0146-3.
Ильяс, О., Рахман, Т.А., Орикумхи, И., Леов, CY, Hindia, MN, 2018. Ауыл шаруашылығындағы заттар интернеті (IoT) және деректер талдауына шолу: артықшылықтар мен қиындықтар.
IEEE Internet Things 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. Агрономиялық тексеру ҰАО және өріс
қызанақ сорттары үшін өлшемдер. Есептеу. Электрон. Аграрлық. 158, 278–283. https:// doi.org/10.1016/j.compag.2019.02.011.
Espinoza, CZ, Khot, LR, Sankaran, S., Jacoby, PW, 2017. Жоғары ажыратымдылықтағы мультиспектрлік және термиялық қашықтықтан зондтау негізіндегі су кернеуін бағалау
жер асты суармалы жүзім алқаптары. Қашықтан зондтау 9 (9), 961. https://doi.org/ 10.3390/rs9090961.
Ewing, J., Oommen, T., Jayakumar, P., Alger, R., 2020. Топырақ градациясы үшін гиперспектральды қашықтықтан зондтауды пайдалану. Қашықтан зондтау 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. Андерсон, К., 2020. Операциялық жағдайларда дрон негізіндегі мультиспектральды беттік шағылысу және өсімдіктердің индекстерін көп масштабты бағалау. Қашықтан зондтау 12 (3), 514.
Feng, X., Yan, F., Liu, X., 2019. Дәл ауыл шаруашылығы үшін заттар Интернетіндегі сымсыз байланыс технологияларын зерттеу. Сымсыз персонал. Коммун. 108 (3),
1785-1802.
Ferreira, MP, Pinto, CF, Serra, FR, 2014. Халықаралық бизнес зерттеулеріндегі транзакциялық шығындар теориясы: үш онжылдықтағы библиометриялық зерттеу. Scientometrics 98 (3), 1899–1922 жж. https://doi.org/10.1007/s11192-013-1172-8.
Фишер, П., Абузар, М., Раб, М., Бест, Ф., Чандра, С., 2009. Австралияның оңтүстік-шығысындағы нақты ауыл шаруашылығындағы жетістіктер. I. имитациялау үшін регрессия әдістемесі
фермерлердің тарихи егістік шығымдылығын пайдалана отырып, дәнді дақылдардың шығымдылығының кеңістіктегі өзгеруі және өсімдік жамылғысының нормаланған айырмашылығы индексі. Өсімдік жайылымы ғылымы. 60 (9), 844–858.
Floreano, D., Wood, RJ, 2015. Ғылым, технология және шағын автономды ұшқышсыз ұшақтардың болашағы. Табиғат 521 (7553), 460–466. https://doi.org/10.1038/nature14542.
Friha, O., Ferrag, MA, Shu, L., Maglaras, LA, Wang, X., 2021. Ақылды ауыл шаруашылығының болашағы үшін заттардың интернеті: дамып келе жатқан технологияларды кешенді зерттеу. IEEE CAA J. Autom. Sinica 8 (4), 718–752.
Фуэнтес-Пачеко, Дж., Торрес-Оливарес, Дж., Роман-Ранджел, Э., Сервантес, С., ХуаресЛопес, П., Хермосильо-Валадес, Дж., Рендон-Манча, ´ JM, 2019. Інжір өсімдіктерін сегменттеу терең конволюциялық кодтаушы-декодер желісін пайдалана отырып, аэрофотосуреттерден. Қашықтан зондтау 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. UAV-лар судың кернеуін бағалауға шақырады.
тұрақты ауыл шаруашылығы. Аграрлық. Су менеджері. 153, 9–19. https://doi.org/10.1016/j. агват.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. Жылулық бейнелеу зауытта
тапшылықты суару стратегиялары бойынша бадам ағаштарындағы егістік судың күйін бағалау үшін деңгей (cv. Гуара). Аграрлық. Су менеджері. 208, 176–186. https://doi.org/10.1016/j.
агват.2018.06.002.
Garzonio, R., Di Mauro, B., Colombo, R., Cogliati, S., 2017. Шағын гиперспектральды UAS көмегімен беттік шағылысу және күннің индукцияланған флуоресцентті спектроскопиялық өлшемдері. Қашықтан зондтау 9 (5), 472. https://doi.org/10.3390/rs9050472. Gaˇsparovi´c, M., Zrinjski, M., Barkovi´c, Đ., Radoˇcaj, D., 2020. Автоматты әдіс
сұлы егістігіндегі арамшөптерді ұшқышсыз авиациялық түсірілімдер негізінде картаға түсіру. Есептеу. Электрон. Аграрлық.
Гебберс, Р., Адамчук, VI, 2010. Дәл ауыл шаруашылығы және азық-түлік қауіпсіздігі. Ғылым 327 (5967), 828–831. https://doi.org/10.1126/science.1183899.
Geipel, J., Link, J., Claupein, W., 2014. Ұшқышсыз ұшақ жүйесімен алынған аэрофотосуреттер мен өсімдік бетінің үлгілері негізінде жүгері өнімділігін біріктірілген спектрлік және кеңістіктік модельдеу. Қашықтан зондтау 6 (11), 10335–10355. https://doi.org/10.3390/rs61110335.
Geng, D., Feng, Y., Zhu, Q., 2020. Пайдаланушыларға арналған тұрақты дизайн: әдебиеттерге шолу және библиометриялық талдау. Қоршаған орта. Ғылым. Ластану. Res. 27 (24), 29824–29836. https://doi. org/10.1007/s11356-020-09283-1.
Gevaert, CM, Suomalainen, J., Tang, J., Kooistra, L., 2015. Көп спектрлі спутникті және гиперспектралды біріктіру арқылы спектральды уақыттық жауап беттерін құру
Дәл ауыл шаруашылығына арналған UAV суреттері. IEEE J. Sel. Жоғарғы. Қолданба. Earth Obs. Қашықтан басқару сенсоры 8 (6), 3140–3146. ttps://doi.org/10.1109/JSTARS.2015.2406339.
Gill, SS, Chana, I., Buyya, R., 2017. IoT негізіндегі ауыл шаруашылығы бұлт және үлкен деректер қызметі: цифрлық Үндістанның басы. J. Org. және соңғы пайдаланушы есептеуі. (JOEUC) 29 (4),
1-23.
Гмүр, М., 2006. Бірлескен дәйексөздерді талдау және көрінбейтін колледждерді іздеу: әдістемелік бағалау. Scientometrics 57 (1), 27–57. https://doi.org/10.1023/
а:1023619503005.
Gnadinger, ¨ F., Schmidhalter, U., 2017. Ұшқышсыз ұшу аппараттары (ҰАО) арқылы жүгері өсімдіктерінің сандық саны. Қашықтан зондтау 9 (6). Https://doi.org/10.3390/rs9060544.
Гокто ¨ ǧan, AH, Sukkarieh, S., Bryson, M., Randle, J., Lupton, T., Hung, C., 2010. Судағы арамшөптерді бақылауға арналған айналмалы қанатты ұшқышсыз әуе көлігі.
басқару. Дж. Intell. Робототехника жүйесі: Теор. Қолданба. 57 (1–4), 467–484. https://doi. org/10.1007/s10846-009-9371-5.
Гомес-Канд ´ on, ´ D., De Castro, AI, Lopez-Granados, ´ F., 2014. Бидайдағы дәлдіктегі ауылшаруашылық мақсаттары үшін ұшқышсыз ұшатын аппараттан (UAV) түсірілген мозаикалардың дәлдігін бағалау. Дәл. Аграрлық. 15 (1), 44–56. https://doi.org/10.1007/s11119-013-9335-4.
Гомес-Канд ´ on, ´ D., Virlet, N., Labb´e, S., Jolivot, A., Regnard, J.-L., 2016. UAV арқылы сезілетін бейнелер арқылы ағаш масштабындағы су кернеуінің далалық фенотипі : үшін жаңа түсініктер
термиялық алу және калибрлеу. Дәл. Аграрлық. 17 (6), 786–800. https://doi.org/10.1007/s11119-016-9449-6.
Гонсалес-Дюго, В., Зарко-Тежада, П.Дж., Феререс, Э., 2014. Цитрус бақтарында су тапшылығының көрсеткіші ретінде дақылдардың су стресс индексін пайдаланудың қолданылуы мен шектеулері. Аграрлық. Үшін. Метеорол. 198–199, 94–104. https://doi.org/10.1016/j. agrformet.2014.08.003.
Гонсалес-Дуго, В., Зарко-Тежада, П., Николас, ´ Э., Нортес, ПА, Аларкон, ´ JJ, Intrigliolo, DS, Fereres, E., 2013.
коммерциялық бақтағы бес жеміс ағашы түрінің су күйінің өзгермелілігін бағалау. Дәл. Аграрлық. 14 (6), 660–678. https://doi.org/10.1007/s11119-013-9322-9.
Гоял, К., Кумар, С., 2021. Қаржылық сауаттылық: Жүйелі шолу және библиометриялық талдау. Int. J. Consumer Studies 45 (1), 80–105. https://doi.org/10.1111/
ijcs.12605.
Grenzdorffer, ¨ GJ, Engel, A., Teichert, B., 2008. Орман шаруашылығы мен ауыл шаруашылығындағы арзан ұшақтардың фотограмметриялық потенциалы. Фотограмметрия, қашықтықтан зондтау және кеңістіктік ақпарат ғылымдарының халықаралық мұрағаты – ISPRS мұрағаты 37, 1207–1213. https://www.scopus.com/inward/record.uri?eid=2-s2.0-85039543258&partnerI D=40&md5=b4b2d639257e8ddb5a373d15959c4e1e.
Гуан, С., Фуками, К., Мацунака, Х., Оками, М., Танака, Р., Накано, Х., Сакай, Т., Накано, К., Охдан, Х., Такахаши, К. 2019. Жоғары ажыратымдылықтың корреляциясын бағалау
NDVI тыңайтқышты қолдану деңгейі және шағын ұшқышсыз ұшу аппараттарының көмегімен күріш және бидай дақылдарының шығымдылығы. Қашықтан зондтау 11 (2), 112.
Gundolf, K., Filser, M., 2013. Басқару зерттеулері және дін: дәйексөзді талдау. J. Автобус. Этика 112 (1), 177–185.
Гуо, К., Жу, Ю., Тан, Ю., Хоу, Ц., Хэ, Ю., Чжуан, Дж., Чжэн, Ю., Луо, С., 2020. CFD модельдеу және кеңістікті эксперименттік тексеру және уақытша бөлу
төрт роторлы ауылшаруашылық ұшқышсыз ұшу аппаратының төмен қарай жуатын ауа ағыны. Есептеу. Электрон. Аграрлық. 172, 105343 https://doi.org/10.1016/j.compag.2020.105343.
Хагихатталаб, А., Гонз'алез Перес, Л., Мондал, С., Сингх, Д., Шинсток, Д., Руткоски, Дж., Ортиз-Монастерио, И., Сингх, РП, Гудин, Д. , Польша, Дж., 2016 ж.
Бидай өсіретін ірі питомниктердің жоғары өнімділігін фенотиптеу үшін ұшқышсыз ұшу жүйелерін қолдану. Өсімдіктерді өсіру әдістері 12 (1). https://doi.org/10.1186/s13007-
016-0134-6.
Хакала, Т., Хонкаваара, Э., Саари, Х., Макинен, ¨ Дж., Кайвосожа, Дж., Песонен, Л., және Пол ¨ онен, ¨I., 2013. Әртүрлі жарықтандыру жағдайларындағы UAV-дан спектрлік бейнелеу . GG Bill R. (Ред.), Фотограмметрия, қашықтықтан зондтау және кеңістіктік ақпарат ғылымдарының халықаралық мұрағаты — ISPRS мұрағаттары (том. 40, 1W2 басылым, 189–194 беттер). Фотограмметрия және қашықтықтан зондтау халықаралық қоғамы. https://www.scopus.com/inward/record.uri?eid=2-s2.0-848875632.
Хамилтон, С.М., Моррис, Р.Х., Карвальо, Р.К., Родер, Н., Барлоу, П., Миллс, К., Ванг, Л. Арал өсімдіктерін ұшқышсыз әуеден картаға түсіру әдістерін бағалау
Көлік құралдарының (UAV) кескіндері: пиксельді жіктеу, визуалды интерпретация және машиналық оқыту тәсілдері. Int. J. Appl. Earth Obs. Geoinf. 89, 102085 https://doi.org/
10.1016/j.jag.2020.102085.
Хаке, А., Ислам, Н., Самрат, НХ, Дей, С., Рэй, Б., 2021. Бангладештегі жауапты көшбасшылық арқылы ақылды ауылшаруашылық: мүмкіндіктер, мүмкіндіктер және одан тыс.
Тұрақтылық 13 (8), 4511.
Hardin, PJ, Hardin, TJ, 2010. Қоршаған ортаны зерттеудегі шағын масштабты қашықтан басқарылатын көліктер. Географиялық компас 4 (9), 1297–1311. ttps://doi.org/10.1111/j.1749-
8198.2010.00381.х.
Hardin, PJ, Jensen, RR, 2011. Қоршаған ортаны қашықтықтан зондтаудағы шағын масштабты ұшқышсыз ұшу аппараттары: қиындықтар мен мүмкіндіктер. ГИС. Қашықтан басқару сенсоры 48 (1), 99–111. https://doi.org/10.2747/1548-1603.48.1.99.
He, Y., Nie, P., Zhang, Q., Liu, F., 2021. Ауылшаруашылық заттар интернеті: технологиялар мен қосымшалар, (1-ші басылым. 2021 жылғы басылым). 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.
Ұшқышсыз ұшу аппаратынан бейнелеу: ауыл шаруашылығын қадағалау және шешімдерді қолдау. Есептеу. Электрон. Аграрлық. 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, UAV негізіндегі қашықтықтан зондтауды пайдалана отырып, егістік учаскелерінің сынақтарында бидай өсімдігінің биіктігі мен өсу жылдамдығының жоғары өткізу қабілеттілігі өрісінің фенотипі. Қашықтан зондтау 8 (12). https://doi. org/10.3390/rs8121031.
Хонкаваара, Э., Саари, Х., Кайвосожа, Дж., Пол ¨ онен, ¨ И., Хакала, Т., Литкей, П., М¨акинен, Дж., Песонен, Л., 2013. Өңдеу және бағалау Дәл ауыл шаруашылығына арналған жеңіл салмақты UAV спектрлік камерасы арқылы жиналған спектрометриялық, стереоскопиялық кескіндер. Қашықтан зондтау 5 (10), 5006–5039. https://doi.org/10.3390/rs5105006.
Хоссейн Мотлаг, Н., Талеб, Т., Арук, О., 2016. Төмен биіктіктегі ұшқышсыз ұшатын аппараттар қызметтерінің интернеті: жан-жақты шолу және болашақ перспективалар. IEEE Internet Things J. 3 (6), 899–922. https://doi.org/10.1109/JIOT.2016.2612119.
Hrabar, S., Sukhatme, GS, Corke, P., Usher, K., Roberts, J., 2005. UAV үшін қалалық каньондардың біріктірілген оптикалық ағыны және стерео негізіндегі навигациясы. Жылы: 2005 IEEE/RSJ
Интеллектуалды роботтар мен жүйелер бойынша халықаралық конференция, 3309–3316 беттер. https://doi.org/10.1109/IROS.2005.1544998.
Ху, Т.-С., Янг, Х., Чунг, Ю.-Ч., Хсу, С.-Х., 2020. Бұлтты тұманды есептеуге арналған креативті IoT ауыл шаруашылығы платформасы. Тұрақтау. Есептеу. Инф. Жүйе. 28, 100285.
Хуан, Х., Денг, Дж., Лан, Ю., Янг, А., Денг, Х., Чжан, Л., Гонсалес-Андужар, JL, 2018. Ұшқышсыз ұшатын аппаратты арамшөптерді картаға түсіруге арналған толық конволюционды желі ( UAV) бейнелері. PLoS ONE 13 (4), e0196302.
Хуан, Х., Лан, Ю., Ян, А., Чжан, Ю., Вэн, С., Денг, Дж., 2020. ҰАО кескіндерін арамшөптерді карталауда объектіге негізделген кескінді талдауға (OBIA) қарсы терең оқыту. Int. Дж.
Қашықтан басқару сенсоры 41 (9), 3446–3479. https://doi.org/10.1080/01431161.2019.1706112.
Хуан, Х., Ян, А., Тан, Ю, Чжуан, Дж., Хоу, Ц., Тан, З., Дананджаян, С., Хэ, Ы., Го, К., Луо, С. 2021. Өсімдік мониторингіндегі UAV кескіндері үшін терең түсті калибрлеу
жергілікті жаһандық назар аудара отырып, семантикалық стильді тасымалдауды пайдалану. Int. J. Appl. Earth Obs. Geoinf. 104, 102590 https://doi.org/10.1016/j.jag.2021.102590.
Huang, YB, Thomson, SJ, Hoffmann, WC, Lan, YB, Fritz, BK, 2013. Ауылшаруашылық өндірісі үшін ұшқышсыз ұшу аппараттары технологияларының дамуы мен болашағы
басқару. Int. Дж.Агрич. Биол. Аг. 6 (3), 1–10. https://doi.org/10.3965/j. ijabe.20130603.001.
Huang, Y., Hoffmann, WC, Lan, Y., Wu, W., Fritz, BK, 2009. Ұшқышсыз ұшу аппаратының платформасы үшін бүріккіш жүйені әзірлеу. Қолданба. Аг. Аграрлық. 25 (6), 803–809.
Хант кіші, ER, Дин Хивели, У., Фуджикава, СДж, Линден, DS, Daughtry, CST, McCarty, GW, 2010. NIR-жасыл-көк сандық фотосуреттерді алу
дақылдарды бақылауға арналған ұшқышсыз ұшақ. Қашықтан зондтау 2 (1), 290–305. https://doi. org/10.3390/rs2010290. Иноуе, Ю., 2020. Спутниктік және дрон негізіндегі егістіктер мен топырақтарды ақылды егіншілік үшін қашықтықтан зондтау – шолу. Топырақ ғылымы. Өсімдік Nutr. 66 (6), 798–810. https://doi.org/10.1080/00380768.2020.1738899.
Ислам, Н., Рашид, ММ, Пасандиде, Ф., Рэй, Б., Мур, С., Кадел, Р., 2021. Интернет заттары (IoT) және
Ұшқышсыз ұшу аппараты (UAV) негізделген тұрақты ақылды егіншілік. Тұрақтылық 13 (4), 1821. https://doi.org/10.3390/su13041821.
Jaud, M., Passot, S., Le Bivic, R., Delacourt, C., Grandjean, P., Le Dantec, N., 2016. Есептелген жоғары рұқсатты цифрлық беттік модельдердің дәлдігін бағалау
PhotoScan® және MicMac® оңтайлы емес зерттеу жағдайында. Қашықтан зондтау 8 (6), https://doi.org/10.3390/rs8060465.
Джименез-Бренес, FM, Лопес-Гранадос, ´ Ф., Кастро, AI, Торрес-Санчес, Дж., Серрано, Н., Пена, ˜ JM, 2017. Зәйтүн ағашының сәулетіне және жыл сайынғы кесу әсерін сандық анықтау UAV негізіндегі 3D модельдеу арқылы шатырдың өсуі. Өсімдіктерді өсіру әдістері 13 (1). https://doi.org/10.1186/s13007-017-0205-3.
Jin, X., Liu, S., Baret, F., Hemerl´e, M., Comar, A., 2017. Өте төмен биіктіктегі UAV суреттерінен пайда болған бидай дақылдарының өсімдік тығыздығын бағалау. Қашықтан сенсор.
Қоршаған орта. 198, 105–114. https://doi.org/10.1016/j.rse.2017.06.007.
Jinbo, C., Xiangliang, C., Han-Chi, F., Lam, A., 2019. Бұлттық есептеулер қолдайтын ауылшаруашылық өнімдерін бақылау жүйесі. Кластерлік есептеу. 22 (4), 8929–8938.
Ju, C., & Son, HI 2018a. Ауыл шаруашылығындағы қашықтан зондтау үшін бірнеше UAV жүйелерінің жұмысын бағалау. Робототехника және автоматтандыру бойынша IEEE халықаралық конференциясында (ICRA), Брисбен, Австралия, 21–26. Ауыл шаруашылығындағы роботты көру және әрекет туралы семинар материалдары.
Ju, C., Son, HI, 2018b. Ауыл шаруашылығына арналған бірнеше UAV жүйелері: бақылау, енгізу және бағалау. Электроника 7 (9), 162. https://doi.org/10.3390/
электроника7090162.
Юнг, Дж., Маэда, М., Чанг, А., Бхандари, М., Ашапуре, А., Ландивар-Боулз, Дж., 2021. Қашықтан зондтау және жасанды интеллект әлеуеті
ауыл шаруашылығы өндіріс жүйелерінің тұрақтылығы. Curr. Пікір. Биотехнология. 70, 15–22. https://doi.org/10.1016/j.copbio.2020.09.003.
Калищук, М., Парет, ML, Фриман, Дж.Х., Радж, Д., Да Силва, С., Эубэнкс, С., Уиггинс, диджей, Лолар, М., Маруа, Дж. Джей, Меллингер, ХС, Дас, Дж. , 2019. Қарбыздағы сағыз сабағының күйіп қалуына қарсы кәдімгі барлау тәжірибесіне ұшқышсыз ұшатын аппараттың көмегімен көп спектрлі дақылды бейнелеуді қосатын жақсартылған егін барлау әдісі. Plant Dis. 103 (7), 1642–1650 жж.
Kapoor, KK, Tamilmani, K., Rana, NP, Patil, P., Dwivedi, YK, Nerur, S., 2018. Әлеуметтік медианы зерттеудегі жетістіктер: өткен, қазіргі және болашақ. Хабарлау. Жүйе. Алдыңғы. 20
(3), 531-558.
Kerkech, M., Hafiane, A., Canals, R., 2020. VddNet: көп спектрлі кескіндер мен тереңдік картасына негізделген жүзім ауруларын анықтау желісі. Қашықтан зондтау 12 (20), 3305. https://doi. org/10.3390/rs12203305.
Khaliq, A., Comba, L., Biglia, A., Ricauda Aimonino, D., Chiaberge, M., Gay, P., 2019. Жүзімдікке арналған спутниктік және UAV негізіндегі мультиспектрлі суреттерді салыстыру
өзгермелілігін бағалау. Қашықтан зондтау 11 (4). https://doi.org/10.3390/rs11040436.
Khan, PW, Byun, Y.-C., Park, N., 2020. IoT-блокчейн кеңейтілген терең оқытуды пайдалана отырып, тамақ өнеркәсібі 4.0 үшін оңтайландырылған шығу жүйесін қосты. Датчиктер 20 (10), 2990.
Khan, RU, Khan, K., Albattah, W., Qamar, AM, Ullah, F., 2021. Өсімдік ауруларын кескінге негізделген анықтау: классикалық машинаны оқытудан терең оқу саяхатына дейін. Сымсыз байланыс. Мобильді есептеу. 2021, 1–13.
Khan, S., Tufail, M., Khan, MT, Khan, ZA, Iqbal, J., Alam, M., Le, KNQ, 2021. UAV негізіндегі дақыл/арамшөп классификациясы үшін жаңа жартылай бақыланатын құрылым. PLoS ONE 16 (5), e0251008.
Khanal, S., Fulton, J., Shearer, S., 2017. Дәл ауыл шаруашылығында термиялық қашықтықтан зондтаудың ағымдағы және әлеуетті қолданбаларына шолу. Есептеу. Электрон.
Аграрлық. 139, 22–32. https://doi.org/10.1016/j.compag.2017.05.001.
Ханна, А., Каур, С., 2019. Интернет заттарының (IoT) эволюциясы және оның Precision Agriculture саласындағы маңызды әсері. Есептеу. Электрон. Аграрлық. 157, 218–231.
Kim, W., Khan, GF, Wood, J., Mahmood, MT, 2016. Тұрақты ұйымдар үшін қызметкерлердің қатысуы: әлеуметтік желіні талдау және жарылысты пайдалану арқылы кілт сөзді талдау
анықтау тәсілі. Тұрақтылық 8 (7), 631.
Кирш, М., Лоренц, С., Циммерман, Р., Туса, Л., Мокел, ¨ Р., Ходл, ¨ П., Буйсен, Р., Ходададзаде, М., Глоагуэн, Р., 2018. Интеграция жер үсті және ұшқышсыз ұшақтар
барлау картасын жасау және тау-кен мониторингі үшін гиперспектрлік және фотограмметриялық зондтау әдістері. Қашықтан зондтау 10 (9), 1366. https://doi.org/10.3390/
rs10091366.
Китано, BT, Mendes, CCT, Geus, AR, Oliveira, HC, Souza, JR, 2019. Терең оқу және UAV кескіндерін пайдаланып жүгері өсімдіктерін санау. IEEE Geosci. Қашықтан сенсор. Lett. 1–5 https://doi.org/10.1109/LGRS.2019.2930549.
Koh, JCO, Spangenberg, G., Kant, S., 2021. Өсімдіктердің фенотипіне негізделген жоғары өнімділікке арналған автоматтандырылған машиналық оқыту. Қашықтан зондтау 13 (5), 858. https://
doi.org/10.3390/rs13050858.
Ковалев, И.В., Ворошилова, А.А., 2020. Жүк ұшқышсыз ұшу аппараттарының экожүйесін дамытудағы заманауи технологиялық үрдістер. J. Физ. Конф. Сер. 1515 (5), 052068 https://doi. org/10.1088/1742-6596/1515/5/052068.
Krul, S., Pantos, C., Frangulea, M., Valente, J., 2021. Монокулярлы камерасы бар шағын дронды пайдалана отырып, жабық мал шаруашылығы мен ауыл шаруашылығына арналған көрнекі SLAM: техникалық-экономикалық негіздеме.
Дрондар 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. Ауыл шаруашылығын автоматтандыруға арналған дрондарды зерттеу отырғызудан бастап
егін жинау. In: INES 2018 – IEEE 22nd International Conference on Intelligent Engineering Systems, 000353–358 беттер. https://doi.org/10.1109/INES.2018.8523943.
Lagkas, T., Argyriou, V., Bibi, S., Sarigiannidis, P., 2018. UAV IoT құрылымының көзқарастары мен қиындықтары: дрондарды «заттар» ретінде қорғауға қатысты. Датчиктер 18 (11), 4015. https://doi.org/10.3390/s18114015.
Laliberte, AS, Rango, A., 2011. Құрғақ жерде ұшқышсыз ұшақпен алынған дециметрлік суретті талдауға арналған кескінді өңдеу және жіктеу процедуралары
жайылымдар. ГИС. Қашықтан басқару сенсоры 48 (1), 4–23. https://doi.org/10.2747/1548-1603.48.1.4.
Laliberte, AS, Rango, A., Herrick, JE, 2007. Жайылымды картаға түсіру және бақылау үшін ұшқышсыз ұшу аппараттары: екі жүйені салыстыру. ASPRS жыл сайынғы конференция материалдары.
Лам, OHY, Доготари, М., Прум, М., Витлани, ХН, Роерс, С., Мелвилл, Б., Циммер, Ф., Беккер, Р., 2021. Туған жердегі шөптерді картаға түсіруге арналған ашық бастапқы жұмыс процесі.
ұшқышсыз ұшу аппаратын пайдалану: жағдайлық зерттеу ретінде Rumex obtusifolius пайдалану. Еуро. J.Remote Sens. 54 (sup1), 71–88. https://doi.org/10.1080/22797254.2020.1793687.
Ламберт, ДМ, Лоуенберг-ДеБоер, Дж., Гриффин, Т.В., Пионе, Дж., Пэйн, Т., Даберков, СГ, 2004. Қабылдау, кірістілік және нақты ауылшаруашылық деректерін жақсырақ пайдалану.
Жұмыс қағазы. Пурдю университеті. https://doi.org/10.22004/ag.econ.28615.
Lelong, CCD, Burger, P., Jubelin, G., Roux, B., Labb´e, S., Baret, F., 2008. Шағын учаскелердегі бидай дақылының сандық мониторингі үшін ұшқышсыз ұшатын аппараттардың суреттерін бағалау. Датчиктер 8 (5), 3557–3585. https://doi.org/10.3390/s8053557.
Li, C., Niu, B., 2020. Үлкен деректерге және заттардың интернетіне негізделген ақылды ауыл шаруашылығын жобалау. Int. Дж. Дистриб. Sens. Network. 16 (5) ttps://doi.org/10.1177/1550147720917065.
Ли, В., Ниу, З., Чен, Х., Ли, Д., Ву, М., Чжао, В., 2016. Ажыратымдылығы жоғары стерео кескіндерді пайдалана отырып, жүгерінің шатыр биіктігі мен жер үсті биомассасын қашықтан бағалау. арзан ұшқышсыз ұшу аппараттары жүйесі. Экол. Инд. 67, 637–648. https://doi.org/10.1016/j.ecolind.2016.03.036.
Liakos, KG, Busato, P., Moshou, D., Pearson, S., Bochtis, D., 2018. Ауыл шаруашылығында машинаны оқыту: шолу. Датчиктер 18 (8), 2674.
Liebisch, F., Kirchgessner, N., Schneider, D., Walter, A., Hund, A., 2015. Жылжымалы мультисенсорлық тәсілмен жүгері белгілерінің қашықтан, әуе фенотипі. Өсімдік әдістері 11 (1), 9. https://doi.org/10.1186/s13007-015-0048-8.
Лин, З., Гуо, В., 2020. Ұшқышсыз әуе жүйесінің суреттерін және терең оқытуды пайдалана отырып, құмай паникуласын анықтау және санау. Алдыңғы. Өсімдік ғылымы. 11.
Liu, S., Guo, L., Webb, H., Ya, X., Chang, X., 2019. Бұлтты есептеулерге негізделген заманауи эко-ауыл шаруашылығының Интернет-заттардың мониторингі жүйесі. IEEE Access 7, 37050–37058.
Лопес-Гранадос, ´ Ф., 2011. Арнайы учаскедегі арамшөптерді басқару үшін арамшөптерді анықтау: карталау және нақты уақыттағы тәсілдер. Арамшөп Res. 51 (1), 1–11. https://doi.org/10.1111/j.1365-3180.2010.00829.x.
Лопес-Гранадос, Ф., Торрес-Санчес, Дж., Де Кастро, А.-И., Серрано-Перес, А., МесасКарраскоса, Ф.-Дж., Пена, Дж.-М. , 2016. Жоғары ажыратымдылықтағы UAV кескіндерін пайдалана отырып, шөп дақылындағы шөп арамшөптерінің объектіге негізделген ерте мониторингі. Агрон. Тұрақтау. Dev. 36 (4), 1–12
Лопес-Гранадос, Ф., Торрес-Санчес, Дж., Серрано-Перес, А., де Кастро, А.И., МесасКарраскоса, Ф.-Дж., Пена, ˜ Дж.-М., 2016 ж. UAV технологиясын қолдана отырып, күнбағыстағы ерте маусымдық арамшөптерді карталау: арамшөптердің шегіне қарсы гербицидтермен өңдеу карталарының өзгермелілігі. Дәл. Аграрлық. 17 (2), 183–199.
Люсиер, А., Маленовски, З., Венесс, Т., Уоллес, Л., 2014. HyperUAS – көп роторлы ұшқышсыз ұшақ жүйесінен бейнелеу спектроскопиясы. Дж. Филд Роб. 31 (4),
571–590. https://doi.org/10.1002/rob.21508.
Лумме, Дж., Карьялайнен, М., Каартинен, Х., Кукко, А., Гиппа, ¨ Дж., Hyypp¨ a, H., Jaakkola, A., & Kleemola, J., 2008. Жердегі лазерлік сканерлеу ауыл шаруашылығы дақылдары. JJ жылы
Чен Дж. Маас Х–Г. (Ред.), Фотограмметрия, қашықтықтан зондтау және кеңістіктік ақпарат ғылымдарының халықаралық мұрағаты — ISPRS мұрағаты (37-том, 563–566 беттер).
Фотограмметрия және қашықтықтан зондтау халықаралық қоғамы. 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. Бақыланатын объектіге негізделген жер жамылғысы кескінінің классификациясына шолу. ISPRS J. Фотограмма. Қашықтан басқару сенсоры 130,
277–293. https://doi.org/10.1016/j.isprsjprs.2017.06.001.
Maes, WH, Steppe, K., 2019. Дәл ауыл шаруашылығында ұшқышсыз ұшу аппараттарымен қашықтықтан зондтау перспективалары. Трендтер өсімдік ғылымы. 24 (2), 152–164. https://doi.org/10.1016/j.tplants.2018.11.007.
Maimaitijiang, M., Gulam, A., Sidike, P., Hartling, S., Maimaitiyiming, M., Peterson, K., Shavers, E., Fishman, J., Peterson, J., Kadam, S. Буркен, Дж., Фрицчи, Ф., 2017 ж.
Ұшқышсыз әуе жүйесі (UAS) негізінде көп сенсорлы деректерді біріктіру және экстремалды оқыту машинасы арқылы соя бұршағын фенотиптеу. ISPRS J. Фотограмма. Қашықтан сенсор. 134, 43–58. https://doi.org/10.1016/j.isprsjprs.2017.10.011. Маймайтицзян, М., Саган, В., Сидике, П., Далое, А.М., Еркбол, Х., Фрицчи, ФБ, 2020 ж.
Спутниктік/UAV деректерін біріктіру және машиналық оқыту арқылы дақылдарды бақылау. Қашықтан зондтау 12 (9), 1357. https://doi.org/10.3390/rs12091357.
Манфреда, С., МакКэйб, М., Миллер, П., Лукас, Р., Пажуэло Мадригал, В., Маллинис, Г., Бен Дор, Э., Хельман, Д., Эстес, Л., Сираоло, Г. ., Мюллерова, ´ Дж., Тауро, Ф., де Лима, М., де
Лима, Дж., Мальта, А., Фрэнсис, Ф., Кейлор, К., Кохв, М., Перкс, М., Руиз-Перес, Г., Су, З., Вико, Г., Тот , Б., 2018. Үшін ұшқышсыз ұшу жүйелерін пайдалану туралы
экологиялық мониторинг. Қашықтан зондтау 10 (4), 641.
Маринко, РА, 1998. Диссертациялардағы әйелдерді зерттеу журналдарына сілтемелер, 1989 және The Serials Librarian 35 (1–2), 29–44. https://doi.org/10.1300/J123v35n01_
03.
Masroor, R., Naeem, M., Ejaz, W., 2021. UAV көмегімен сымсыз желілердегі ресурстарды басқару: оңтайландыру перспективасы. Арнайы желі. 121, 102596 https://doi.org/10.1016/j.adhoc.2021.102596.
Matese, A., Di Gennaro, SF, 2018. Дәлдіктегі мультиспектрлік, термиялық және RGB жоғары ажыратымдылықтағы кескіндерге негізделген мультисенсорлы UAV платформасының практикалық қолданбалары
жүзім шаруашылығы. Ауыл шаруашылығы 8 (7), 116. https://doi.org/10.3390/agriculture8070116.
Matese, A., Di Gennaro, SF, 2021. Дәстүрлі NDVI индексінен басқа, дәл жүзім шаруашылығында UAV пайдаланудың негізгі факторы ретінде. Ғылым. 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 Ұшақтарды, ұшақтарды өзара салыстыру
және дәл жүзім өсіруге арналған жерсеріктік қашықтықтан зондтау платформалары. Қашықтан зондтау 7 (3), 2971–2990. https://doi.org/10.3390/rs70302971.
Mazzia, V., Comba, L., Khaliq, A., Chiaberge, M., Gay, P., 2020. Дәлдік үшін спутниктік басқарылатын өсімдіктердің индексін нақтылау негізінде UAV және машинаны оқыту
ауыл шаруашылығы. Датчиктер 20 (9), 2530. https://doi.org/10.3390/s20092530.
McCain, KW, 1990. Интеллектуалдық кеңістіктегі авторларды картаға түсіру: техникалық шолу. Дж. Ам. Сок. Ақпарат. Ғылым. 41 (6), 433–443.
Meinen, BU, Robinson, DT, 2021. Ауылшаруашылық эрозиясын модельдеу: UAV уақыт сериясының деректерін пайдалана отырып, USLE және WEPP далалық масштабтағы эрозияны бағалауды бағалау. Қоршаған орта. Модель. Бағдарламалық құрал 137, 104962. https://doi.org/10.1016/j.envsoft.2021.104962.
Мелвилл, Б., Люсиер, А., Арял, Дж., 2019. Гиперспектрлі ұшқышсыз ұшақтар жүйесінің (UAS) кескінін пайдалана отырып, ойпаттағы жергілікті шабындық қауымдастықтардың жіктелуі.
Тасманияның орта жерлері. Дрондар 3 (1), 5.
Мессина, Г., Модика, Г., 2020. Дәл ауыл шаруашылығында ұшқышсыз авиациялық термобейнелеуді қолдану: техниканың қазіргі жағдайы және болашақ зерттеу болжамы. Қашықтан зондтау 12 (9), https://doi.org/10.3390/rs12091491.
Мишра, Д., Луо, З., Цзян, С., Пападопулос, Т., Дубей, Р., 2017. Үлкен деректер бойынша библиографиялық зерттеу: тұжырымдамалар, тенденциялар және қиындықтар. Бизнес-процестерді басқарушы. J. 23 (3),
555-573.
Мочида, К., Сайшо, Д., Хираяма, Т., 2015. Егістік жағдайларында алынған өмірлік циклдің деректер жиынын пайдалана отырып, егінді жақсарту. Алдыңғы. Өсімдік ғылымы. 6 https://doi.org/10.3389/
fpls.2015.00740.
Могили, UM.R., Deepak, BBVL, 2018. Дәл ауыл шаруашылығында дрондық жүйелерді қолдану туралы шолу. Procedia Comput. Ғылым. 133, 502–509.
Мохарана, С., Дутта, С., 2016. Гиперспектрлік кескіндерден күріштегі хлорофилл мен азот мазмұнының кеңістіктік өзгермелілігі. ISPRS J. Фотограмма. Қашықтан сенсор. 122, 17–29.
Муангпратхуб, Дж., Буннам, Н., Каджорнкасират, С., Лекбангпонг, Н., Ваничсомбат, А.
Nillaor, P., 2019. Ақылды ферма үшін IoT және ауыл шаруашылығы деректерін талдау. Есептеу. Электрон. Аграрлық. 156, 467–474.
Нансен, С., Эллиот, Н., 2016. Энтомологиядағы қашықтан зондтау және шағылыстыру профилін жасау. Анну. Рев. Энтомол. 61 (1), 139–158. https://doi.org/10.1146/annurev-ento010715-023834.
Навиа, Дж., Мондрагон, И., Патино, Д., Колорадо, Дж., 2016. Ауыл шаруашылығындағы мультиспектрлік карталау: автономды квадрокоптер UAV көмегімен жер бедерінің мозаикасы. Int. Конф.
Ұшқышсыз ұшақтар жүйесі. (ICUAS) 2016, 1351–1358. https://doi.org/10.1109/ ICUAS.2016.7502606.
Nayyar, A., Nguyen, B.-L., Nguyen, NG, 2020. Ұшқышсыз заттардың интернеті (Iodt): смарт дрондардың болашақты болжау. Adv. Intell. Жүйе. Есептеу. 1045, 563–580. https://doi.org/10.1007/978-981-15-0029-9_45.
Nebiker, S., Annen, A., Scherrer, M., Oesch, D., 2008. Микро UAV үшін жеңіл салмақты мультиспектрлік сенсор — өте жоғары ажыратымдылықтағы әуеде қашықтықтан зондтау мүмкіндіктері. Int. Арка. Фотограмма. Қашықтағы сенсор. Spat. Инф. Sci 37 (B1), 1193–1200 жж.
Negash, L., Kim, H.-Y., Choi, H.-L., 2019. Ауыл шаруашылығында пайда болатын UAV қолданбалары. Жылы: 2019 Робот интеллект технологиясы бойынша 7-ші халықаралық конференция және
Қолданбалар (RiTA), 254–257 беттер. https://doi.org/10.1109/RITAPP.2019.8932853.
Нерур, С.П., Рашид, А.А., Натаражан, В., 2008. Стратегиялық менеджмент саласының интеллектуалдық құрылымы: авторлық цитата талдауы. Стратегия. Басқар. J. 29 (3),
319-336.
Neupane, K., Baysal-Gurel, F., 2021. Ұшқышсыз ұшатын аппараттардың көмегімен өсімдік ауруларын автоматты түрде анықтау және бақылау: шолу. Қашықтан зондтау 13 (19), 3841. https://doi.org/10.3390/rs13193841.
Nex, F., Remondino, F., 2014. 3D картографиялық қолданбаларға арналған UAV: шолу. Қолданба. Геоматика 6 (1), 1–15. https://doi.org/10.1007/s12518-013-0120-x.
Niu, H., Hollenbeck, D., Zhao, T., Wang, D., Chen, Y., 2020. Дәл ауыл шаруашылығында шағын UAV-мен булануды бағалау. Датчиктер 20 (22), 6427. https://
doi.org/10.3390/s20226427.
Osareh, F., 1996. Библиометрия, дәйексөздерді талдау және бірлескен дәйексөздерді талдау. Әдебиетке шолу 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, сенсорлар және агроорман шаруашылығында деректерді өңдеу: практикалық қолданбаларға шолу. Int. J. Қашықтағы сенсор 38 (8–10), 2349–2391. https://doi.org/10.1080/01431161.2017.1297548.
Panday, US, Pratihast, AK, Aryal, J., Kayastha, RB, 2020. Дәнді дақылдарға арналған дрон негізіндегі деректер шешімдеріне шолу. Дрондар 4 (3), 1–29. https://doi.org/10.3390/
дрондар4030041.
Parsaeian, M., Shahabi, M., Hassanpour, H., 2020. Кескінді өңдеу және жасанды нейрондық желіні пайдалана отырып, күнжіт тұқымдарының майы мен ақуыз құрамын бағалау. Дж. Ам. Мұнай
Химиктер қоғамы. 97 (7), 691–702.
Пена, Дж.М., Торрес-Санчес, Дж., де Кастро, А.И., Келли, М., Лопес-Гранадос, ´ Ф., Суарес, О., нысанға негізделген талдауды қолдана отырып, ерте маусымдық жүгері алқаптарында арамшөптерді картаға түсіру бойынша
ұшқышсыз ұшатын аппарат (ҰАО) суреттері. PLoS ONE 8 (10), e77151.
Перес-Ортис, М., Пена, Дж.М., Гутиеррес, ПА, Торрес-Санчес, Дж., Херв ас-Мартинес, К.,
Lopez-Granados, ´ F., 2015. Ұшқышсыз ұшатын аппараттарды және егіс қатарын анықтау әдісін пайдалана отырып, күнбағыс дақылдарындағы арамшөптерді картаға түсіруге арналған жартылай басқарылатын жүйе. Қолданба. Жұмсақ есептеу. J. 37, 533–544. https://doi.org/10.1016/j.asoc.2015.08.027.
Pincheira, M., Vecchio, M., Giaffreda, R., Kanhere, SS, 2021. Дәл ауыл шаруашылығында блокчейн негізіндегі суды басқару жүйесі үшін сенімді деректер көзі ретінде үнемді IoT құрылғылары. Есептеу. Электрон. Аграрлық. 180, 105889.
Попеску, Д., Стоикан, Ф., Стаматеску, Г., Ичим, Л., Драгана, С., 2020. Дәл ауыл шаруашылығында интеллектуалды бақылауға арналған жетілдірілген UAV–WSN жүйесі. Сенсорлар 20 (3), https://doi.org/10.3390/s20030817.
Pournader, M., Shi, Y., Seuring, S., Koh, SL, 2020. Жеткізу тізбегіндегі, көлік пен логистикадағы блокчейн қосымшалары: әдебиеттерге жүйелі шолу. Int. J. Prod. Res. 58 (7), 2063–2081.
Primicerio, J., Di Gennaro, SF, Fiorillo, E., Genesio, L., Lugato, E., Matese, A., Vaccari, FP, 2012. Дәл ауыл шаруашылығына арналған икемді ұшқышсыз ұшу аппараты.
Дәл. Аграрлық. 13 (4), 517–523. https://doi.org/10.1007/s11119-012-9257-6.
Притчард, А., 1969. Статистикалық библиография немесе библиометрия. J. Құжат. 25 (4), 348–349.
Пуделько, Р., Стучински, Т., Борзецка-Уолкер, М., 2012. Тәжірибелік алқаптар мен егістіктерді бағалау үшін ұшқышсыз ұшатын аппараттың (ҰҰА) жарамдылығы. Ауыл шаруашылығы 99 (4), 431–436.
Пури, В., Найяр, А., Раджа, Л., 2017. Ауыл шаруашылығының дрондары: дәл ауыл шаруашылығындағы заманауи серпіліс. Дж. Статис. Басқар. Жүйе. 20 (4), 507–518.
Radoglou-Grammatikis, P., Sarigiannidis, P., Lagkas, T., Moscholios, I., 2020. Дәл ауыл шаруашылығына арналған UAV қосымшаларының жинағы. Есептеу. Желі. 172,
107148 https://doi.org/10.1016/j.comnet.2020.107148.
Ramesh, KV, Rakesh, V., Prakasa Rao, EVS, 2020. Агрономиялық зерттеулерде үлкен деректерді талдау және жасанды интеллект қолдану. Үндістандық Дж. Агрон. 65 (4), 383–395.
Raparelli, E., Bajocco, S., 2019. Ауыл шаруашылығы және орман шаруашылығы зерттеулерінде ұшқышсыз ұшатын аппараттарды пайдалану бойынша библиометриялық талдау. Int. J. Қашықтан басқару сенсоры 40 (24),
9070–9083. https://doi.org/10.1080/01431161.2019.1569793.
Расмуссен, Дж., Нильсен, Дж., Гарсиа-Руис, Ф., Кристенсен, С., Стрейбиг, Дж.К., Лотц, Б., 2013 ж.
Арамшөптерді зерттеуде шағын ұшқышсыз ұшақ жүйелерін (UAS) әлеуетті пайдалану. Арамшөп Res. 53 (4), 242–248.
Расмуссен, Дж., Нтакос, Г., Нильсен, Дж., Свенсгаард, Дж., Поулсен, Р.Н., Кристенсен, С., Тұтынушы деңгейіндегі камералардан алынған өсімдіктердің индекстері орнатылған ба?
Тәжірибе учаскелерін бағалау үшін ұшқышсыз ұшу аппараттары жеткілікті сенімді ме? Еуро. Дж. Агрон. 74, 75–92. https://doi.org/10.1016/j.eja.2015.11.026.
Режеб, А., Реджеб, К., Абдоллахи, А., Зайлани, С., Иранманеш, М., Гобакхлу, М., 2022. Азық-түлік жеткізу тізбегіндегі цифрландыру: библиометриялық шолу және негізгі бағыттың негізгі жолы
талдау. Тұрақтылық 14 (1), 83. https://doi.org/10.3390/su14010083.
Режеб, А., Режеб, К., Симске, С.Д., Трейблмайер, Х., 2021а. Жеткізу тізбегін басқару және логистикаға арналған дрондар: шолу және зерттеу күн тәртібі. Int. Дж. Логист. Res. Қолданба.
1–24. https://doi.org/10.1080/13675567.2021.1981273.
Режеб, А., Режеб, К., Симске, С., Трейблмайер, Х., 2021б. Логистикадағы және жеткізу тізбегін басқарудағы блокчейн технологиялары: библиометриялық шолу. Логистика 5 (4), 72.
https://doi.org/10.3390/logistics5040072.
Режеб, А., Режеб, К., Симске, С., Трейблмайер, Х., 2021c. Гуманитарлық дрондар: шолу және зерттеу күн тәртібі. Интернет заттары 16, 100434. https://doi.org/10.1016/j.
iot.2021.100434.
Режеб, А., Трейблмайер, Х., Режеб, К., Зайлани, С., 2021д. Денсаулық сақтаудағы блокчейнді зерттеу: библиометриялық шолу және қазіргі зерттеу үрдістері. J. of Data, Inf. және
Басқар. 3 (2), 109–124.
Rejeb, A., Simske, S., Rejeb, K., Treiblmaier, H., Zailani, S., 2020. Жеткізу тізбегін басқару және логистикадағы заттар интернетін зерттеу: библиометриялық талдау. ғаламтор
12-ші заттар, 100318.
ReportLinker, 2021. Дүниежүзілік ауылшаруашылық дрондарының нарығы GlobeNewswire жаңалықтар бөлмесі бойынша жылына 15.2 миллиард АҚШ долларына жетеді. https://www.globenewswire.com/news-release/2021/08/10/2277986/0/kz/Global-Agriculture-Drones-Market-to-Reach-US-15-2-Billion-by-the- Жыл-2027.html.
Ribeiro-Gomes, K., Hernandez-L 'opez, 'D., Ortega, JF, Ballesteros, R., Poblete, T., Moreno, MA, 2017. Салқындатылмаған жылу камерасын калибрлеу және оңтайландыру
ауыл шаруашылығында UAV қолдану үшін фотограмметрия процесі. Датчиктер (Швейцария) 17 (10). https://doi.org/10.3390/s17102173.
Rivera, MA, Pizam, A., 2015. Қонақжайлылық зерттеулеріндегі жетістіктер: «Родни Дангерфилдтен Арета Франклинге дейін». Int. Дж. Контемпор. Аурухана. Басқар. 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. Жылыжайлардағы қоршаған ортаның айнымалыларын өлшеуге арналған шағын UAV негізіндегі сенсорлық жүйе. Датчиктер 15 (2), 3334–3350. https://doi.org/10.3390/s150203334.
Розенберг, Г., Кент, Р., Бланк, Л., 2021. Коммерциялық пияз алқаптарында маусымның кеш мезгіліндегі арамшөптердің кеңістіктік таралу заңдылықтарын анықтау және талдау үшін пайдаланылатын тұтынушылық деңгейдегі UAV. Дәл. Аграрлық. 22 (4), 1317–1332 жж. https://doi.org/10.1007/s11119-021-09786-y.
Саари, Х., Пелликка, И., Песонен, Л., Туоминен, С., Хейкила, ¨ Дж., Холмлунд, Ц., Макинен, ¨ Дж., Ожала, К., Антила, Т., 2011. Ұшқышсыз орман және ауыл шаруашылығына арналған әуе кемесі (ҰАО) басқаратын спектрлік камера жүйесі. Жалғастыру. SPIE – Int. Сок. Опция. Аг. 8174 https://doi.org/10.1117/12.897585.
Сах, Б., Гупта, Р., Бани-Хани, Д., 2021. Дрон логистикасын енгізудегі кедергілерді талдау. Int. Дж. Логист. Res. Қолданба. 24 (6), 531–550. https://doi.org/10.1080/
13675567.2020.1782862.
Саха, АК, Саха, Дж., Рэй, Р., Сиркар, С., Дутта, С., Чаттопадхяй, SP және Саха, HN, ауыл шаруашылығы саласындағы егін сапасын жақсартуға арналған IOT негізіндегі дрон. SH-да
N. Chakrabarti S. (Ред.), 2018 IEEE 8th Annual Computing and Communication Workshop and Conference, CCWC 2018 (Т. 2018-қаңтар, 612–615 беттер). институт
of Electrical and Electronics Engineers Inc. doi: 10.1109/CCWC.2018.8301662.
Sai Vineeth, KV, Vara Prasad, YR, Dubey, SR, Venkataraman, H., 2019. LEDCOM: нақты ауыл шаруашылығына арналған жаңа және тиімді LED негізіндегі байланыс. IEEE конф. Ақпарат. Коммун. Техн. 2019, 1–5. https://doi.org/10.1109/CICT48419.2019.9066177.
Salamí, E., Barrado, C., Pastor, E., 2014. Өсімдік жамылғысы бар аумақтарды қашықтықтан зондтау үшін қолданылатын UAV ұшу эксперименттері. Қашықтан зондтау 6 (11), 11051–11081. https://doi.org/10.3390/rs61111051.
Санкаран, С., Хот, ЛР, Эспиноза, CZ, Яролмасджед, С., Сатхувалли, VR, Вандемарк, ГДж, Миклас, PN, Картер, AH, Памфри, MO, Ноулз, NRN, Pavek, MJ, 2015 ж.
Қатар мен егістік дақылдарын фенотиптеу үшін төмен биіктіктегі, жоғары ажыратымдылықты аэрофотобейнелеу жүйелері: шолу. Еуро. Дж. Агрон. 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.
жүзімдіктегі өсімдік суының жай-күйінің лезде және маусымдық өзгермелілігі. Аграрлық. Су менеджері. 183, 49–59. https://doi.org/10.1016/j.agwat.2016.08.026.
Sarli, CC, Dubinsky, EK, Holmes, KL, 2010. Beyond Citation analysis: Зерттеу әсерін бағалау үлгісі. Дж.мед. Кітапхана доц. : JMLA 98 (1), 17–23. https://doi.org/10.3163/1536-5050.98.1.008.
Schaepman, ME, Ustin, SL, Plaza, AJ, Painter, TH, Verrelst, J., Liang, S., 2009. Жер жүйесі туралы ғылыммен байланысты бейнелеу спектроскопиясы — бағалау. Қашықтан сенсорлық орта. 113, S123–S137.
Ширрманн, М., Гибель, А., Глейнигер, Ф., Пфланц, М., Лентшке, Дж., Даммер, К.-Х., 2016. Құны аз ҰАВ көмегімен күздік бидай дақылдарының агрономиялық көрсеткіштерін бақылау
бейнелеу. Қашықтан зондтау 8 (9). https://doi.org/10.3390/rs8090706.
Schmale III, DG, Dingus, BR, Reinholtz, C., 2008. Жоғарыда дәл аэробиологиялық сынама алу үшін автономды ұшқышсыз ұшатын аппаратты әзірлеу және қолдану
ауыл шаруашылығы алқаптары. Дж. Филд Роб. 25 (3), 133–147. https://doi.org/10.1002/rob.20232.
Шадрин, Д., Менщиков, А., Сомов, А., Борнеман, Г., Хауслаге, Дж., Федоров, М.
Жасанды интеллект арқылы ендірілген зондтау арқылы дәл ауыл шаруашылығына мүмкіндік беру. IEEE Trans. Құрал. Өлшем. 69 (7), 4103–4113.
Шахатре, Х., Савалме, АХ, әл-Фуқаха, А., Доу, З., Алмаита, Э., Халил, И.,
Othman, NS, Khreishah, A., Guizani, M., 2019. Ұшқышсыз ұшу аппараттары (ұшқышсыз ұшу аппараттары): азаматтық қосымшалар мен негізгі зерттеу мәселелері бойынша сауалнама. IEEE Access 7,
48572–48634. https://doi.org/10.1109/ACCESS.2019.2909530.
Shakoor, N., Northrup, D., Murray, S., Mockler, TC, 2019. Үлкен деректерге негізделген ауыл шаруашылығы: өсімдіктерді өсірудегі үлкен деректерді талдау, геномика және қашықтықтан зондтауды пайдалану
дақылдардың өнімділігін арттыру технологиялары. Өсімдік құбылысы J. 2 (1), 1–8.
Шарма, Б.К., Чандра, Г., Мишра, В.П., 2019. Салыстырмалы талдау және ұшқышсыз авиация мен АИ-дің сот-медициналық тергеудегі салдары. In: Proceedings – 2019 Amity International
Жасанды интеллект бойынша конференция. https://doi.org/10.1109/AICAI.2019.8701407.
Sharma, R., Shishodia, A., Gunasekaran, A., Min, H., Munim, ZH, 2022. Жеткізу тізбегін басқарудағы жасанды интеллекттің рөлі: аумақты картаға түсіру. Int. Дж.
Өндіріс. Res. 1–24. https://doi.org/10.1080/00207543.2022.2029611.
Ши, Ю., Томассон, Джа, Мюррей, SC, Пью, Н.А., Руни, ВЛ, Шафиан, С., Раджан, Н., Рузе, Г., Морган, CLS, Нили, ХЛ, Рана, А., Багаватианнан , MV,
Хенриксон, Дж., Боуден, Э., Валасек, Дж., Олсенхоллер, Дж., епископ, депутат, Шеридан, Р., Путман, ЭБ, Попеску, С., Беркс, Т., Коп, Д., Ибрагим, А., Маккатчен, Б.Ф.
Baltensperger, DD, Avant, RV, Vidrine, M., Yang, C., Zhang, J., 2016. Жоғары өнімді фенотиптеу және агрономиялық зерттеулерге арналған ұшқышсыз ұшу аппараттары. PLoS ONE
11 (7), e0159781.
Шуай, Г., Мартинес-Ферия, РА, Чжан, Дж., Ли, С., Прайс, Р., Бассо, Б., 2019. Ұшқышсыз әуе арқылы өнімділік тұрақтылық аймақтары бойынша жүгері тұқымдарының біркелкі еместігін түсіру
Көлік құралдары (ҰАО). Датчиктер 19 (20), 4446. https://doi.org/10.3390/s19204446.
Small, H., 1973. Бірлескен дәйексөз ғылыми әдебиетте: екі құжат арасындағы қатынастың жаңа өлшемі. Дж. Ам. Сок. Ақпарат. Ғылым. 24 (4), 265–269.
Small, H., Rorvig, ME, Lunin, LF, 1999. Дәйексөз картасы арқылы ғылымды визуализациялау. Дж. Ам. Сок. Ақпарат. Ғылым. 50 (9), 799–813.
Soares, VHA, Ponti, MA, Goncalves, RA, Campello, RJGB, 2021. Ірі жайылымдық аумақтардағы геолокацияланған аэрофотосуреттермен жабайы табиғатта ірі қара малды санау. Есептеу. Электрон. Аграрлық. 189, 106354 https://doi.org/10.1016/j.compag.2021.106354.
Srivastava, K., Pandey, PC, Sharma, JK, 2020. UAV көмегімен дәлдіктегі ауыл шаруашылығын қолдануда бағытты оңтайландыру тәсілі. Дрондар 4 (3), 58. https://doi.org/ 10.3390/drones4030058.
Стаффорд, БК, 2000. 21 ғасырда нақты ауыл шаруашылығын енгізу. Дж.Агрич. Аг. Res. 76 (3), 267–275.
Su, J., Coombes, M., Liu, C., Guo, L., Chen, W.-H., 2018. Ұшқышсыз ұшу аппаратын пайдаланып қашықтан зондтау кескіндері арқылы бидайдың құрғақшылығын бағалау. 2018 жылы 37-ші Қытай бақылау конференциясы (CCC).
Су, Дж., Лю, С., Кумбс, М., Ху, Х., Ван, Ц., Сю, X., Ли, К., Гуо, Л., Чен, В.-Х., 2018 ж. Бидайдың сары татының мониторингі мультиспектрлі UAV аэрофототүсірімдерінен үйрену арқылы.
Есептеу. Электрон. Аграрлық. 155, 157–166. https://doi.org/10.1016/j. compag.2018.10.017.
Су, Ю., Ванг, Х., 2021. Үлкен деректер арқылы ақылды ауыл шаруашылығын құру процесінде ауыл шаруашылығын экономиканы басқарудың инновациясы. Тұрақты есептеу. Инф. Жүйе. 31, 100579 https://doi.org/10.1016/j.suscom.2021.100579.
Sullivan, DG, Fulton, JP, Shaw, JN, Bland, GL, 2007. Мақта шатырындағы су кернеуін анықтау үшін ұшқышсыз термиялық инфрақызыл әуе жүйесінің сезімталдығын бағалау. Транс. ASABE 50 (6), 1955–1962.
Sumesh, KC, Ninsawat, S., Som-ard, J., 2021. RGB негізіндегі өсімдік индексін, егістік бетінің моделін және ұшқышсыз ұшу аппаратын пайдалану арқылы қант қамысы өнімділігін бағалау үшін объектіге негізделген кескінді талдау тәсілін біріктіру. Есептеу. Электрон. Аграрлық. 180, 105903 https://doi.org/10.1016/j.compag.2020.105903.
Суомалайнен, Дж., Андерс, Н., Икбал, С., Франке, Дж., Вентинг, П., Бартоломей, Х., Беккер, Р., Кооистра, Л., 2013.
ұшқышсыз ұшу аппараттары — алғашқы нәтижелер. In: 2013 Гиперспектрлік кескін және сигналдарды өңдеу бойынша 5-ші семинар: қашықтан зондтаудағы эволюция (WHISPERS), 1–4 беттер. https://doi.org/10.1109/WHISPERS.2013.8080721.
Суомалайнен, Дж., Андерс, Н., Икбал, С., Реринк, Г., Франке, Дж., Вентинг, П., Хуннигер, Д., Бартоломей, Х., Беккер, Р., Кооистра, Л. 2014. Жеңіл гиперспектрал
ұшқышсыз ұшатын аппараттардың картографиялық жүйесі және фотограмметриялық өңдеу тізбегі. Қашықтан зондтау 6 (11), 11013–11030. https://doi.org/10.3390/
rs61111013.
Syeda, IH, Alam, MM, Illahi, U., Su'ud, MM, 2021. Ауыл шаруашылығындағы кескіндерді өңдеу, UAV және AI қолдану арқылы алдын ала бақылау стратегиялары: шолу. World J. Eng. 18 (4),
579–589. https://doi.org/10.1108/WJE-09-2020-0459.
Тахай, А., Ригсби, Дж.Т., 1998. Бухгалтерлік есепте журнал әсерін зерттеу үшін дәйексөздерді қолдану арқылы ақпаратты өңдеу. Инф. Процесс. Басқару. 34 (2–3), 341–359.
Tang, Y., Dananjayan, S., Hou, C., Guo, Q., Luo, S., He, Y., 2021. 5G желісі және оның ауыл шаруашылығына әсері туралы сауалнама: қиындықтар мен мүмкіндіктер. Есептеу.
Электрон. Аграрлық. 180, 105895 https://doi.org/10.1016/j.compag.2020.105895.
Tantalaki, N., Souravlas, S., Roumeliotis, M., 2019. Дәл ауыл шаруашылығында деректерге негізделген шешімдер қабылдау: ауыл шаруашылығы жүйелеріндегі үлкен деректердің өсуі. Дж.Агрич. Тамақ туралы ақпарат.
20 (4), 344-380.
Tao, H., Feng, H., Xu, L., Miao, M., Yang, G., Yang, X., Fan, L., 2020. UAV- көмегімен күздік бидайдың өнімділігі мен өсімдік биіктігін бағалау негізделген гиперспектрлік кескіндер.
Датчиктер 20 (4), 1231.
Techy, L., Schmale III, DG, Woolsey, CA, 2010. Екі автономды ұшқышсыз ұшатын аппараттардың көмегімен төменгі атмосферадағы өсімдік қоздырғышының үйлестірілген аэробиологиялық сынамасын алу. Дж. Филд Роб. 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. Терең оқыту арқылы соя зиянкестерін анықтау және жіктеу
UAV кескіндерімен. Есептеу. Электрон. Аграрлық. 179, 105836.
Thamm, H.-P., Menz, G., Becker, M., Kuria, D.N., Misana, S., Kohn, D., 2013. Танзаниядағы AN сулы-батпақты алқаптарындағы ауылшаруашылық жүйелерін бағалау үшін UAS пайдалану - Тұрақты ауыл шаруашылығына арналған WetSeason және Terra-Sar X деректері үшін негізгі шындықты қамтамасыз ету. Ішінде: ISPRS – Фотограмметрия, қашықтықтан зондтау және кеңістіктік ақпарат ғылымдарының халықаралық мұрағаты, 401–406 беттер. https://doi.org/10.5194/isprsarchivesXL-1-W2-401-2013.
Thelwall, M., 2008. Bibliometrics to webometrics. J. Ақпарат. Ғылым. 34 (4), 605–621.
Торрес-Санчес, ´ Дж., Лопес-Гранадос, ´ Ф., Пена, ˜ JM, 2015. UAV кескіндеріндегі оңтайлы шекті анықтауға арналған автоматты нысанға негізделген әдіс: шөптесін өсімдіктерде өсімдіктерді анықтауға арналған қолданба. Есептеу. Электрон. Аграрлық. 114, 43–52. https://doi.org/10.1016/j.compag.2015.03.019.
Торрес-Санчес, ´ J., Lopez-Granados, ´ F., Serrano, N., Arquero, O., Pena, ˜ JM, Hassan, QK, 2015. Ұшқышсыз ұшу аппараты (ҰАО) технологиясы. PLoS ONE 3 (10), e6.
Торрес-Санчес, ´ J., Pena, ˜ JM, de Castro, AI, Lopez-Granados, ´ F., 2014. UAV суреттерін пайдалана отырып, ерте маусымдағы бидай алқаптарындағы өсімдік фракциясының көп уақыттық картасы. Есептеу. Электрон. Аграрлық. 103, 104–113. https://doi.org/10.1016/j. compag.2014.02.009.
Tsouros, DC, Bibi, S., Sarigiannidis, PG, 2019. Дәл ауыл шаруашылығына арналған UAV негізіндегі қосымшаларға шолу. Ақпарат (Швейцария) 10 (11). https://doi.org/10.3390/info10110349.
Tu, Y.-H., Phinn, S., Johansen, K., Robson, A., Wu, D., 2020. Бау-бақша дақылдарының құрылымын өлшеу үшін ұшқышсыз ұшуды жоспарлауды оңтайландыру. ISPRS J. Фотограмма.
Қашықтан сенсор. 160, 83–96. https://doi.org/10.1016/j.isprsjprs.2019.12.006
Tzounis, A., Katsoulas, N., Bartzanas, T., Kittas, C., 2017. Ауыл шаруашылығындағы заттардың интернеті, соңғы жетістіктер және болашақ қиындықтар. Биосиста. Аг. 164, 31–48.
https://doi.org/10.1016/j.biosystemseng.2017.09.007.
Уддин, А., Сингх, В.К., Пинто, Д., Олмос, И., 2015. Мексикадағы информатика зерттеулерінің ғылыми-метрикалық картасы. Scientometrics 105 (1), 97–114.
БҰҰ., 2019. Дүние жүзіндегі халық санының перспективалары 2019. https://population.un.org/wpp/ (15/04/2022 қол жетімді).
Uto, K., Seki, H., Saito, G., Kosugi, Y., 2013. UAV орнатылған миниатюралық гиперспектральды сенсор жүйесі арқылы күріш алқаптарын сипаттау. IEEE J. Sel. Жоғарғы. Қолданба. Earth Obs.
Қашықтан басқару сенсоры 6 (2), 851–860. https://doi.org/10.1109/JSTARS.2013.2250921. Ван дер Мерве, Д., Бурчфилд, ДР, Витт, ТД, Прайс, KP, Шарда, А., 2020. Дрондар
ауыл шаруашылығы. Adv. Агрон. 162, 1–30.
Велусами, П., Раджендран, С., Махендран, ҚР, Насир, С., Шафик, М., Чой, Дж.-Г., 2022 ж.
Дәл ауыл шаруашылығындағы ұшқышсыз ұшу аппараттары (ұшқышсыз ұшу аппараттары): қолдану және қиындықтар. Энергиялар 15 (1), 217. https://doi.org/10.3390/en15010217.
Ventura, D., Bonifazi, A., Gravina, MF, Belluscio, A., Ardizzone, G., 2018. Ұшқышсыз ұшуды пайдалана отырып, экологиялық сезімтал теңіз мекендейтін жерлерді картаға түсіру және жіктеу
Көлік құралының (UAV) кескіні және нысанға негізделген кескін талдауы (OBIA). Қашықтан зондтау 10 (9), 1331. https://doi.org/10.3390/rs10091331.
Вергер, А., Виньо, Н., Ch´eron, C., Gilliot, J.-M., Comar, A., Baret, F., 2014. Бидай және рапс дақылдары үстіндегі ұшқышсыз әуе жүйесінен жасыл аймақ индексі . Қашықтан сенсорлық орта. 152, 654–664. https://doi.org/10.1016/j.rse.2014.06.006.
Фон Буерен, С.К., Буркарт, А., Хуени, А., Рашер, У., Туохи, МП, Юле, IJ, 2015. Шөпке негізделген төрт оптикалық UAV сенсорларын орналастыру: қиындықтар мен
шектеулер. Биогеология 12 (1), 163–175. https://doi.org/10.5194/bg-12-163-2015.
Vuran, MC, Salam, A., Wong, R., Irmak, S., 2018. Дәл ауыл шаруашылығындағы жер асты заттарының интернеті: сәулет және технология аспектілері. Арнайы желі. 81,
160–173. https://doi.org/10.1016/j.adhoc.2018.07.017.
Wamba, SF, Queiroz, MM, 2021. Жауапты жасанды интеллект цифрлық денсаулық үшін құпия ингредиент ретінде: библиометриялық талдау, түсініктер және зерттеу бағыттары.
Ақпарат. Жүйе. Алдыңғы. 1–16.
Ван, Л., Чжан, Г., Ван, З., Лю, Дж., Шанг, Дж., Лян, Л., 2019. Өсімдіктердің өсуін бақылаудағы қашықтан зондтау зерттеу үрдісінің библиометриялық талдауы: Қытайдағы жағдайды зерттеу. Қашықтан зондтау 11 (7). https://doi.org/10.3390/rs11070809.
Уайт, HD, Гриффит, BC, 1981. Авторлық коцитация: Зияткерлік құрылымның әдеби өлшемі. Дж. Ам. Сок. Ақпарат. Ғылым. 32 (3), 163–171.
Xiang, H., Tian, L., 2011. Автономды ұшқышсыз ұшатын аппарат (UAV) негізіндегі арзан ауылшаруашылық қашықтықтан зондтау жүйесін әзірлеу. Биосиста. Аг. 108 (2), 174–190. https://doi.org/10.1016/j.biosystemseng.2010.11.010.
Xie, C., Yang, C., 2020. UAV негізіндегі сенсорларды пайдалана отырып, өсімдіктің жоғары өнімді фенотиптеу белгілеріне шолу. Есептеу. Электрон. Аграрлық. 178, 105731 https://doi.org/10.1016/j.
compag.2020.105731.
Yao, H., Qin, R., Chen, X., 2019. Қашықтан зондтау қолданбаларына арналған ұшқышсыз ұшу аппараты — шолу. Қашықтан зондтау 11 (12). https://doi.org/10.3390/
rs11121443.
Yeom, S., 2021. Көп ротор арқылы инфрақызыл термиялық бейнелеу арқылы адамдарды бақылау және жалған жолды жою. Дрондар 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. Суреттерді пайдалана отырып, өсімдік параметрлерін бағалауды салыстыру ұшқышсыз ұшақтан
суретті гиперспектральды сенсор және ажыратымдылығы жоғары сандық камера. Қашықтан зондтау 10 (7), 1138. https://doi.org/10.3390/rs10071138.
Yue, J., Yang, G., Li, C., Li, Z., Wang, Y., Feng, H., Xu, B., 2017. Күздік бидайдың жер үстіндегі биомассасын ұшқышсыз ұшу аппаратын пайдалану арқылы бағалау- негізделген сурет
гиперспектрлік сенсор және кесу биіктігі жақсартылған модельдер. Қашықтан зондтау 9 (7). https://doi.org/10.3390/rs9070708.
Zahawi, RA, Dandois, JP, Holl, KD, Nadwodny, D., Reid, JL, Ellis, EC, 2015. Тропикалық ормандарды қалпына келтіруді бақылау үшін жеңіл ұшқышсыз ұшу аппараттарын пайдалану. Биол.
Консерв. 186, 287–295. https://doi.org/10.1016/j.biocon.2015.03.031. Замора-Искьердо, МА, Санта, Дж., Мартинес, Джа, Мартинес, В., Скармета, AF, 2019 ж.
Edge және бұлтты есептеулерге негізделген Smart farming IoT платформасы. Биосиста. Аг. 177,
4-17.
Зарко-Тежада, П.Дж., Диас-Варела, Р., Ангилери, В., Лоуджани, П., 2014. Ұшқышсыз антеннадан алынған өте жоғары ажыратымдылықтағы суреттер арқылы ағаш биіктігін анықтау
көлік құралы (ҰАО) және автоматты 3D фотореконструкция әдістері. Еуро. Дж. Агрон. 55, 89–99. https://doi.org/10.1016/j.eja.2014.01.004.
Чжан, C., Craine, WA, McGee, RJ, Vandemark, GJ, Davis, JB, Brown, J., Hulbert, SH, Sankaran, S., 2020. Салқын маусымдық дақылдардағы гүлдену қарқындылығын кескінге негізделген фенотиптеу. Датчиктер 20 (5), 1450. https://doi.org/10.3390/s20051450.
Чжан, С., Ковач, Дж.М., 2012. Дәл ауыл шаруашылығына арналған шағын ұшқышсыз әуе жүйелерін қолдану: шолу. Дәл. Аграрлық. 13 (6), 693–712. https://doi.org/
10.1007/s11119-012-9274-5.
Чжан, Л., Чжан, Х., Ниу, Ю., Хан, В., 2019. UAV мультиспектрлі қашықтықтан зондтау негізінде жүгері суының кернеуін карталау. Қашықтан зондтау 11 (6), 605.
Чжан, Х., Хан, Л., Дун, Ю., Ши, Ю., Хуан, В., Хан, Л., Гонц' алез-Морено, П., Ма, Х., Йе, Х., Собейх , Т., 2019. Автоматтандырылған сары тот үшін терең оқытуға негізделген әдіс
жоғары ажыратымдылықтағы гиперспектрлі UAV суреттерінен ауруды анықтау. Қашықтан зондтау 11 (13), 1554.
Чжао, X., Чжан, Дж., Хуан, Ю., Тиан, Ю., Юань, Л., 2022. Гиперспектрлік бейнелеуді пайдалана отырып, шай өсімдіктерінің аурулары мен жәндіктердің стресстерін диагностикалау және дискриминациялау толқындық талдаумен біріктірілген. Есептеу. Электрон. Аграрлық. 193, 106717 https://doi.org/10.1016/j. compag.2022.106717.
Чжэн, А., Ван, М., Ли, С., Тан, Дж., Луо, Б., 2022. Әуе кескінін семантикалық сегментациялау үшін энтропия басқарылатын қарсыластық доменді бейімдеу. IEEE Trans. Г
Zheng, H., Cheng, T., Yao, X., Deng, X., Tian, Y., Cao, W., Zhu, Y., 2016. Күріш фенологиясын жердегі спектрлік талдаудың уақыттық қатарын талдау арқылы анықтау индекс деректері. Далалық дақылдар рес. 198, 131–139. https://doi.org/10.1016/j.fcr.2016.08.027.
Чжэн, Дж., Янг, В., 2018. Сымсыз сенсорларға негізделген ауылшаруашылық ағып кетудің дәлдігі себу жүйесін жобалау. Int. J. Online Eng. 14 (05), 184.
Чжоу, Л., Гу, Х., Ченг, С., Янг, Г., Шу, М., Sun, Q., 2020. UAV-LiDAR деректерін пайдалана отырып, отырғызылған жүгері өсімдіктерінің биіктігінің өзгеруін талдау. Ауыл шаруашылығы 10 (5), 146. https://
doi.org/10.3390/agriculture10050146.
Чжоу, С., Чай, Х., Ян, З., Ван, Х., Янг, С., Күн, Т., 2021. Жүгері-IAS: Өсімдіктердің өнімділігі жоғары фенотиптеу үшін терең оқытуды пайдаланатын жүгері кескінін талдау бағдарламалық құралы . Өсімдік әдістері 17 (1), 48. https://doi.org/10.1186/s13007-021-00747-0.
Чжоу, X., Чжэн, ХБ, Сю, XQ, Хэ, Джи, Гэ, ХК, Яо, Х., Ченг, Т., Чжу, Ю., Цао, ВХ, Тиан, ЮС, 2017. Астық шығымдылығын болжау көп уақыттық өсімдіктерді пайдаланатын күріш
UAV негізіндегі мультиспектрлік және сандық бейнелеуден алынған көрсеткіштер. ISPRS J. Фотограмма. Қашықтан сенсор. 130, 246–255. https://doi.org/10.1016/j.isprsjprs.2017.05.003.
Zhou, Y., Xie, Y., Shao, L., 2016. Сымсыз сенсорлық желіге негізделген жылыжай мониторингі жүйесінің негізгі технологиясын модельдеу. Int. J. Online Eng. 12 (05),
43.
Чжоу, З., Маджид, Ю., Диверрес Наранжо, Г., Гамбакорта, EMT, 2021. Дәл ауыл шаруашылығындағы инфрақызыл термиялық кескіндермен егістік суының стрессін бағалау: шолу
және терең оқыту қолданбаларының болашақ перспективалары. Есептеу. Электрон. Аграрлық. 182, 106019 https://doi.org/10.1016/j.compag.2021.106019.