Abderahman Rejeb a , Alireza Abdollahi b , Karim Rejeb c , Horst Treiblmaier d,
- a Departement Bestuur en Regte, Fakulteit Ekonomie, Universiteit van Rome Tor Vergata, Via Columbia, 2, Rome 00133, Italië
- b Departement Besigheidsadministrasie, Fakulteit Bestuur, Kharazmi Universiteit, 1599964511 Teheran, Iran
- c Fakulteit Wetenskappe van Bizerte, Universiteit van Kartago, Zarzouna, 7021 Bizerte, Tunisië
- d Skool vir Internasionale Bestuur, Modul University Wene, Am Kahlenberg 1, 1190 Wene, Oostenryk
ARTIKEL INLIGTING | OPSOMMING |
sleutelwoorde: Drones UAV Presisie landbou Internet van die dinge Bibliometrie | Hommeltuie, ook genoem Unmanned Aerial Vehicles (UAV), het 'n merkwaardige ontwikkeling in die afgelope dekades gesien. In die landbou het hulle boerderypraktyke verander deur aan boere aansienlike kostebesparings te bied, verhoogde bedryfsdoeltreffendheid, en beter winsgewendheid. Oor die afgelope dekades het die onderwerp van landbou hommeltuie het merkwaardige akademiese aandag getrek. Ons doen dus 'n omvattende oorsig gebaseer op bibliometrie om bestaande akademiese literatuur op te som en te struktureer en huidige navorsingstendense en brandpunte te openbaar. Ons bibliometriese tegnieke toe te pas en die literatuur rondom landbou hommeltuie te ontleed om op te som en vorige navorsing te assesseer. Ons ontleding dui aan dat afstandswaarneming, presisielandbou, diep leer, masjienleer en die Internet van Dinge kritieke onderwerpe is wat met landbou hommeltuie verband hou. Die mede-aanhaling analise openbaar ses breë navorsingsklusters in die literatuur. Hierdie studie is een van die eerste pogings om hommeltuignavorsing in die landbou op te som en toekomstige navorsingsrigtings voor te stel. |
Inleiding
Landbou verteenwoordig die primêre voedselbron van die wêreld (Friha et al., 2021), en dit het ernstige uitdagings in die gesig gestaar as gevolg van die
toenemende vraag na voedselprodukte, voedselveiligheid en sekuriteitskwessies, sowel as oproepe vir omgewingsbeskerming, waterbewaring, en
volhoubaarheid (Inoue, 2020). Daar word voorspel dat hierdie ontwikkeling sal voortduur aangesien die wêreldbevolking na raming 9.7 miljard teen 2050 sal bereik
(2019). Aangesien landbou wêreldwyd die mees prominente voorbeeld van waterverbruik is, word verwag dat voedselvraag en water
verbruik sal in die afsienbare toekoms dramaties toeneem. Verder die toenemende verbruik van kunsmis en plaagdoders
tesame met die intensivering van boerdery-aktiwiteite kan lei tot toekomstige omgewingsuitdagings. Net so is bewerkbare grond beperk, en die
aantal boere neem wêreldwyd af. Hierdie uitdagings beklemtoon die behoefte aan innoverende en volhoubare boerdery-oplossings (Elijah
et al., 2018; Friha et al., 2021; Inoue, 2020; Tzounis et al., 2017).
Die inkorporering van nuwe tegnologieë is geïdentifiseer as 'n belowende oplossing om hierdie uitdagings aan te spreek. Slim boerdery (Brewster et al.,
2017; Tang et al., 2021) en presisielandbou (Feng et al., 2019; Khanna & Kaur, 2019) het na vore gekom as gevolg van sulke debatte. Die
eersgenoemde is 'n algemene idee vir die aanvaarding van inligtingskommunikasietegnologie (IKT) en ander voorpunt-innovasies in boerderyaktiwiteite om doeltreffendheid en doeltreffendheid te verhoog (Haque et al., 2021). Laasgenoemde fokus op terreinspesifieke bestuur waarin die grond verdeel word
homogene dele, en elke deel kry die presiese hoeveelheid landbou-insette vir oesopbrengsoptimering deur middel van nuwe tegnologieë (Feng et al., 2019; Khanna & Kaur, 2019). Prominente tegnologieë wat geleerdes se aandag op hierdie gebied getrek het, sluit in Wireless Sensor Networks (WSN's) (J. Zheng & Yang, 2018; Y. Zhou et al., 2016), die Internet of Things (IoT) (Gill et al., 2017; He et al., 2021; Liu et al., 2019),
kunsmatige intelligensie (KI) tegnieke, insluitend masjienleer en diep leer (Liakos et al., 2018; Parsaeian et al., 2020; Shadrin et al.,
2019), rekenaartegnologie (Hsu et al., 2020; Jinbo et al., 2019; Zamora-Izquierdo et al., 2019), groot data (Gill et al., 2017; Tantalaki
et al., 2019), en blokketting (PW Khan et al., 2020; Pincheira et al., 2021).
Benewens die bogenoemde tegnologieë, is afstandwaarneming beskou as 'n tegnologiese hulpmiddel met 'n hoë potensiaal om te verbeter
slim en presisie landbou. Satelliete, vliegtuie met mensebemanning en hommeltuie is gewilde afstandwaarnemingstegnologieë (Tsouros et al., 2019).
Hommeltuie, algemeen bekend as Unmanned Aerial Vehicles (UAV's), Unmanned Aircraft Systems (UAS), en afstandbestuurde vliegtuie, is van
groot belang aangesien dit veelvuldige voordele het in vergelyking met ander afstandwaarnemingstegnologieë. Drones kan byvoorbeeld lewer
hoë kwaliteit en hoë resolusie beelde op bewolkte dae (Manfreda et al., 2018). Ook hul beskikbaarheid en oordragspoed is ander
voordele (Radoglou-Grammatikis et al., 2020). In vergelyking met vliegtuie, is hommeltuie hoogs kostedoeltreffend en maklik om op te stel en in stand te hou (Tsouros et al., 2019). Ten spyte daarvan dat hulle aanvanklik hoofsaaklik vir militêre doeleindes gebruik word, kan hommeltuie talle burgerlike toepassings bevoordeel, byvoorbeeld in voorsieningskettingbestuur (A. Rejeb, Rejeb, et al., 2021a), vir humanitêre doeleindes (A. Rejeb, Rejeb, et al., 2021c), slim landbou, opmeting en kartering, kulturele erfenisdokumentasie, rampbestuur, en bos- en wildbewaring (Panday, Pratihast, et al., 2020). In die landbou bestaan daar veelvuldige toepassingsgebiede van hommeltuie, aangesien hulle geïntegreer kan word met nuwe tegnologieë, rekenaarvermoëns en boordsensors om gewasbestuur te ondersteun (bv. kartering, monitering, besproeiing, plantdiagnose) (H. Huang et al., 2021) , rampvermindering, vroeë waarskuwingstelsels, natuurlewe en bosboubewaring om 'n paar te noem (Negash et al., 2019). Net so kan hommeltuie aangewend word in verskeie landbou-aktiwiteite, insluitend oes- en groeimonitering, opbrengsskatting, waterstremmingsbepaling en opsporing van onkruide, plaag en siektes (Inoue, 2020; Panday, Pratihast, et al., 2020). Nie net kan hommeltuie gebruik word vir monitering, skatting en opsporing doeleindes gebaseer op hul sensoriese data nie, maar ook vir presisie besproeiing en presisie onkruid-, plaag- en siektebestuur. Met ander woorde, hommeltuie is in staat om water en plaagdoders in presiese hoeveelhede te spuit gebaseer op omgewingsdata. Die voordele van hommeltuie in die landbou word in Tabel 1 opgesom.
Belangrikste voordele van hommeltuie in die landbou.
Baat | Verwysing(s) |
Verbeter tydelike en ruimtelike resolusies aanvoel | (Gago et al., 2015; Niu et al., 2020; Srivastava et al., 2020) |
Fasiliteer presisielandbou | (L. Deng et al., 2018; Kalischuk et al., 2019; Maimaitijiang et al., 2017) |
Klassifikasie en verkenning van gewasse | (Inoue, 2020; Kalischuk et al., 2019; Lopez- ´ Granados et al., 2016; Maimaitijiang et al., 2017; Melville et al., 2019; Moharana & Dutta, 2016) |
Gebruik van kunsmis | (L. Deng et al., 2018; Guan et al., 2019) |
Monitering van droogte | (Fawcett et al., 2020; Panday, Pratihast, et al., 2020; Su et al., 2018) |
Biomassa skatting | (Bendig et al., 2014) |
Opbrengsskatting | (Inoue, 2020; Panday, Shrestha, et al., 2020; Tao et al., 2020) |
Rampvermindering | (Negash et al., 2019) |
Bewaring van wild en Bosbou | (Negash et al., 2019; Panday, Pratihast, et al., 2020) |
Assessering van waterstres | (Inoue, 2020; J. Su, Coombes, et al., 2018; L. Zhang et al., 2019) |
Plaag, onkruid en siektes opsporing | (Gaˇsparovi´c et al., 2020; Inoue, 2020; J. Su, Liu, et al., 2018; X. Zhang et al., 2019) |
Aan die ander kant het hommeltuie ook beperkings. Vlieënierbetrokkenheid, enjinkrag, stabiliteit en betroubaarheid, sensors se kwaliteit as gevolg van loonvrag
gewigsbeperkings, implementeringskoste en lugvaartregulering, is daarvan (C. Zhang & Kovacs, 2012). Ons vergelyk die tekortkominge
van die drie mobiele afstandwaarnemingstegnologieë in Tabel 2. Ander afstandwaarnemingstegnologieë, soos grondsensors, val buite die fokus van hierdie studie.
Tekortkominge van verskeie mobiele afstandwaarnemingstegnologieë.
Afstandswaarneming tegnologie | tekortkominge | Verwysings |
Drone (UAV) | Loodsbetrokkenheid; beelde' kwaliteit (gemiddeld); implementeringskoste (gemiddeld); stabiliteit, manoeuvreerbaarheid, en betroubaarheid; standaardisering; enjinkrag; beperkte krag bronne (battery lang lewe); beperkte vlugduur, botsing en kuberaanvalle; beperk loonvrag gewig; groot datastelle en beperkte dataverwerking vermoëns; gebrek aan regulering; gebrek aan kundigheid, hoë toegang hindernisse tot die toegang tot landbou hommeltuie; | (Bacco et al., 2018; Dawaliby et al., 2020; Hardin & Hardin, 2010; Hardin & Jensen, 2011; Lagkas et al., 2018; Laliberte et al., 2007; Laliberte & Rango, 2011; Manfreda et al., 2018, 2018; Nebiker et al., 2008; Puri et al., 2017; Velusamy et al., 2022; C. Zhang en Kovacs, 2012) |
Satelliet | Periodieke satellietdekking, beperkte spektrale resolusie; kwesbaarheid vir sigbaarheidskwessies (bv. wolke); Onbeskikbaarheid en lae oordragspoed; oriëntasie en vignettering bewerkstellig duur ruimtelike data versameling; stadige data aflewering tyd tot eindgebruikers | (Aboutalebi et al., 2019; Cen et al., 2019; Chen et al., 2019; Nansen en Elliott, 2016; Panday, Pratihast, et al., 2020; Sai Vineeth et al., 2019) |
Vliegtuig | Hoë aannemingskoste; ingewikkelde opstelling; onderhoudskoste; onbeskikbaarheid van betroubare vliegtuie, meetkunde van die beelde; nie-gereelde data verkryging; gebrek aan buigsaamheid; dodelike ongelukke; sensor data variasies as gevolg van vibrasies; geografiese verwysingskwessies | (Armstrong et al., 2011; Atkinson et al., 2018; Barbedo & Koenigkan, 2018; Kovalev & Voroshilova, 2020; Suomalainen et al., 2013; Thamm et al., 2013) |
As 'n multidissiplinêre en veeldoelige tegnologie in die landbou, is hommeltuie vanuit verskeie perspektiewe ondersoek. Skoliere het byvoorbeeld hommeltuigtoepassings in die landbou ondersoek (Kulbacki et al., 2018; Mogili & Deepak, 2018), hul bydrae tot presisielandbou (Puri et al., 2017; Tsouros et al., 2019), hul komplementariteit met ander toonaangewende tegnologieë (Al-Thani et al., 2020; Dutta & Mitra, 2021; Nayyar et al., 2020; Saha et al., 2018), en die moontlikhede om hul navigasie- en waarnemingsvermoëns te bevorder (Bareth et al. , 2015; Suomalainen et al., 2014). Aangesien navorsing oor hommeltuigtoepassings in die landbou algemeen geword het (Khan et al., 2021)), is daar 'n behoefte om die bestaande literatuur op te som en die domein se intellektuele struktuur te openbaar. Verder, as 'n hoë-tegnologie veld met voortdurende verbeterings, moet gestruktureerde resensies uitgevoer word om die bestaande literatuur periodiek op te som en belangrike navorsingsgapings te identifiseer. Om
op datum is daar min resensies wat hommeltuigtoepassings in die landbousektor bespreek. Mogili en Deepak (2018) hersien byvoorbeeld hommeltuie se implikasies vir gewasmonitering en plaagdoderbespuiting kortliks. Inoue (2020) doen 'n oorsig van satelliet- en hommeltuiggebruik in afstandswaarneming in die landbou. Die skrywer ondersoek die tegnologiese uitdagings van die aanvaarding van slim boerdery en die bydraes van satelliete en hommeltuie gebaseer op gevallestudies en beste praktyke. Tsouros et al. (2019) som verskillende tipes hommeltuie en hul hooftoepassings in landbou op, en beklemtoon verskeie data-verkrygings- en verwerkingsmetodes. Meer onlangs het Aslan et al. (2022) het 'n omvattende oorsig van UAV-toepassings in landbouaktiwiteite gedoen en die relevansie van gelyktydige lokalisering en kartering vir 'n UAV in die kweekhuis beklemtoon. Diaz-Gonzalez et al. (2022) hersien onlangse studies van oesopbrengsproduksie gebaseer op verskillende masjienleertegnieke en afstandbeheer
waarnemingstelsels. Hul bevindinge het aangedui dat UAV's nuttig is om grondaanwysers te skat en beter as satellietstelsels te presteer in terme van ruimtelike resolusie, inligting tydelikheid en buigsaamheid. Basiri et al. (2022) het 'n volledige oorsig gemaak van die verskillende benaderings en metodes om padbeplanningsuitdagings vir multi-rotor UAV's in die konteks van presisielandbou te oorkom. Boonop het Awais et al. (2022) het die toepassing van UAV-afstandwaarnemingsdata in gewasse opgesom om die waterstatus te skat en het 'n in-diepte sintese verskaf van die voornemende kapasiteit van UAV-afstandwaarneming vir vermorsingstrestoepassing. Ten slotte, Aquilani et al. (2022) het voorsorgboerderytegnologieë wat in weidinggebaseerde veestelsels toegepas word, hersien en afgelei dat afstandwaarneming wat deur UAV's moontlik gemaak word voordelig is vir biomassa-assessering en kuddebestuur.
Pogings om UAV's te gebruik in die monitering, opsporing en samestelling van vee is ook onlangs aangemeld.
Alhoewel hierdie resensies nuwe en belangrike insigte oplewer, kan geen omvattende en bygewerkte oorsig gebaseer op bibliometrie in die literatuur gevind word nie, wat 'n duidelike kennisgaping bied. Verder is dit gestel dat wanneer vakkundige produksie in 'n wetenskaplike domein groei, dit noodsaaklik word vir navorsers om kwantitatiewe oorsigbenaderings te gebruik om die kennisstruktuur van die domein te begryp (Rivera & Pizam, 2015). Net so het Ferreira et al. (2014) het aangevoer dat namate navorsingsvelde volwasse word en ingewikkeld raak, geleerdes moet poog om af en toe sin te maak van die kennis wat gegenereer en versamel word om nuwe bydraes te openbaar, navorsingstradisies en -tendense vas te lê, te identifiseer watter onderwerpe bestudeer word, en delf in die kennisstruktuur van die veld en die potensiële navorsingsrigtings. Terwyl Raparelli en Bajocco (2019) 'n bibliometriese ontleding gedoen het om die kennisdomein van hommeltuigtoepassings in landbou en bosbou te ondersoek, neem hul studie slegs wetenskaplike navorsing in ag wat tussen 1995 en 2017 gepubliseer is, wat nie die dinamika van hierdie snelbewegende gebied weerspieël nie. Verder het die skrywers nie probeer om die mees invloedryke bydraes in die veld te identifiseer, die literatuur te groepeer en die intellektuele struktuur te evalueer deur gebruik te maak van mede-aanhalingsanalise nie. Gevolglik is dit nodig om die literatuur op te som om huidige navorsingsfokusse, tendense en brandpunte te openbaar.
Om hierdie kennisgaping te vul, gebruik ons kwantitatiewe metodologie en streng bibliometriese metodes om die huidige stand van navorsing by die kruising van hommeltuie en landbou te ondersoek. Ons argumenteer dat die huidige studie verskeie bydraes tot die bestaande literatuur lewer deur 'n opkomende tegnologie te ondersoek wat hoogs nodig is in landbou aangesien dit geweldige potensiaal bied om verskeie aspekte in hierdie sektor te verander. Die behoefte aan 'n bibliometriese ontleding van landbou hommeltuie word selfs meer aangevoel gegewe die verspreide en gefragmenteerde kennis oor hommeltuie binne die landboukonteks. Net so moet die literatuur met betrekking tot landbou hommeltuie stelselmatig saamgevoeg word, met inagneming van die mees invloedryke studies wat die grondslag van hierdie navorsingsveld bou. Die meriete in die analise sluit ook die verheldering van hoofnavorsingstemas in wat in die literatuur verteenwoordig word. Met inagneming van die transformasiepotensiaal van die tegnologie, meen ons dat 'n diepgaande netwerkanalise nuwe insigte oplewer deur invloedryke werke te bepaal en temas rakende hommeltuie se potensiaal vir landbou te openbaar.
Ons streef dus daarna om die volgende navorsingsdoelwitte te bereik:
- Identifisering van invloedryke publikasies met uitstaande bydraes tot hommeltuigtoepassings in die landbouveld.
- Groepering van die literatuur, identifisering van navorsingsfokusse, en kartering van die hoof 'intellektuele struktuur' studies gebaseer op semantiese ooreenkomste deur gebruik te maak van medeaanhaling analise.
- Begrip van die evolusie van skakels en aanhalingsnetwerke oor tyd tussen verskeie publikasies in die veld en identifisering van toekomstige navorsingsrigtings en warm onderwerpe.
Die res van die vraestel is soos volg gestruktureer: afdeling 2 skets die metodologie en data-insamelingstappe; afdeling 3 verskaf die resultate van die ontledings; en afdeling 4 bespreek die bevindinge en sluit af met navorsingsbydraes, implikasies en toekomstige rigtings.
metode
In hierdie huidige navorsingstudie doen ons 'n bibliometriese analise om hommeltuigtoepassings in die landbou te ondersoek. Hierdie kwantitatiewe benadering openbaar die intellektuele struktuur van die kennisdomein (Arora & Chakraborty, 2021) en die huidige status, warm onderwerpe en toekomstige navorsingsrigtings wat deur die toepassing van hierdie metode ondersoek kan word (Kapoor et al., 2018; Mishra et al. , 2017; A. Rejeb, Rejeb, et al., 2021b; A. Rejeb et al., 2021d; MA Rejeb et al., 2020). Oor die algemeen ondersoek 'n bibliometriese analise die bestaande literatuur om verborge patrone van geskrewe kommunikasie en die evolusie van die dissipline gebaseer op statistiek en wiskundige metodes op te som en te ontbloot, en dit is van toepassing op groot datastelle (Pritchard, 1969; Small, 1999; Tahai & Rigsby , 1998). Deur bibliometrie te gebruik, streef ons daarna om die bestaande paradigmas en navorsingsfokuspunte wat op grond van ooreenkoms bydra tot die domein beter te verstaan (Thelwall, 2008). Bibliometrie verskaf nuwe insigte gerugsteun deur die objektiewe kwantitatiewe sterkte van die metodologie (Casillas & Acedo, 2007). Talle geleerdes het voorheen bibliometriese studies in verwante domeine uitgevoer, insluitend landbou, afstandwaarneming en digitale transformasie (Armenta-Medina et al., 2020; Bouzembrak et al., 2019; A. Rejeb, Treiblmaier, et al., 2021; Wamba. & Queiroz, 2021; Wang et al., 2019).
Aanhalingsanalise
Aanhalingsanalise openbaar verskeie insigte in 'n gegewe navorsingsveld. Eerstens help dit om die mees invloedryke skrywers en publikasies te openbaar wat tot 'n gegewe navorsingsveld bydra en 'n beduidende impak maak (Gundolf & Filser, 2013). Tweedens kan die kennisvloei en die kommunikasieskakels tussen skrywers ontbloot word. Ten slotte, deur die skakels tussen aangehaalde en aanhalende werke op te spoor, kan 'n mens die veranderinge en evolusie van 'n kennisdomein oor tyd ondersoek (Pournader
et al., 2020). Hoë aanhalingsgetalle van 'n publikasie weerspieël die relevansie daarvan en aansienlike bydraes tot die navorsingsdomein (Baldi, 1998; Gundolf & Filser, 2013; Marinko, 1998). Aanhalingsontleding van publikasies help ook om relevante werke te identifiseer en hul gewildheid en vordering oor tyd na te spoor.
Dokumenteer mede-aanhaling-analise
Sameaanhalingsanalise is 'n waardevolle metode om verwantskappe tussen publikasies te verken en die intellektuele struktuur van 'n veld uit te beeld (Nerur et al., 2008). Met ander woorde, deur die mees aangehaalde publikasies en hul verbande te identifiseer, groepeer die metode publikasies in afsonderlike navorsingsklusters waarin publikasies in 'n groep gereeld soortgelyke idees deel (McCain, 1990; Small, 1973). Dit is van kardinale belang om te noem dat ooreenkoms nie beteken dat die bevindinge van die publikasies is nie
samehangend en stem saam met mekaar; publikasies behoort aan dieselfde groepering as gevolg van onderwerpooreenkoms, maar hulle kan teenstrydige standpunte hê.
Data-insameling en analise
Na aanleiding van die metodologie wat deur White en Griffith (1981) voorgestel is, het ons 'n omvattende soektog na tydskrifartikels uitgevoer om die hele navorsingsdomein van hommeltuigtoepassings in die landbou te dek, deur die volgende vyf stappe te volg:
- Die eerste stap was data-insameling. Scopus is gekies as een van die mees omvattende en betroubaarste databasisse met gestandaardiseerde resultate. Die metadata van publikasies wat verband hou met alle hommeltuigtoepassings in die landbou is herwin. Daarna het ons die geselekteerde artikels ontleed en artikels wat buite die onderwerp is, uit die analise verwyder.
- Ons het die literatuur ontleed en die belangrikste sleutelwoorde wat in die navorsingsarea gebruik is, geïdentifiseer.
- Met behulp van aanhalingsanalise het ons die verband tussen skrywers en dokumente ondersoek om onderliggende aanhalingspatrone te openbaar. Ons het ook die mees invloedryke skrywers en publikasies met beduidende bydraes tot die veld van landbou hommeltuie geïdentifiseer.
- Ons het 'n mede-aanhalingsanalise gedoen om soortgelyke publikasies in groepe te groepeer.
- Laastens het ons die verbande en skakels tussen lande, instellings en joernale ontleed om die samewerkingsnetwerk uit te beeld.
Identifikasie van toepaslike soekterme
Ons het die volgende soekstringe vir data-aggregasie toegepas: (drone* OF "onbemande lugvoertuig" OF uav* OF "onbemande vliegtuigstelsel” OF uas OF “vliegtuie wat op afstand bestuur word”) EN (landbou OF landbou OF boerdery OF boer). Die soektog is in September 2021 gedoen. Hommeltuie het verskeie benamings, insluitend UAV, UAS, en afstandbestuurde vliegtuie (Sah et al., 2021). Die spesifieke soekterme wat met landbou verband hou, is geïdentifiseer op grond van die studie van Abdollahi et al. (2021). Ter wille van duidelikheid en deursigtigheid word die presiese navraag wat ons gebruik het in Bylaag 1 gegee. Na 'n dataskoonmaakproses het ons 'n tekslêer geskep wat daarna in BibExcel gelaai is, 'n algemene hulpmiddel vir aanhalings- en mede-aanhaling-analise. Hierdie instrument bied ook eenvoudige interaksie met ander sagteware en bied 'n aansienlike mate van vryheid in datahantering en -analise. VOSviewer weergawe 1.6.16 is gebruik om die bevindinge te visualiseer en die bibliometriese netwerke te genereer (Eck & Waltman, 2009). VOSviewer bied 'n reeks intuïtiewe visualisering, veral vir die ontleding van bibliometriese kaarte (Geng et al., 2020). Verder help dit om duidelike visuele resultate te verskaf wat help om die resultate beter te verstaan (Abdollahi et al., 2021). Deur die soekstringe soos hierbo genoem toe te pas, het ons alle relevante publikasies versamel en gestoor. Die eerste soekresultate het altesaam 5,085 4,700 dokumente opgelewer. Om die kwaliteit van die geselekteerde steekproef te verseker, is slegs eweknie-geëvalueerde tydskrifartikels in die navorsing oorweeg, wat gelei het tot die uitsluiting van ander dokumenttipes, soos boeke, hoofstukke, konferensieverrigtinge en redaksionele notas. Tydens 'n siftingsproses is irrelevante (dws buite die bestek van hierdie werk), oortollige (dws duplikate afkomstig van dubbele indeksering) en nie-Engelssprekende publikasies uitgefiltreer. Hierdie proses het gelei tot die insluiting van XNUMX XNUMX dokumente in die finale ontleding.
Bevindinge en bespreking
Om mee te begin, het ons die ontwikkelinge in publikasie-uitset in die huidige literatuur oor landbou hommeltuie ontleed. Die tydelike verspreiding van wetenskaplike navorsing word in Fig. 1 getoon. Ons sien 'n vinnige toename in publikasies vanaf die jaar 2011 (30 publikasies) en verder; daarom het ons besluit om die ontledingstydperk in twee verskillende stadiums te verdeel. Ons verwys na die tydperk tussen 1990 en 2010 as die opboustadium, wat ongeveer sewe referate jaarliks gepubliseer het. Die tydperk na 2010 word die groeistadium genoem aangesien navorsing oor hommeltuigtoepassings in die landbou 'n eksponensiële oplewing gedurende hierdie tydperk gesien het. Ná 2010 bevestig die toenemende aantal publikasies die groeiende belangstelling onder navorsers, wat ook weerspieël dat hommeltuie op afstandswaarneming toegepas is en in presisielandbou gebruik is (Deng et al., 2018; Maes & Steppe, 2019; Messina & Modica, 2020 ). Spesifiek, die aantal publikasies het van 108 in 2013 tot 498 in 2018 gestyg en 'n hoogtepunt bereik van 1,275 2020 in 935. Altesaam 2021 artikels is tussen Januarie en middel September XNUMX gepubliseer. Daarna het ons gekies om ons ontleding meer op die groeistadium te fokus aangesien hierdie tydperk die mees onlangse en belangrike subtiliteite van landbou hommeltuie weerspieël.
Sleutelwoorde analise
Die sleutelwoorde wat skrywers vir 'n publikasie kies, het 'n deurslaggewende impak op hoe die referaat voorgestel word en hoe dit binne wetenskaplike gemeenskappe gekommunikeer word. Hulle identifiseer die sleutelonderwerpe van die navorsing en bepaal die potensiaal daarvan om te floreer of te misluk (Day & Gastel, 1998.; Kim et al., 2016; Uddin et al., 2015). Sleutelwoordontleding, 'n hulpmiddel om breër navorsingstendense en -rigtings te openbaar, verwys na die samestelling van die sleutelwoorde van alle verwante publikasies in 'n domein (Dixit & Jakhar, 2021). In die huidige studie het ons die saamgestelde sleutelwoorde in twee stelle verdeel (dws tot 2010 en 2011–2021) om die gewildste onderwerpe te verken. Deur dit te doen, kan ons die deurslaggewende sleutelwoorde in beide stelle opspoor en verseker dat ons al die nodige data vasgelê het. Vir elke stel word die top tien sleutelwoorde in Tabel 3 aangebied. Ons het teenstrydighede uitgeskakel deur semanties identiese sleutelwoorde, soos "drone" en "drones" of, insgelyks, "Internet of Things" en "IoT".
Tabel 3 toon dat "onbemande lugvoertuig" 'n meer gereeld gebruikte sleutelwoord is in vergelyking met "drone" en "onbemande lugstelsel" in beide tydperke. “Afstandswaarneming”, “presisielandbou” en “landbou” is ook hoog aangeslaan in beide tydperke. In die eerste tydperk het "presisielandbou" die vyfde posisie beklee, en dit tweede in die tweede tydperk, wat illustreer hoe hommeltuie al hoe belangriker word in die bereiking van presisielandbou, aangesien hulle monitering kan maak,
opsporing- en skattingpraktyke vinniger, goedkoper en makliker om uit te voer in vergelyking met ander afstandswaarneming en grondgebaseerde stelsels. Hulle kan ook die presiese hoeveelheid insette (bv. water of plaagdoders) spuit wanneer nodig (Guo et al., 2020; Inoue, 2020; Panday, Pratihast, et al., 2020).
Lys van sleutelwoorde wat die meeste gebruik word.
rang | 1990-2010 | Aantal van voorkomste | 2011-2021 | Aantal van voorkomste |
1 | onbemande lug voertuig | 28 | onbemande lugvoertuig | 1628 |
2 | afstandswaarneming | 7 | presisie landbou | 489 |
3 | landbou | 4 | afstandswaarneming | 399 |
4 | in die lug | 4 | dreun | 374 |
5 | presisie landbou | 4 | onbemande lugstelsel | 271 |
6 | onbemande lug | 4 | landbou | 177 |
7 | hiperspektraal sensor | 3 | diep leer | 151 |
8 | kunsmatige neurale netwerke | 2 | masjien leer | 149 |
9 | outonome vlug | 2 | plantegroei indeks | 142 |
10 | koffie | 2 | Internet van Dinge | 124 |
Nog 'n interessante kenmerk is die teenwoordigheid van komplementêre tegnologieë. In die eerste fase is "Hyperspektrale Sensor" en "kunsmatige neurale netwerke" (ANN) onder die top tien sleutelwoorde. Hiperspektrale beelding het tradisionele beelding 'n rewolusie veroorsaak deur 'n groot aantal beelde op verskillende golflengtes te versamel. Sodoende kan die sensors gelyktydig beter ruimtelike en spektrale inligting insamel in vergelyking met multispektrale beelding, spektroskopie en RGB-beelde (Adao ˜ et al.,
2017). Die voorkoms van “ANN” in die eerste fase en “diep leer” (DL) en “masjienleer” (ML) in die tweede een impliseer dat die meeste van die gepubliseerde werke gefokus het op die ondersoek van die potensiaal van KI-tegnieke vir hommeltuig- gebaseerde landbou. Alhoewel hommeltuie in staat is om outonoom te vlieg, vereis hulle steeds die betrokkenheid van 'n vlieënier, wat 'n lae vlak van toestelintelligensie impliseer. Hierdie probleem kan egter opgelos word as gevolg van die bevordering van KI-tegnieke, wat beter situasionele bewustheid en outonome besluitondersteuning kan bied. Toegerus met KI kan hommeltuie botsings tydens navigasie vermy, grond- en oesbestuur verbeter (Inoue, 2020), en arbeid en stres vir mense verminder (BK Sharma et al., 2019).
As gevolg van hul buigsaamheid en vermoë om groot hoeveelhede nie-lineêre data te hanteer, is KI-tegnieke geskikte metodes om die data wat deur hommeltuie en ander afstandwaarnemings- en grondgebaseerde stelsels oorgedra word te ontleed vir voorspelling en besluitneming (Ali et al., 2015; Inoue, 2020). Verder dui die teenwoordigheid van "IoT" in die tweede periode op die opkomende rol daarvan in die landbou. IoT is besig om die landbou te revolusioneer deur ander tegnologieë, insluitend hommeltuie, ML, DL, WSN'e en groot data met mekaar te verbind. Een van die belangrikste voordele van die implementering van IoT is die vermoë daarvan om verskeie take (dataverkryging, data-analise en -verwerking, besluitneming en implementering) in byna intydse saam te voeg (Elijah et al., 2018; Feng et al. , 2019; Muangprathub et al., 2019). Verder word hommeltuie as doeltreffende hulpmiddels beskou om die data vas te lê wat nodig is vir die berekening van plantegroei se groeikragtigheid en plantegroei-eienskappe (Candiago et al., 2015). Fig. 2a en 2b illustreer die sleutelwoord mede-voorkoms netwerke vir beide tydperke.
Invloedryke skrywers
In hierdie afdeling bepaal ons die invloedryke outeurs en ondersoek ons hoe outeur-aanhalingsnetwerke die huidige literatuur kan visualiseer en organiseer. Fig. 3 toon die chronologiese oorleg van alle navorsers met die hoogste aantal aanhalings. Die kleurskaal weerspieël die jaarlikse variasie van skrywers se aanhalings. Ons ondersoek die aanhalingstruktuur van navorsers wat studies oor landbou hommeltuie gepubliseer het deur 'n drempel van 'n minimum van 50 aanhalings en tien publikasies te gebruik. Uit
12,891 115 skrywers, slegs 4 het aan hierdie voorwaarde voldoen. Tabel 1,963 lys die top tien invloedryke skrywers, gesorteer volgens die maksimum aantal aanhalings. Lopez- Granados F. lei die lys met 1,909 XNUMX aanhalings, gevolg deur Zarco-Tejada PJ met XNUMX XNUMX aanhalings.
Lys van mees aangehaalde skrywers.
Ranking | skrywer | Aanhalings |
1 | Lopez-Granados ´F. | 1,963 |
2 | Zarco-Tejada PJ | 1,909 |
3 | Pena ˜ JM | 1,644 |
4 | Torres-S' anchez J. | 1,576 |
5 | Fereres E | 1,339 |
6 | Remondino F | 1,235 |
7 | Bolten A | 1,160 |
8 | Bareth G | 1,155 |
9 | Bernie JA | 1,132 |
10 | van Castro AI | 1,036 |
Wat individuele publikasies betref, is Zhang en Kovacs (2012) se artikel die mees aangehaalde studie wat in Precision Agriculture gepubliseer is. Hierin het die skrywers die toepassing van UAS in presisielandbou hersien. Die bevindinge van hul navorsing dui daarop dat daar 'n behoefte is om platformontwerp, produksie, standaardisering van beeldgeoferensiëring en inligtingherwinningswerkvloei te bevorder om boere van betroubare eindprodukte te voorsien. Daarbenewens beveel hulle aan om die boer sterker te betrek, veral in veldbeplanning, beeldvaslegging, sowel as data-interpretasie en -analise. Dit is belangrik dat hierdie studie van die eerstes was wat die belangrikheid van UAV in veldkartering, groeikragkartering, chemiese inhoudmeting, plantegroeistremmingsmonitering en evaluering van effekte van kunsmisstowwe op plantgroei getoon het. Die uitdagings wat met die tegnologie verband hou, sluit ook buitensporige koste, sensorvermoë, platformstabiliteit en -betroubaarheid, gebrek aan standaardisering en konsekwente prosedure in om massiewe hoeveelhede data te ontleed.
Aanhalingsanalise
Aanhalingsanalise verteenwoordig die studie van die invloed van artikels, alhoewel geneig tot vloei (bv. aanhalingsvooroordeel, selfaanhaling) word beskou as een van die standaardinstrumente vir die impakevaluering (Osareh, 1996; A. Rejeb et al., 2022; Sarli et al., 2010). Aanhalings weerspieël ook die belangrikheid en lewenskragtigheid van die referate se bydraes tot die literatuur oor 'n spesifieke onderwerp (R. Sharma et al., 2022). Ons het 'n aanhalingsanalise gedoen om die mees invloedryke studies oor landbou hommeltuie te bepaal en die inhoud opgesom. Tabel 5 bied die lys van die vyftien mees invloedryke referate vir die tydperke 1990–2010 en 2011–2021 aan. Die artikels deur Berni et al. (2009)b en Austin (2010) is die meeste aangehaal gedurende 1990 en 2010, met onderskeidelik 831 en 498 aanhalings. Berni et al. (2009)b het die potensiaal geïllustreer om kwantitatiewe afstandwaarnemingsprodukte te ontwikkel via 'n helikopter-gebaseerde UAV toegerus met bekostigbare termiese en smalband multispektrale beeldsensors. In vergelyking met tradisionele bemande lugsensors, is 'n laekoste-UAV-stelsel vir landbou in staat om vergelykbare skattings van die biofisiese parameters van gewasse te bereik, indien nie beter nie. Die bekostigbare koste en operasionele buigsaamheid, tesame met die hoë spektrale, ruimtelike en tydelike resolusies wat beskikbaar is teen 'n vinnige omkeertyd, maak UAV's geskik vir 'n reeks toepassings wat tydkritieke bestuur vereis, insluitend besproeiingskedulering en presisieboerdery. Die referaat van Berni et al. (2009)b word hoogs aangehaal omdat dit 'n onbemande draaivlerkplatform en digitale en termiese sensors effektief geïntegreer het met die nodige kalibrasiemeganismes vir landboutoepassings. Die tweede mees aangehaalde publikasie is 'n boek wat deur Austin (2010) geskryf is, wat UAV's vanuit ontwerp-, ontwikkeling- en ontplooiingsperspektiewe bespreek het. In die landbou ondersteun UAV's gewasmonitering deur siektes vroeg op te spoor deur gewaskleurveranderinge, om gewasse te saai en bespuit, en om kuddes te monitor en aan te dryf.
Die studies van Sullivan et al. (2007), Lumme et al. (2008), en Gokto ¨ ǧan et al. (2010) voltooi die lys van die top vyftien mees aangehaalde artikels. Hierdie artikels illustreer die ontwikkeling van UAV-gebaseerde stelsels om die landbou te ondersteun. Hulle bied oplossings vir verskeie probleme, soos oesmonitering en -skandering, onkruidbewaking en -bestuur, en besluitsteun. Hulle stel ook voor en bespreek UAV se vermoë om steekproefdoeltreffendheid te verhoog en boere te help om akkurate en doeltreffende te ontwerp
plantstrategieë. Twee referate is deur Berni geskryf (Berni et al., 2009b; Berni et al., 2009a), wat sy beduidende impak op landbou hommeltuig-verwante navorsing beklemtoon. Die referaat van Zarco-Tejada et al. (2014) was een van die baanbrekersstudies om die behoefte te illustreer om laekoste-UAV-beelde in boomhoogte-kwantifisering te gebruik.
Lys van mees aangehaalde publikasies.
rang | Van 1990 te 2010 | Van 2011 te 2021 | ||
Document | Citation | Document | Citation | |
1 | (Berni et al., 2009b) | 831 | (C. Zhang & Kovacs, 2012) | 967 |
2 | (Austin, 2010) | 498 | (Nex & Remondino, 2014) | 893 |
3 | (Hunt et al., 2010) | 331 | (Floreano & Wood, 2015) | 552 |
4 | (SR Herwitz et al., 2004) | 285 | (Hossein Motlagh et al., 2016) | 391 |
5 | (CCD Lelong et al., 2008) | 272 | (Shakhatreh et al., 2019) | 383 |
6 | (Berni et al., 2009b) | 250 | (Ma et al., 2017) | 373 |
7 | (Grenzdorffer ¨ et al., 2008) | 198 | (Bendig et al., 2014) | 360 |
8 | (Hrabar et al., 2005) | 175 | (Zarco-Tejada et al., 2014) | 347 |
9 | (Y. Huang et al., 2009) | 129 | (Ad˜ ao et al., 2017) | 335 |
10 | (Schmale III et al., 2008) | 119 | (Honkavaara et al., 2013) | 331 |
11 | (Abd-Elrahman et al., 2005) | 79 | (Candiago et al., 2015) | 327 |
12 | (Techy et al., 2010) | 69 | (Xiang & Tian, 2011) | 307 |
13 | (Sullivan et al., 2007) | 51 | (Matese et al., 2015) | 303 |
14 | (Lumme et al., 2008) | 42 | (Gago et al., 2015) | 275 |
15 | (Gokto ¨ ǧan et al., 2010) | 40 | (Aasen et al., 2015a) | 269 |
In die tweede periode (2011–2021) het die navorsing deur Zhang en Kovacs (2012) en Nex en Remondino (2014) gelei tot die publikasies wat die meeste aangehaal word. Zhang en Kovacs (2012) voer aan dat presisielandbou baat kan vind by die implementering van georuimtelike tegnieke en sensors, soos geografiese inligtingstelsels, GPS en afstandswaarneming, om variasies in die veld vas te lê en te hanteer deur alternatiewe strategieë te gebruik. As 'n spelwisselaar in presisielandbou, het die aanvaarding van hommeltuie 'n nuwe era ingelui in afstandswaarneming, die vereenvoudiging van lugwaarneming, die vaslegging van gewasgroeidata, grondtoestande en spuitgebiede. Die hersiening van Zhang en Kovacs (2012) is beslissend aangesien dit insigte in UAV's bied deur bestaande gebruike en uitdagings van hierdie toestelle in omgewingsmonitering en presisielandbou te openbaar, soos platform- en kamerabeperkings, dataverwerkingsuitdagings, boerebetrokkenheid en lugvaartregulasies . Die tweede
mees aangehaalde studie van Nex en Remondino (2014) het die stand van die kuns van UAV's vir die vaslegging, verwerking en ontleding van aardbeelde nagegaan.
Hul werk het ook 'n oorsig van verskeie UAV-platforms, toepassings en gebruiksgevalle aangebied, wat die nuutste vooruitgang in UAV-beeldverwerking vertoon. In die landbou kan boere UAV's gebruik om effektiewe besluite te neem om koste- en tydbesparings te bewerkstellig, 'n vinnige en presiese rekord van skade te ontvang en moontlike probleme te voorsien. In teenstelling met konvensionele lugplatforms, kan UAV's operasionele uitgawes besnoei en die gevaar van toegang op moeilike plekke verminder, terwyl dit steeds hoë presisiepotensiaal behou. Hul referaat som verskeie voordele van UAV's op, veral in terme van akkuraatheid en resolusie.
Onder die oorblywende dertien publikasies wat die meeste aangehaal is tussen 2011 en 2021, het ons 'n groter konsentrasie op navorsing opgemerk wat verband hou met hommeltuigtoepassings in beeldsendings (Bendig et al., 2014; Ma et al., 2017; Zarco-Tejada et al., 2014) , presisielandbou (Candiago et al., 2015; Honkavaara et al., 2013a), presisiewingerdbou (Matese et al., 2015), waterstremmingassessering (Gago et al., 2015) en plantegroeimonitering (Aasen et al. , 2015a). In die vroeë jare het navorsers gefokus
meer oor die ontwikkeling van laekoste, liggewig en presiese UAV-gebaseerde stelsels vir landbou; meer onlangse navorsing het meer gefokus op resensies van UAV-toepassings vir landbou en veldopmeting. Samevattend, hierdie ontleding onthul dat die invloedryke publikasies meestal resensies van vorige studies verskaf het om UAV's se huidige wetenskaplike en tegnologiese status te evalueer en UAV-stelsels ontwikkel het om presisielandbou te ondersteun. Interessant genoeg het ons nie studies gevind wat empiries gebruik het nie
metodologieë of beskrywende gevallestudies, wat 'n beduidende kennisgaping uitmaak en meer navorsing oor hierdie onderwerp vereis.
Gesamentlike aanhalingsanalise
Volgens Gmür (2006) identifiseer ko-aanhalingsanalise soortgelyke publikasies en groepeer dit. Noukeurige ondersoek van 'n groepering kan 'n algemene veld van navorsing onder die publikasies openbaar. Ons ondersoek die mede-aanhaling van die literatuur met betrekking tot landbou hommeltuie om verwante vakgebiede te illustreer en die intellektuele patrone van publikasies op te spoor. In hierdie verband het Small (1973) die gebruik van kositasie-analise aanbeveel om die mees invloedryke en seminale navorsing te bestudeer.
binne 'n dissipline. Om die stel te beperk tot die mees belangrike artikels (Goyal & Kumar, 2021), het ons 'n medeaanhalingsdrempel van 25 gestel, wat beteken dat twee artikels saam in die verwysingslyste van 25 of meer verskillende publikasies aangehaal moet gewees het. Die groepering is ook uitgevoer met 'n minimum trosgrootte 1 en sonder enige metode om kleiner trosse met groter saam te voeg. Gevolglik is ses groepe gegenereer op grond van die ooreenkomste van studies en hul intellektuele struktuur. Tabel 6 toon die verspreiding van publikasies in elke groepering.
Tros 1: Hierdie groep bevat agtien dokumente wat gepubliseer is na Die publikasies in hierdie groepering bespreek die rol van hommeltuie in die ondersteuning van omgewingsmonitering, gewasbestuur en onkruidbestuur. Byvoorbeeld, Manfreda et al. (2018) verskaf 'n oorsig van die huidige navorsing en implementering van UAV in natuurlike landbou-ekosisteemmonitering en voer aan dat die tegnologie geweldige potensiaal bied om omgewingsmonitering drasties te verbeter en te verminder
die bestaande gaping tussen veldwaarneming en konvensionele lug- en ruimtegedraagde afstandswaarneming. Dit kan gedoen word deur nuwe kapasiteit vir verbeterde tydelike herwinning en ruimtelike insigte in groot gebiede op 'n bekostigbare wyse aan te bied. UAV's kan voortdurend die omgewing waarneem en die gevolglike data stuur na intelligente, gesentraliseerde/gedesentraliseerde entiteite wat sensors beheer om uiteindelike probleme te identifiseer, soos 'n gebrek aan siekte of wateropsporing (Padua ´ et al., 2017). Adao ˜ et al. (2017) beweer dat UAV's ideaal is vir die assessering van plante se toestande deur 'n groot volume rou data vas te lê wat verband hou met waterstatus, biomassa-skatting en groeikragbepaling. UAV-gemonteerde sensors kan ook onmiddellik in behoorlike omgewingstoestande ontplooi word om die tydige vaslegging van afstandwaarnemingsdata moontlik te maak (Von Bueren et al., 2015). Deur middel van UAV's is boere in staat om binnenshuise boerdery-aktiwiteite uit te voer deur metings van feitlik enige plek in die driedimensionele ruimte van binnenshuise boerdery-omgewings (bv. kweekhuise) te verkry, en sodoende plaaslike klimaatbeheer en plantmonitering te verseker (Roldan ´ et al. ., 2015). In die konteks van presisie
landbou, noodsaak gewasbestuursbesluite akkurate, betroubare gewasdata met 'n toepaslike tydelike en ruimtelike resolusie (Gebbers & Adamchuk, 2010; Gevaert et al., 2015; Maes & Steppe, 2019). Om hierdie rede het Agüera Vega et al. (2015) het 'n UAV-gemonteerde multispektrale sensorstelsel gebruik om beelde van 'n sonneblomgewas gedurende die groeiseisoen te verkry. Net so het Huang et al. (2009) merk op dat afstandwaarneming gebaseer op UAV's die meting van gewasse en grond vanaf die versamelde spektrale data kan vergemaklik. Verger et al. (2014) het 'n tegniek ontwikkel en getoets vir die skatting van 'n groenarea-indeks (GAI) uit UAV-reflektansiemetings in presisielandboutoepassings, met die fokus op koring- en raapsaadgewasse. Daarom bied hommeltuie nuwe moontlikhede vir die herwinning van gewastoestandinligting met gereelde herbesoeke en hoë ruimtelike resolusie (Dong et al., 2019; Garzonio et al., 2017; H. Zheng et al., 2016).
Groepering van invloedryke publikasies oor landbou hommeltuie.
Cluster | Breë tema | Verwysings |
1 | Omgewingsmonitering, gewas bestuur, onkruidbestuur | (Ad˜ ao et al., 2017; Agüera Vega et al., 2015; de Castro et al., 2018; Gomez-Cand ´on ´ et al., 2014; YB Huang et al., 2013; Khanal et al., 2017; Lopez-Granados, ´ 2011; Manfreda et al., 2018; P' adua et al., 2017; Pena ˜ et al., 2013; P'erez-Ortiz et al., 2015; Rasmussen et al., 2013, 2016; Torres-S' anchez et al., 2014; Torres-Sanchez, ´ Lopez-Granados, ´ & Pena, ~ 2015; Verger et al., 2014; Von Bueren et al., 2015; C. Zhang & Kovacs, 2012) |
2 | Afgeleë fenotipering, opbrengs skatting, oesoppervlakmodel, tel van plante | (Bendig et al., 2013, 2014; Geipel et al., 2014; Gnadinger ¨ & Schmidhalter, 2017; Haghighattalab et al., 2016; Holman et al., 2016; Jin et al., 2017; W. Li et al., 2016; Maimaitijiang et al., 2017; Sankaran et al., 2015; Schirrmann et al., 2016; Shi et al., 2016; Yue et al., 2017; X. Zhou et al., 2017) |
3 | Termiese beelding vir water, multispektrale beelding | (Baluja et al., 2012; Berni et al., 2009b; Berni et al., 2009a; Candiago et al., 2015; Gago et al., 2015; Gonzalez-Dugo et al., 2013, 2014; Grenzdorffer ¨ et al., 2008; Khaliq et al., 2019; Matese et al., 2015; Ribeiro-Gomes et al., 2017; Santesteban et al., 2017; Uto et al., 2013) |
4 | Hipersektrale beelding, spektraal beelding | (Aasen et al., 2015a; Bareth et al., 2015; Hakala et al., 2013; Honkavaara et al., 2013a; Lucieer et al., 2014; Saari et al., 2011; Suomalainen et al., 2014) |
5 | 3D-kartering toepassings | (Jim´enez-Brenes et al., 2017; Nex & Remondino, 2014; Salami et al., 2014; Torres-S' anchez, Lopez- ´ Granados, Serrano, et al., 2015; Zahawi et al., 2015; Zarco-Tejada et al., 2014) |
6 | Landbou toesig | (SR Herwitz et al., 2004; Hunt et al., 2010; CCD Lelong et al., 2008; Primicerio et al., 2012; Xiang & Tian, 2011) |
Verder is hommeltuie nuttig vir uitdagende take in die landbou, insluitend onkruidkartering. Beelde wat deur die toestelle vasgelê is, het hul bruikbaarheid bewys vir vroeë onkruidopsporing in landerye (de Castro et al., 2018; Jim'enez-Brenes et al., 2017; Lam et al., 2021; Lopez-Granados ´ et al., 2016; Rozenberg et al., 2021). In hierdie verband het de Castro et al. (2018) beweer dat die samesmelting van UAV-beelde en objekgebaseerde beeldanalise (OBIA) praktisyns in staat gestel het om die kwessie van outomatisering van vroeë opsporing in vroeë seisoen grasveldgewasse te oorkom, wat 'n groot stap vorentoe in onkruidnavorsing is. Net so het Pena ˜ et al. (2013) wys daarop dat die gebruik van ultrahoë ruimtelike resolusiebeelde van UAV in samewerking met 'n OBIA-prosedure dit moontlik maak om onkruidkaarte in vroeë mielie-gewasse te genereer wat gebruik kan word in die beplanning van die implementering van in-seisoen onkruidbeheermaatreëls, 'n taak buite die vermoë van satelliet- en tradisionele lugbeelde. In vergelyking met beeldklassifikasie of objekbespeuringsalgoritmes, is semantiese segmenteringstegnieke meer effektief by onkruidkarteringstake (J. Deng et al., 2020), wat boere dus in staat stel om veldtoestande op te spoor, verliese te versag en opbrengste regdeur die groeiseisoen te verbeter (Ramesh et al., 2020). Diep leergebaseerde semantiese segmentering kan ook 'n akkurate meting van plantegroeibedekking van hoë-resolusie lugbeelde verskaf (Ramesh et al., 2020; A. Zheng et al., 2022). Ten spyte van hul potensiaal vir afgeleë
waarneming van pixelklassifikasie, vereis semantiese segmenteringstegnieke aansienlike berekening en 'n buitensporige hoë GPU-geheue (J. Deng et al., 2020).
Gebaseer op masjienleer en UAV, P´erez-Ortiz et al. (2015) het 'n onkruidkarteringbenadering voorgestel om plekspesifieke onkruidbeheerstrategieë te verskaf wanneer boere die vroeë-na-opkoms onkruidbeheer aanvaar. Laastens het Rasmussen et al. (2013) het uitgelig dat hommeltuie goedkoop waarneming bied met groot ruimtelike resolusie buigsaamheid. Oor die algemeen fokus die publikasies in hierdie groep op die verkenning van die potensiaal van UAV's om afstandswaarneming, gewasmonitering en onkruidkartering te ondersteun. Bykomende diepgaande navorsing is nodig om verder te ondersoek hoe hommeltuigtoepassings in omgewingsmonitering, gewasbestuur en onkruidkartering meer volhoubare landbou kan bewerkstellig (Chamuah & Singh, 2019; Islam et al., 2021; Popescu et al., 2020; J Su, Liu, et al., 2018) en spreek bestuurskwessies van hierdie tegnologie in oesversekeringstoepassings aan (Basnet & Bang, 2018; Chamuah & Singh, 2019, 2022; Meinen & Robinson, 2021). Navorsers moet konsentreer op die validering van UAV-versamelde metings met doeltreffende verwerkingstegnieke om die uiteindelike kwaliteit van verwerkte data te verbeter (Manfreda et al., 2018). Verder is die ontwikkeling van toepaslike algoritmes nodig wat pixels herken wat onkruid in die digitale beelde vertoon en irrelevante agtergrond tydens UAV-onkruidkartering uitskakel (Gaˇsparovi´c et al., 2020; Hamylton et al., 2020; H. Huang et al. , 2018, 2020; Lopez-´ Granados et al., 2016). Bykomende navorsing oor die aanvaarding van semantiese segmenteringstegnieke in plantherkenning, blaarklassifikasie en siektekartering is welkom (Fuentes-Pacheco et al., 2019; Kerkech et al., 2020).
Kluster 2. Die publikasies in hierdie kluster het gefokus op verskeie aspekte van landbou hommeltuie. Verwant aan afgeleë fenotipering, Sankaran et al. (2015) het die potensiaal van die gebruik van lae-hoogte, hoë-resolusie lugbeelding met UAV's vir vinnige fenotipering van gewasse in die veld hersien, en hulle argumenteer dat, in vergelyking met grondgebaseerde waarnemingsplatforms, klein UAV's met voldoende sensors verskeie voordele bied , soos makliker toegang tot die veld, hoë-resolusie data, doeltreffende data-insameling,
vinnige assesserings van die veldgroeitoestande, en lae bedryfskoste. Die skrywers merk egter ook op dat die effektiewe toepassing van UAV vir veldfenotipering staatmaak op twee fundamentele elemente, naamlik UAV-kenmerke (bv. veiligheid, stabiliteit, posisionering, outonomie) en sensorkenmerke (bv. resolusie, gewig, spektrale golflengtes, veld). uitsig). Haghighattalab et al. (2016) het 'n semi-outomatiese beeldverwerkingspyplyn voorgestel om plotvlakdata van UAV-beelde te haal en die teelproses te versnel. Holman et al. (2016) het 'n hoë ontwikkel
deursetveldfenotiperingstelsel en beklemtoon dat UAV in staat is om kwaliteit, volumineuse, veldgebaseerde fenotipiese data te versamel, en dat die toestel effektief is vir groot gebiede en oor verskillende veldliggings.
Aangesien opbrengsberaming 'n ongelooflike belangrike stukkie inligting is, veral wanneer dit betyds beskikbaar is, is daar 'n potensiaal vir UAV's om alle veldmetings te verskaf en doeltreffend hoë kwaliteit data te verkry (Daakir et al., 2017; Demir et al., 2018 ; Enciso et al., 2019; Kulbacki et al., 2018; Pudelko et al., 2012). In hierdie verband het Jin et al. (2017) het gebruik gemaak van die hoë resolusie-beelde wat deur UAV's op baie lae hoogtes verkry is om 'n metode te ontwikkel en te assesseer om koringplantdigtheid tydens die opkomsstadium te skat. Volgens die skrywers oorkom UAV's die beperkings van roverstelsels wat met kameras toegerus is en verteenwoordig 'n nie-indringende metode om plantdigtheid in gewasse te skat, wat boere in staat stel om die hoë deurset wat nodig is vir veldfenotipering te bereik, onafhanklik van die bewerkbaarheid van die grond. Li et al. (2016) het honderde stereobeelde met uiters hoë resolusie versamel deur 'n UAV-gebaseerde stelsel te gebruik om mielieparameters te skat, insluitend blaredakhoogte en bogrondse biomassa. Ten slotte, Yue et al. (2017) het bevind dat oeshoogte bepaal vanaf UAV's bogrondse biomassa (AGB) skatting kan verbeter.
’n Benadering om gewasgroei te monitor is die idee om gewasoppervlakmodelle te ontwikkel (Bendig et al., 2014, 2015; Holman et al., 2016; Panday, Shrestha, et al., 2020; Sumesh et al., 2021). Verskeie studies het die uitvoerbaarheid uitgelig van beelde wat vanaf UAV geneem is om plante se hoogte vas te vang en hul groei te monitor. Byvoorbeeld, Bendig et al. (2013) het die ontwikkeling van multi-temporele gewasoppervlakmodelle met 'n baie hoë resolusie van minder as 0.05 m beskryf deur gebruik te maak van UAV. Hulle het gemik om oes op te spoor
groeiveranderlikheid en die afhanklikheid daarvan van gewasbehandeling, kultivar en stres. Bendig et al. (2014) het UAV's gebruik om vars en droë biomassa te skat gebaseer op planthoogte wat uit gewasoppervlakmodelle onttrek is en gevind dat, anders as lugplatforms en terrestriële laserskandering, die hoë resolusiebeelde van UAV's die akkuraatheid van planthoogtemodellering vir verskillende groei aansienlik kan verhoog stadiums. In dieselfde trant het Geipel et al. (2014) het UAV's in hul navorsing gebruik om beeldmateriaal te verkry
datastelle vir mieliegraanopbrengsvoorspelling by drie verskillende groeifases van vroeë tot middelseisoen en tot die gevolgtrekking gekom dat die kombinasie van spektrale en ruimtelike modellering gebaseer op lugbeelde en gewasoppervlakmodelle 'n geskikte metode is om middelseisoen mielie-opbrengs te voorspel. Laastens het Gnadinger ¨ en Schmidhalter (2017) die nut van UAV in presisiefenotipering ondersoek en uitgelig dat die gebruik van hierdie tegnologie plaasbestuur kan verbeter en veldeksperimentering vir teel- en agronomiese doeleindes moontlik kan maak. Oor die algemeen neem ons waar dat die publikasies in groep 2 fokus op die belangrikste voordele van UAV's in afgeleë
fenotipering, opbrengsskatting, gewasoppervlakmodellering en planttelling. Toekomstige studies kan dieper delf deur nuwe metodes vir afgeleë fenotipering te ontwikkel wat die verwerking van afstandwaarneembare data kan outomatiseer en optimaliseer (Barabaschi et al., 2016; Liebisch et al., 2015; Mochida et al., 2015; S. Zhou et al. ., 2021). Daarbenewens moet die werkverrigting van IoT-sensors wat op UAV's gemonteer is en die afweging tussen hul koste, arbeid en akkuraatheid van opbrengsberaming nagevors word in die
toekoms (Ju & Son, 2018a, 2018b; Xie & Yang, 2020; Yue et al., 2018). Uiteindelik is daar 'n behoefte om doeltreffende beeldverwerkingsmetodes te ontwikkel wat betroubare inligting kan genereer, doeltreffendheid in landbouproduksie kan maksimeer en die handtelwerk van die boere tot die minimum kan beperk (RU Khan et al., 2021; Koh et al., 2021; Lin & Guo, 2020; C. Zhang et al., 2020).
Groepering 3. Die publikasies in hierdie groepie bespreek die verskillende tipes beeldstelsels vir afstandwaarneming van landbouhulpbronne wat op UAV-platforms gebruik word. In hierdie verband laat termiese beelding die monitering van oppervlaktemperature toe om gewasskade te voorkom en droogtestres vroeg op te spoor (Awais et al., 2022; García-Tejero et al., 2018; Sankaran et al., 2015; Santesteban et al., 2017; Yeom, 2021). Baluja et al. (2012) het beweer dat die gebruik van multispektrale en termiese kameras aan boord van die
UAV het navorsers in staat gestel om hoë resolusiebeelde te verkry en wingerdwaterstatus te evalueer. Dit kan nuttig wees om nuwe waterskeduleringsmodelle te ontwikkel deur afstandwaarnemingsdata te gebruik (Baluja et al., 2012). As gevolg van die
beperkte laaivermoë van UAV's, Ribeiro-Gomes et al. (2017) het die integrasie van onverkoelde termiese kameras in UAV's oorweeg om waterstres in die plante te bepaal, wat hierdie tipe UAV's meer doeltreffend en lewensvatbaar maak as tradisionele satellietgebaseerde afstandswaarneming en UAV's toegerus met verkoelde termiese kameras. Volgens die skrywers is onverkoelde termiese kameras ligter as verkoelde kameras, wat toepaslike kalibrasie vereis. Gonzalez-Dugo et al. (2014) het getoon dat termiese beelde effektief ruimtelike kaarte van gewaswaterstremmingsindekse genereer om waterstatus te bepaal en waterstres tussen en binne sitrusboorde te kwantifiseer. Gonzalez-Dugo et al. (2013) en Santesteban et al. (2017) het die gebruik van hoë resolusie UAV-termiese beelde ondersoek om die waterstatusveranderlikheid van 'n kommersiële boord en 'n wingerd te skat.
Multispektrale beelding kan massiewe data verskaf in vergelyking met tradisionele RGB (rooi, groen en blou) beelde (Ad˜ ao et al., 2017; Navia et al., 2016). Hierdie spektrale data, tesame met ruimtelike data, kan help met klassifikasie, kartering, voorspelling, voorspelling en opsporingsdoeleindes (Berni et al., 2009b). Volgens Candiago et al. (2015), kan UAV-gebaseerde multispektrale beelding grootliks bydra tot oesbepaling en presiese landbou as 'n betroubare en doeltreffende hulpbron. Ook,
Khaliq et al. (2019) het 'n vergelyking gemaak tussen satelliet- en UAV-gebaseerde multispektrale beelding. Die UAV-gebaseerde beelde het daartoe gelei dat dit meer presies was in die beskrywing van wingerdveranderlikheid sowel as groeikragkaarte vir die voorstelling van gewasblare. In 'n neutedop bespreek artikels in hierdie groepering die inkorporering van termiese en multispektrale beeldsensors in landbou-UAV's. Gevolglik is meer navorsing nodig om te verstaan hoe termiese en multispektrale beelding met KI geïntegreer kan word
tegnieke (bv. diep leer) om plantstres op te spoor (Ampatzidis et al., 2020; Ampatzidis & Partel, 2019; Jung et al., 2021; Santesteban et al., 2017; Syeda et al., 2021). Sulke insigte sal help om meer doeltreffende en akkurate opsporing sowel as monitering van plantgroei, stres en fenologie te verseker (Buters et al., 2019; Cao et al., 2020; Neupane & BaysalGurel, 2021; L. Zhou et al., 2020).
Kluster 4. Hierdie kluster bestaan uit sewe referate wat handel oor die deurslaggewende rol van spektrale beelding en hiperspektrale beelding in die ondersteuning van landboupraktyke. Hiperspektrale beeldvorming het homself gevestig as 'n afstandwaarnemingsmetode wat kwantitatiewe assessering van die aardestelsel moontlik maak (Schaepman et al., 2009). Om meer presies te wees, dit maak die identifikasie van oppervlakmateriale, die kwantifisering van (relatiewe) konsentrasies, en die toewysing van oppervlakte komponent proporsies
binne gemengde pixels (Kirsch et al., 2018; Zhao et al., 2022). Met ander woorde, die hoër spektrale resolusie wat deur hiperspektrale stelsels verskaf word, maak meer akkurate skattings van verskeie parameters moontlik, soos vegetariese eienskappe of blaarwaterinhoud (Suomalainen et al., 2014). Die navorsers in hierdie groepering het verskeie aspekte van sulke stelsels ondersoek. Onder andere Aasen et al. (2015b) het 'n unieke benadering aangebied om driedimensionele hiperspektrale inligting van liggewig af te lei
momentopname-kameras wat op UAV's gebruik word vir plantegroeimonitering. Lucieer et al. (2014) het die ontwerp, ontwikkeling en lugoperasies van 'n nuwe hiperspektrale UAS bespreek asook die kalibrasie, analise en interpretasie van die beelddata wat daarmee ingesamel is. Ten slotte het Honkavaara et al. (2013b) het 'n omvattende verwerkingsbenadering vir FabryPerot interferometer-gebaseerde spektrale beelde ontwikkel en die gebruik daarvan in 'n biomassa skattingsprosedure vir presisielandbou getoon. Potensiële toekomstige paaie vir hierdie huidige groepering sluit in die klem op die behoefte aan tegniese verbeterings in sensortegnologieë (Aasen et al., 2015b) sowel as die behoefte aan die inkorporering en verbetering van komplementêre tegnologieë, spesifiek groot data en analise (Ang & Seng, 2021; Radoglou -Grammatikis et al., 2020; Shakoor et al., 2019). Laasgenoemde spruit hoofsaaklik uit die steeds groeiende data wat gegenereer word deur verskeie sensors wat in slim landbou geïmplementeer is (C. Li & Niu, 2020; A. Rejeb et al., 2022; Y. Su & Wang, 2021).
Groepering 5. Die publikasies in hierdie groepering het hommeltuie-gebaseerde 3Dmapping-toepassings ondersoek. Die gebruik van hommeltuie vir 3D-kartering kan die komplekse veldwerk verlig en doeltreffendheid aansienlik verhoog (Torres-Sanchez ´ et al., 2015). Die vyf artikels in die kluster het hoofsaaklik op plantmoniteringstoepassings gefokus. Byvoorbeeld, om driedimensionele data oor blaredak-area, boomhoogte en kroonvolume te verkry, het Torres-Sanchez ´ et al. (2015) het UAV-tegnologie gebruik om digitale oppervlakmodelle te genereer en dan objekgebaseerde beeldanalise (OBIA) benaderings. Verder het Zarco-Tejada et al. (2014) het boomhoogte gekwantifiseer deur UAV-tegnologie en driedimensionele foto-rekonstruksiemetodes te integreer. Jim'enez-Brenes Lopez-Granados, 'De Castro, et al. (2017) het 'n nuwe proses vir multi-temporele, 3D-monitering van dosyne olyfbome gedemonstreer deur UAV-tegnologie met gevorderde OBIA-metodologie te integreer. Interessante paaie vir toekomstige werke in hierdie groepie sluit in die verbetering van stroom
metodologieë (Zarco-Tejada et al., 2014) vir digitale oppervlakmodelleringdoeleindes (Ajayi et al., 2017; Jaud et al., 2016), soos OBIA (de Castro et al., 2018, 2020; Ventura et al. , 2018), en foto-rekonstruksie of die ontwikkeling van nuwe metodes (Díaz-Varela et al., 2015; Torres-S' anchez et al., 2015).
Groep 6. Hierdie groepie bespreek die rol van hommeltuie in landbou-toesig. UAV's kan die tekortkominge van satelliet- en vliegtuigbeelding aanvul en oorkom. Hulle kan byvoorbeeld hoë resolusie naby-intydse beelding verskaf met minder brandstof of loodsuitdagings, wat lei tot konstante en intydse toesig en verbeterings in besluitneming (S. Herwitz et al., 2004). Nog 'n sleutelbydrae van UAV's is hul vermoë om terreinspesifieke data vir presisielandbou of terreinspesifieke boerdery te verskaf, aangesien hul hoë resolusie, gedetailleerde data oor verskeie parameters boere in staat stel om die grond in homogene dele te verdeel en dit dienooreenkomstig te behandel (Hunt et al. , 2010; CC Lelong et al., 2008; Primicerio et al., 2012). Sulke UAV-gebaseerde landboutoesig kan voedselsekuriteitmonitering en besluitneming ondersteun (SR Herwitz et al., 2004). Om navorsing in landbou-toesig te bevorder, is nie net verbeterings in sensors, UAV's en ander verwante tegnologieë en hul kommunikasie- en data-oordragmetodes nodig nie (Ewing et al., 2020; Shuai et al., 2019), maar ook die integrasie van hommeltuie met verskeie tegnologieë vir die optimalisering van verskillende take met betrekking tot slim landbou, soos monitering, landbou-toesig en besluitneming, is 'n hoë potensiaal navorsingsarea (Alsamhi et al., 2021; Popescu et al., 2020; Vuran et al., 2018). In hierdie verband bied IoT, WSN'e en groot data interessante komplementêre vermoëns (van der Merwe et al., 2020). Implementeringskoste, kostebesparings, energiedoeltreffendheid en datasekuriteit is van die onder-nagevorste areas vir sulke integrasie (Masroor et al., 2021).
Lande en akademiese instellings
Die laaste stap het die ondersoek na die land van herkoms en die akademiese affiliasies van die skrywers ingesluit. Deur hierdie ontleding poog ons om die geografiese verspreiding van skoliere wat bydra tot die toepassings van hommeltuie in die landbou beter te verstaan. Dit is opmerklik om die diversiteit van lande en akademiese instellings raak te sien. Vanuit 'n landperspektief is die VSA, China, Indië en Italië boaan die lys wat die aantal publikasies betref (Tabel 7). Die huidige
navorsing oor landbou hommeltuie is grootliks gesentreer in Noord-Amerikaanse en Asiatiese lande, hoofsaaklik as gevolg van hul hoë betrokkenheid by presisielandboutoepassings. Byvoorbeeld, in die VSA is die mark van landbou hommeltuie geskat op 841.9 miljoen USD in die jaar 2020, wat ongeveer 30% van die globale markaandeel uitmaak (ReportLinker, 2021). China, wat as die wêreld se grootste ekonomie beskou word, sal na verwagting 'n benaderde markgrootte van 2.6 miljard USD in die jaar 2027 bereik. Hierdie land doen 'n beroep op landbou hommeltuie om produktiwiteitskwessies te oorkom en beter opbrengste, arbeidsverligting en minder produksie-insette te behaal. Die aanvaarding van die tegnologie in China word egter ook gedryf deur faktore soos die bevolkingsgrootte en die behoefte om bestaande gewasbestuurspraktyke te vernuwe en te verbeter.
Top mees produktiewe lande en universiteite/organisasies wat bydra tot
landbou hommeltuig-verwante navorsing.
rang | lande |
1 | VSA |
2 | Sjina |
3 | Indië |
4 | Italië |
5 | Spanje |
6 | Duitsland |
7 | Brasilië |
8 | Australië |
9 | Japan |
10 | Verenigde Koninkryk |
rang | Universiteite/ Organisasies |
1 | Chinese Akademie van Wetenskappe |
2 | Ministerie van Landbou van die Volksrepubliek China |
3 | Superior Council of Scientific Investigations |
4 | Texas A & M Universiteit |
5 | China Landbou Universiteit |
6 | USDA Landbounavorsingsdiens |
7 | CSIC – Instituto de Agricultura Sostenible IAS |
8 | Purdue Universiteit |
9 | Nasionale Navorsingsraad |
10 | Suid-China Landbou-universiteit |
Vanuit 'n universiteits- en organisatoriese perspektief is die Chinese Akademie vir Wetenskappe boaan die lys wat die aantal publikasies betref, gevolg deur die Ministerie van Landbou van die Volksrepubliek van China en Consejo Superior de Investigaciones Científicas. Chinese Akademie vir Wetenskappe word verteenwoordig deur die skrywers Liao Xiaohan en Li Jun; Han Wenting verteenwoordig die Ministerie van Landbou van die Volksrepubliek van China; en Consejo Superior de Investigaciones Científicas word verteenwoordig deur Lopez-Granados, ´ F. en Pena, ˜ Jos´e María S. Van die VSA vind universiteite soos die Texas A&M University en Purdue University hul
noem. Die universiteite met die hoogste aantal publikasies en hul verbande word in Fig. 4 getoon. Daarbenewens sluit hierdie lys instellings soos die Consiglio Nazionale delle Ricerche en die Consejo Superior de Investigaciones Científicas in wat aktief is in wetenskaplike navorsing, maar nie akademiese instellings is nie. .
Ons keuse het 'n wye verskeidenheid joernale ingesluit, wat feitlik al die beskikbare data insluit. Soos in Tabel 8 getoon word, is Afstandwaarneming met 258 artikels boaan, gevolg deur Journal of Intelligent and Robotic Systems: Theory and Applications met 126 en Computers and Electronics in Agriculture met 98 artikels. Terwyl Afstandwaarneming meestal gefokus is op die toepassing en ontwikkeling van hommeltuie, dek Rekenaars en Elektronika in Landbou hoofsaaklik vooruitgang in rekenaarhardeware, sagteware, elektronika en beheerstelsels in die landbou. Dwarsgebied-afsetpunte, soos IEEE Robotics and Automation Letters met 87 publikasies en IEEE Access met 34 publikasies, is ook voorste afsetpunte in die veld. Die top vyftien afsetpunte het bygedra tot die literatuur met 959 dokumente, wat ongeveer 20.40% van alle publikasies is. ’n Tydskrif-samesyningsanalise stel ons in staat om die belangrikheid en ooreenkoms tussen publikasies te ondersoek. Die mede-aanhalingsanalise lewer drie trosse op, soos getoon in Fig. 5. Die rooi groepie bestaan uit joernale soos Remote Sensing, Computer and Electronics in Agriculture, Sensors,
en die International Journal of Remote Sensing. Al hierdie afsetpunte is hoogs gerespekteerde tydskrifte op die gebied van afstandwaarneming en presisielandbou. Die groen groepie bevat joernale wat handel oor robotika, soos Journal of Intelligent and Robotic Systems: Theory and Applications, IEEE Robotics and Automation Letters, IEEE Access, and Drones. Hierdie afsetpunte publiseer meestal referate oor outomatisering en is nuttig vir landbou-ingenieurs. Die finale kluster word gevorm deur tydskrifte wat verband hou met agronomie en landbou-ingenieurswese, soos Agronomie en International Journal of Agricultural and Biological Engineering.
Top 15 joernale in landbou hommeltuig-verwante navorsing.
rang | Journal | Tel |
1 | Afstandswaarneming | 258 |
2 | Tydskrif vir Intelligente en Robotiese Stelsels: Teorie en aansoeke | 126 |
3 | Rekenaars en elektronika in die landbou | 98 |
4 | IEEE Robotika en Outomatisering Letters | 87 |
5 | Sensors | 73 |
6 | Internasionale Tydskrif vir Afstandwaarneming | 42 |
7 | Presisie Landbou | 41 |
8 | Drones | 40 |
9 | Agronomie | 34 |
10 | IEEE Toegang | 34 |
11 | International Journal of Advanced Robotic Systems | 31 |
12 | Internasionale Tydskrif vir Landbou- en Biologiese Ingenieurswese | 25 |
13 | PLoS ONE | 25 |
14 | Tydskrif vir Veldrobotika | 23 |
15 | Biosystemeningenieurswese | 23 |
Gevolgtrekking
Opsomming
In hierdie studie het ons bestaande navorsing oor landbou hommeltuie opgesom en ontleed. Deur verskeie bibliometriese tegnieke toe te pas, het ons daarna gestreef om 'n beter begrip van die intellektuele struktuur van landbou hommeltuig-verwante navorsing te verkry. Kortom, ons oorsig bied verskeie bydraes deur sleutelwoorde in die literatuur te identifiseer en te bespreek, kennisklusters te openbaar terwyl semanties soortgelyke gemeenskappe op die gebied van hommeltuie gevorm word, vroeëre navorsing uiteengesit word en toekomstige navorsingsrigtings voorstel. Hieronder gee ons 'n uiteensetting van die belangrikste bevindinge van die oorsig oor die ontwikkeling van landbou hommeltuie:
• Die algehele literatuur het vinnig gegroei en oor die afgelope dekade enorme aandag getrek, soos aangedui deur die toename in die aantal artikels ná 2012. Al moet hierdie kennisveld nog sy volle volwassenheid bereik (Barrientos et al., 2011; Maes & Steppe, 2019), is verskeie vrae nog onbeantwoord. Byvoorbeeld, die nut van hommeltuie in binnenshuise boerdery is steeds oop vir debat (Aslan et al., 2022; Krul et al., 2021; Rold´an et al., 2015). Die kompleksiteit van veldtonele en die verskillende beeldomstandighede (bv. skaduwees en beligting) kan 'n hoër spektrale in-klas variansie tot gevolg hê (Yao et al., 2019). Selfs in die latere navorsingsfases is navorsers uitgedaag om optimale vlugplanne volgens bepaalde scenario's en vereiste beeldkwaliteit te bepaal (Soares et al., 2021; Tu et al.,
2020).
• Ons merk op dat die veld gevorder het van die ontwikkeling van doeltreffende UAV-stelsels na die inkorporering van KI-tegnieke, soos masjienleer en diep leer in die ontwerp van landbou hommeltuie (Bah et al., 2018; Kitano et al., 2019; Maimaitijiang et al. , 2020; Mazzia et al., 2020; Tetila et al., 2020).
• Navorsing oor landbou hommeltuie het hoofsaaklik afstandswaarneming bespreek deur die potensiaal van die tegnologie in omgewingsmonitering, oesbestuur en onkruidbestuur (tros 1) sowel as afstandsfenotipering en opbrengsskatting (groep 2) te ondersoek. ’n Stel invloedryke studies oor landbou hommeltuie sluit Austin (2010), Berni et al. (2009)a, Herwitz et al. (2004), Nex en Remondino (2014), en Zhang en Kovacs (2012). Hierdie studies het die konseptuele basis van hommeltuigverwante navorsing in die konteks van landbou ontwikkel.
• Verwant aan die metodologie, het ons opgemerk dat die meeste van die navorsing wat tot dusver gedoen is, saamgestel is uit óf sisteemontwerp, konseptuele óf oorsig-gebaseerde studies (Inoue, 2020; Nex & Remondino, 2014; P´erez-Ortiz et al. , 2015; Yao et al., 2019). Ons merk ook 'n gebrek aan empiriese, kwalitatiewe en gevallestudie-gebaseerde metodes wat werk in die ondersoek van landbou hommeltuie.
• Onlangs het onderwerpe wat verband hou met presisielandbou, KI-tegnieke, presisiewingerdbou en waterstremmingsbepaling aansienlike aandag getrek (Espinoza et al., 2017; Gomez-Cand ´ on ´ et al., 2016; Matese et al., 2015; Matese & Di Gennaro, 2018, 2021; Z. Zhou et al., 2021). Noukeurige ondersoek van navorsingsklusters in twee afsonderlike eras, 1990–2010 en 2011–2021, onthul die vordering van die domein se intellektuele struktuur. Die tydperk van 1990 tot 2010 was die opbou van sentrale idees en die konsepte van hommeltuie, wat duidelik blyk uit die bespreking van UAV-ontwerp, ontwikkeling en implementering. In die tweede era brei die navorsingsfokus uit op vorige studies, wat 'n poging aanwend om UAV-gebruiksgevalle in die landbou te sintetiseer. Ons het ook talle studies gevind wat hommeltuigtoepassings in beeldtake en presisielandbou bespreek.
rang | Journal | Tel |
1 | Afstandswaarneming | 258 |
2 | Tydskrif vir Intelligente en Robotiese Stelsels: Teorie en | 126 |
aansoeke | ||
3 | Rekenaars en elektronika in die landbou | 98 |
4 | IEEE Robotika en Outomatisering Letters | 87 |
5 | Sensors | 73 |
6 | Internasionale Tydskrif vir Afstandwaarneming | 42 |
7 | Presisie Landbou | 41 |
8 | Drones | 40 |
9 | Agronomie | 34 |
10 | IEEE Toegang | 34 |
11 | International Journal of Advanced Robotic Systems | 31 |
12 | Internasionale Tydskrif vir Landbou- en Biologiese Ingenieurswese | 25 |
13 | PLoS ONE | 25 |
14 | Tydskrif vir Veldrobotika | 23 |
15 | Biosystemeningenieurswese | 22 |
Implikasies
Ons bibliometriese oorsig is ontwerp en uitgevoer met vakkundiges, boere, landboukundiges, gewaskonsultante en UAV-stelselontwerpers in gedagte. Na die beste kennis van die skrywers, is dit een van die eerste oorspronklike resensies wat 'n diepgaande bibliometriese ontleding van
hommeltuig-toepassings in die landbou. Ons het 'n omvattende hersiening van hierdie kennisliggaam gedoen, deur gebruik te maak van aanhalings- en mede-aanhalingsontledings van publikasies. Ons pogings om die intellektuele struktuur van hommeltuignavorsing te beskryf bied ook nuwe insigte vir akademici. 'n Noukeurige oorsig van die sleutelwoorde wat oor tyd gebruik is, onthul die brandpunte en fokusnavorsingsareas in die hommeltuigverwante literatuur. Verder bied ons 'n lys van mees aangehaalde studies aan om die mees impakvolle navorsingswerke wat in die veld voltooi is, te identifiseer. Die identifisering van artikels en sleutelwoorde kan gevolglik 'n stewige beginpunt bied om verskeie weë vir toekomstige studies te ontbloot.
Wat belangrik is, is dat ons trosse onthul het wat vergelykbare werke klassifiseer en op die resultate uitgebrei het. Die studies wat in groepe geklassifiseer is, help om die intellektuele struktuur van UAV-navorsing te verstaan. Ons het veral 'n gebrek aan studies ontdek wat hommeltuie se aannemingsfaktore ondersoek
en hindernisse in boerdery-aktiwiteite (sien Tabel 9). Toekomstige navorsers kan hierdie potensiële gaping aanspreek deur empiriese ondersoeke uit te voer wat hommeltuie se aannemingsfaktore in verskillende boerderyaktiwiteite en klimaatstoestande evalueer. Verder moet gevallestudie-gebaseerde navorsing oor die doeltreffendheid van hommeltuie gerugsteun word met werklike data uit die veld. Om boere en bestuurders by akademiese navorsing te betrek, sal ook voordelig wees vir beide die teoretiese en praktiese vooruitgang van hommeltuignavorsing. Ons kon ook die mees prominente navorsers en hul bydraes identifiseer, wat waardevol is omdat bewustheid van onlangse seminale werke 'n mate van leiding vir toekomstige akademiese pogings kan bied.
Tabel 9
UAV aanneming hindernisse.
Barrier | Beskrywing |
Data sekuriteit | Kubersekuriteit is 'n groot uitdaging vir implementering IoT-oplossings (Masroor et al., 2021). |
Interoperabiliteit en integrasie | Verskeie tegnologieë soos UAV, WSN, IoT, ens. moet geïntegreer word en stuur data wat verhoog die kompleksiteitsvlak (Alsamhi et al., 2021; Popescu et al., 2020; Vuran et al., 2018). |
Implementeringskoste | Dit is spesifiek die geval vir kleinboere en vir die integrasie van verskeie voorpunt-tegnologieë ( Masroor et al., 2021). |
Arbeidskennis en kundigheid | Bekwame hommeltuigvlieëniers is nodig om UAV's te bedryf. Ook die implementering van verskeie voorpunt tegnologie vereis geskoolde werkers (YB Huang et al., 2013; Tsouros et al., 2019). |
Motorkrag en vlug duur | Hommeltuie kan nie vir lang ure en dekking bedryf word nie groot gebiede (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Stabiliteit, betroubaarheid, en beweegbaarheid | Hommeltuie is nie stabiel tydens slegte weerstoestande nie (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Loonvrag beperkings en sensors se kwaliteit | Hommeltuie kan slegs beperkte vragte dra vermoë om laer kwaliteit sensors te laai (Nebiker et al., 2008). |
Verordening | Aangesien hommeltuie ook gevaarlik kan wees, is daar ernstige regulasies in sommige gebiede (Hardin & Jensen, 2011; Laliberte & Rango, 2011). |
Boere se kennis en belangstelling | Soos ander voorpunttegnologieë, is die hommeltuie se suksesvolle implementering benodig kundigheid en ook gepaardgaande met onsekerhede (Fisher et al., 2009; Lambert et al., 2004; Stafford, 2000). |
Aangesien daar 'n konstante behoefte is om beskikbare hulpbronne doeltreffend te gebruik om opbrengste te maksimeer, kan boere voordeel trek uit hommeltuie om vinnige, akkurate en kostedoeltreffende skandering van hul landerye te verseker. Die tegnologie kan boere ondersteun om hul gewasse se toestand te bepaal en waterstatus, die stadium van rypwording, insekbesmettings en voedingsbehoeftes te bepaal. Die afstandswaarnemingsvermoë van hommeltuie kan boere van deurslaggewende data voorsien om kwessies in 'n vroeë stadium te antisipeer en dadelik geskikte ingrypings te maak. Die voordele van die tegnologie kan egter slegs verwesenlik word as die uitdagings behoorlik aangespreek word. In die lig van die
huidige probleme rakende datasekuriteit, sensortegnologie-kwessies (bv. die betroubaarheid of akkuraatheid van metings), kompleksiteit van integrasie, en aansienlike implementeringskoste, moet toekomstige studies ook die tegniese, ekonomiese en operasionele haalbaarheid van die integrasie van landbou hommeltuie en ander sny- randtegnologieë.
Beperkings
Ons studie het verskeie beperkings. Eerstens word die bevindinge bepaal deur die publikasies wat vir die finale ontleding gekies is. Dit is uitdagend om alle relevante studies wat met landbou hommeltuie verband hou vas te lê, veral dié wat nie in die Scopus-databasis geïndekseer is nie. Verder is die data-insamelingsproses beperk tot die opstel van soeksleutelwoorde, wat dalk nie inklusief is nie en tot onoortuigende bevindings kan lei. Dus, toekomstige studies moet meer aandag skenk aan die onderliggende kwessie van data-insameling om te maak
meer betroubare gevolgtrekkings. Nog 'n beperking het betrekking op nuwe publikasies met 'n lae aantal aanhalings. Die bibliometriese analise is bevooroordeeld teenoor vroeëre publikasies aangesien hulle geneig is om meer aanhalings oor die jare te ontvang. Onlangse studies het 'n sekere hoeveelheid tyd nodig om aandag te trek en aanhalings te versamel. Gevolglik sal onlangse studies wat 'n paradigmaskuif meebring nie in die top tien invloedryke werke tel nie. Hierdie beperking is algemeen in die ondersoek van vinnig opkomende navorsingsdomeine soos landbou hommeltuie. Aangesien ons Scopus geraadpleeg het om die literatuur vir hierdie werk te bestudeer, kan toekomstige navorsers anders dink
databasisse, soos die Web of Science en IEEE Xplore, om die horison uit te brei en die navorsingstruktuur te verbeter.
Potensiële bibliometriese studies kan ander belangrike kennisbronne soos konferensiereferate, hoofstukke en boeke oorweeg om nuwe insigte te genereer. Ten spyte van die kartering en ondersoek van globale publikasies oor landbou hommeltuie, het ons bevindinge nie die redes agter die wetenskaplike uitsette van universiteite onthul nie. Dit baan die weg na 'n nuwe navorsingsgebied deur kwalitatief te verduidelik waarom sommige universiteite meer produktief is as ander wanneer dit by navorsing oor landbou kom.
hommeltuie. Daarbenewens kan toekomstige studies insigte verskaf oor die potensiaal van hommeltuie om boerderyvolhoubaarheid op verskeie maniere te verhoog, soos omgewingsmonitering, gewasbestuur en onkruidkartering soos aangedui deur verskeie navorsers (Chamuah & Singh, 2019; Islam et al., 2021; Popescu et al., 2020; J. Su, Liu, et al., 2018b). Aangesien die teksontleding nie moontlik was nie as gevolg van die hoë aantal geselekteerde referate, is daar 'n behoefte aan sistematiese literatuuroorsigte wat die
navorsingsmetodes wat gebruik word en die betrokkenheid van boere by vorige studies. Kortom, ons ontleding van hommeltuignavorsing ontbloot die onsigbare skakels van hierdie kennisliggaam. Hierdie resensie help dus om die verwantskappe tussen publikasies te ontbloot en ondersoek die intellektuele struktuur van die navorsingsveld. Dit beeld ook die verbande tussen die verskillende aspekte van die literatuur uit, soos skrywers se sleutelwoorde, affiliasies en lande.
Verklaring van mededingende belang
Die outeurs verklaar dat hulle geen mededingende finansiële belange of persoonlike verhoudings het wat die werk wat in hierdie artikel gerapporteer word, kon beïnvloed nie.
Bylaag 1
TITEL-ABS-SLEUTEL (((drone* OF “onbemande lugvoertuig” OF uav* OF “onbemande vliegtuigstelsel” OF uas OF “vliegtuie wat op afstand bestuur word”) EN (landbou OF landbou OF boerdery OF boer))) EN (SLUIT (PUBYEAR, 2022)) EN (BEPERK TOT (TAAL, "Engels")).
Verwysings
Aasen, H., Burkart, A., Bolten, A., Bareth, G., 2015. Genereer 3D-hiperspektrale inligting met liggewig UAV-snapshot-kameras vir plantegroeimonitering: vanaf
kamera kalibrasie tot gehalteversekering. ISPRS J. Photogramm. Afgeleë Sens. 108, 245–259. https://doi.org/10.1016/j.isprsjprs.2015.08.002.
Abd-Elrahman, A., Pearlstine, L., Percival, F., 2005. Ontwikkeling van patroonherkenningsalgoritme vir outomatiese voëlbespeuring vanaf onbemande lugvoertuigbeelde.
Opname. Grond Inlig. Sci. 65 (1), 37–45.
Abdollahi, A., Rejeb, K., Rejeb, A., Mostafa, MM, Zailani, S., 2021. Draadlose sensornetwerke in die landbou: insigte uit bibliometriese analise. Volhoubaarheid 13 (21),
12011.
Aboutalebi, M., Torres-Rua, AF, Kustas, WP, Nieto, H., Coopmans, C., McKee, M., Assessering van verskillende metodes vir skadu-opsporing in hoë-resolusie optiese beelde en evaluering van skadu-impak op berekening van NDVI, en evapotranspirasie. Besproei. Sci. 37 (3), 407–429. https://doi.org/10.1007/s00271-018-0613-9.
Adao, ˜T., Hruˇska, J., Padua, ´L., Bessa, J., Peres, E., Morais, R., Sousa, JJ, 2017. Hiperspektrale beeldvorming: 'n oorsig oor UAV-gebaseerde sensors, data verwerking en
aansoeke vir landbou en bosbou. Afstandwaarneming 9 (11). https://doi.org/ 10.3390/rs9111110.
Agüera Vega, F., Ramírez, FC, Saiz, MP, Rosúa, FO, 2015. Multi-temporele beelding met behulp van 'n onbemande lugvoertuig vir die monitering van 'n sonneblom-oes. Biostelsel. Eng.
132, 19–27. https://doi.org/10.1016/j.biosystemseng.2015.01.008.
Ajayi, OG, Salubi, AA, Angbas, AF, Odigure, MG, 2017. Generering van akkurate digitale hoogtemodelle van UAV het lae persentasie oorvleuelende beelde verkry. Int.
J. Remote Sens. 38 (8–10), 3113–3134. https://doi.org/10.1080/ 01431161.2017.1285085.
Ali, I., Greifeneder, F., Stamenkovic, J., Neumann, M., Notarnicola, C., 2015. Oorsig van masjienleerbenaderings vir biomassa- en grondvogherwinnings vanaf afstandwaarnemingsdata. Afstandwaarneming 7 (12), 16398–16421.
Alsamhi, SH, Afghah, F., Sahal, R., Hawbani, A., Al-qaness, MAA, Lee, B., Guizani, M., Groen internet van dinge wat UAV's in B5G-netwerke gebruik: 'n Oorsig van toepassings
en strategieë. Ad. Hoc. Netw. 117, 102505 https://doi.org/10.1016/j. adhoc.2021.102505.
Al-Thani, N., Albuainain, A., Alnaimi, F., Zorba, N., 2020. Drones vir Skaapveemonitering. In: 20ste IEEE Mediterreense Elektrotegniese Konferensie. https://doi.
org/10.1109/MELECON48756.2020.9140588.
Ampatzidis, Y., Partel, V., 2019. UAV-gebaseerde hoë deurset fenotipering in sitrus deur gebruik te maak van multispektrale beelding en kunsmatige intelligensie. Afstandwaarneming 11 (4), https://doi.org/10.3390/rs11040410.
Ampatzidis, Y., Partel, V., Costa, L., 2020. Agroview: Wolk-gebaseerde toepassing om UAV-versamelde data te verwerk, te ontleed en te visualiseer vir presisielandboutoepassings wat kunsmatige intelligensie gebruik. Reken. Elektron. Agric. 174, 105457 https://doi. org/10.1016/j.compag.2020.105457.
Ang, K.-L.-M., Seng, JKP, 2021. Groot data en masjienleer met hiperspektrale inligting in die landbou. IEEE Toegang 9, 36699–36718. https://doi.org/10.1109/
TOEGANG.2021.3051196.
Aquilani, C., Confessore, A., Bozzi, R., Sirtori, F., Pugliese, C., 2022. Oorsig: presisie Veeboerdery-tegnologie in weiding-gebaseerde veestelsels. Dier 16 (1), https://doi.org/10.1016/j.animal.2021.100429.
Armenta-Medina, D., Ramirez-Delreal, TA, Villanueva-Vasquez, ´D., Mejia-Aguirre, C., Neigings oor gevorderde inligting- en kommunikasietegnologieë vir
verbetering van landbouproduktiwiteite: 'n bibliometriese analise. Agronomie 10 (12), Artikel 12. https://doi.org/10.3390/agronomy10121989.
Armstrong, I., Pirrone-Brusse, M., Smith, A., Jadud, M., 2011. The flying gator: into aerial robotics in occam-π. Commun. Prosesargitek. 2011, 329–340. https://doi. org/10.3233/978-1-60750-774-1-329.
Arora, SD, Chakraborty, A., 2021. Intellektuele struktuur van verbruikersklagedrag (CCB) navorsing: 'n bibliometriese analise. J. Besigheidsres. 122, 60–74.
Aslan, MF, Durdu, A., Sabanci, K., Ropelewska, E., Gültekin, SS, 2022.
'n Omvattende opname van die onlangse studies met UAV vir presisielandbou in oop velde en kweekhuise. Appl. Wetenskap. 12 (3), 1047. https://doi.org/10.3390/
app12031047.
Atkinson, JA, Jackson, RJ, Bentley, AR, Ober, E., & Wells, DM (2018). Veldfenotipering vir die toekoms. In Annual Plant Reviews aanlyn (pp. 719–736). John
Wiley & Sons, Bpk. doi: 10.1002/9781119312994.apr0651.
Austin, R., 2010. Onbemande vliegtuigstelsels: UAVS-ontwerp, -ontwikkeling en -ontplooiing. In: Onbemande Vliegtuigstelsels: UAVS Ontwerp, Ontwikkeling en
Ontplooiing. John Wiley en Seuns. https://doi.org/10.1002/9780470664797.
Awais, M., Li, W., Cheema, MJM, Zaman, QU, Shaheen, A., Aslam, B., Zhu, W., Ajmal, M., Faheem, M., Hussain, S., Nadeem, AA, Afzal, MM, Liu, C., 2022. UAV-gebaseerde afstandwaarneming in plantstres stel jou voor om hoë-resolusie termiese sensor vir digitale landboupraktyke te gebruik: 'n meta-oorsig. Int. J. Omgewing. Wetenskap. Tegnologie. 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. Slim boerdery: Geleenthede, uitdagings
en tegnologie in staat gestel. 2018 IoT Vertikale en. Aktuele beraad oor Landbou -Toskane (IOT Toskane) 1–6. https://doi.org/10.1109/IOTTUSCANY.2018.8373043.
Bah, MD, Hafiane, A., Canals, R., 2018. Diep leer met data-etikettering sonder toesig vir onkruidopsporing in lyngewasse in UAV-beelde. Afstandwaarneming 10 (11), 1690.
https://doi.org/10.3390/rs10111690.
Baldi, S., 1998. Normatiewe versus sosiale konstruktivistiese prosesse in die toekenning van aanhalings: 'n netwerk-analitiese model. Am. Sosiol. Openb. 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. Assessering van wingerdwaterstatusveranderlikheid deur termiese en multispektrale
beelde met 'n onbemande lugvoertuig (UAV). Besproei. Sci. 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.,Volgende generasie teling. Plant Sci. 242, 3–13. https://doi.org/10.1016/j.
plantsci.2015.07.010.
Barbedo, JGA, Koenigkan, LV, 2018. Perspektiewe op die gebruik van onbemande lugstelsels om beeste te monitor. 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. Laegewig en UAV-gebaseerde hiperspektrale volraam kameras
vir die monitering van gewasse: Spektrale vergelyking met draagbare spektroradiometermetings. Photogrammetrie, Fernerkundung, Geoinformation 2015 (1), 69–79.
https://doi.org/10.1127/pfg/2015/0256.
Barrientos, A., Colorado, J., del Cerro, J., Martinez, A., Rossi, C., Sanz, D., Valente, J., Aerial remote sensing in agriculture: 'n Praktiese benadering tot gebiedsdekking
en padbeplanning vir vlote mini-lugrobotte. J. Veld Rob. 28 (5), 667–689. https://doi.org/10.1002/rob.20403.
Basiri, A., Mariani, V., Silano, G., Aatif, M., Iannelli, L., Glielmo, L., 2022. 'n Opname oor die toepassing van padbeplanningsalgoritmes vir multi-rotor UAV's in presisie
landbou. J. Navig. 75 (2), 364–383.
Basnet, B., Bang, J., 2018. Die state-of-the-art van kennisintensiewe landbou: 'n oorsig oor toegepaste waarnemingstelsels en data-analise. J. Sens. 2018, 1–13.
Bendig, J., Bolten, A., Bareth, G., 2013. UAV-gebaseerde beelding vir multi-temporale, baie hoë resolusie gewas oppervlak modelle om gewas groei veranderlikheid te monitor. 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. Skatting van biomassa van gars deur gebruik te maak van gewasoppervlakmodelle (CSMs) afgelei van UAV-gebaseerde RGB-beelding. Afstandwaarneming 6 (11), 10395–10412.
Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Gnyp, ML, Bareth, G., 2015. Kombinasie van UAV-gebaseerde planthoogte vanaf gewasoppervlak modelle,
sigbare en naby-infrarooi plantegroei-indekse vir biomassa-monitering in gars. Int. J. Appl. Aarde Obs. Geoinf. 39, 79–87. https://doi.org/10.1016/j.jag.2015.02.012.
Berni, JA, Zarco-Tejada, PJ, Sepulcre-Canto, ´G., Fereres, E., Villalobos, F., 2009a. Kartering van blaredakgeleiding en CWSI in olyfboorde met hoë resolusie
termiese afstandwaarneming beelde. Remote Sens. Omgewing. 113 (11), 2380–2388. https://doi.org/10.1016/j.rse.2009.06.018.
Berni, JA, Zarco-Tejada, PJ, Suarez, ´L., Fereres, E., 2009b. Termiese en smalband multispektrale afstandswaarneming vir plantegroeimonitering vanaf 'n onbemande lugvoertuig. IEEE Trans. Geosci. Afgeleë Sens. 47 (3), 722–738.
Bouzembrak, Y., Klüche, M., Gavai, A., Marvin, HJP, 2019. Internet of Things in food safety: Literature review and a bibliometric analysis. Tendense Food Sci. Tegnologie. 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: Designing a Europe-wide large-scale pilot. IEEE Commun. Mag. 55 (9), 26–33.
Buters, TM, Belton, D., Cross, AT, 2019. Multi-sensor UAV dop van individuele saailinge en saailinge gemeenskappe op millimeter akkuraatheid. Hommeltuie 3 (4), 81.
https://doi.org/10.3390/drones3040081.
Candiago, S., Remondino, F., De Giglio, M., Dubbini, M., Gattelli, M., 2015. Evaluering van multispektrale beelde en plantegroei-indekse vir presisieboerderytoepassings vanaf UAV-beelde. Afstandwaarneming 7 (4), 4026–4047. https://doi.org/10.3390/rs70404026.
Cao, Y., Li, GL, Luo, YK, Pan, Q., Zhang, SY, 2020. Monitering van suikerbeetgroei-aanwysers met behulp van wye-dinamiese-reeks plantegroei-indeks (WDRVI) afgelei van UAV
multispektrale beelde. Reken. Elektron. Agric. 171, 105331 https://doi.org/10.1016/j.compag.2020.105331.
Casillas, J., Acedo, F., 2007. Evolusie van die intellektuele struktuur van familiebesigheidsliteratuur: 'n bibliometriese studie van FBR. Familiebesigheid Ds 20 (2), 141–162.
Cen, H., Wan, L., Zhu, J., Li, Y., Li, X., Zhu, Y., Weng, H., Wu, W., Yin, W., Xu, C., Bao, Y., Feng, L., Shou, J., He, Y., 2019. Dinamiese monitering van biomassa van rys onder
verskillende stikstofbehandelings met behulp van 'n liggewig UAV met dubbele beeldraamfoto-kameras. Plantmetodes 15 (1), 32. https://doi.org/10.1186/s13007-019-
0418-8.
Chamuah, A., Singh, R., 2019. Beveiliging van volhoubaarheid in Indiese landbou deur burgerlike UAV: 'n verantwoordelike innovasieperspektief. SN Appl. Sci. 2 (1), 106. https://
doi.org/10.1007/s42452-019-1901-6.
Chamuah, A., Singh, R., 2022. Verantwoordelike bestuur van burgerlike onbemande lugvoertuie (UAV)-innovasies vir Indiese oesversekeringsaansoeke. J. Verantwoordelik
Tegn. 9, 100025 https://doi.org/10.1016/j.jrt.2022.100025.
Chen, A., Orlov-Levin, V., Meron, M., 2019. Die toepassing van hoë-resolusie sigbare-kanaal-lugbeelding van gewasblare op presisiebesproeiingsbestuur. Agric. Water
Bestuur. 216, 196–205. https://doi.org/10.1016/j.agwat.2019.02.017.
Daakir, M., Pierrot-Deseilligny, M., Bosser, P., Pichard, F., Thom, C., Rabot, Y., Martin, O., 2017. Liggewig UAV met fotogrammetrie aan boord en enkelfrekwensie GPS-posisionering vir metrologie-toepassings. ISPRS J. Photogramm. Afgeleë Sens. 127, 115–126. https://doi.org/10.1016/j.isprsjprs.2016.12.007.
Dawaliby, S., Aberkane, A., Bradai, A., 2020. Blockchain-gebaseerde IoT-platform vir outonome drone-operasiesbestuur. In: Verrigtinge van die 2de ACM
MobiCom-werkswinkel oor hommeltuigondersteunde draadlose kommunikasie vir 5G en verder, bl. 31–36. https://doi.org/10.1145/3414045.3415939.
Day, RA, Gastel, B., 1998. Hoe om 'n wetenskaplike artikel te skryf en te publiseer. Cambridge University Press. de Castro, AI, Pena, ˜ JM, Torres-Sanchez, ´J., Jim´enez-Brenes, FM, ValenciaGredilla, F., Recasens, J., Lopez-Granados, ´F., 2020. Kartering van cynodon dactylon-besmetting bedek gewasse met 'n outomatiese besluitboom-OBIA-prosedure en UAV-beelde vir presisie-wingerdbou. Afstandwaarneming 12 (1), 56. https://doi.org/10.3390/rs12010056.
de Castro, AI, Torres-S'anchez, J., Pena, ˜ JM, Jim'enez-Brenes, FM, Csillik, O., Lopez- ´Granados, F., 2018. 'n Outomatiese ewekansige bos-OBIA-algoritme vir vroeë onkruidkartering tussen en binne gewasrye met behulp van UAV-beelde. Afstandwaarneming 10 (2). https://doi.org/10.3390/rs10020285.
Demir, N., Sonmez, ¨ NK, Akar, T., Ünal, S., 2018. Outomatiese meting van planthoogte van koringgenotipes met behulp van 'n DSM afgelei van UAV-beelde. Verrigtinge 2 (7), 350. https://doi.org/10.3390/ecrs-2-05163.
Deng, J., Zhong, Z., Huang, H., Lan, Y., Han, Y., Zhang, Y., 2020. Liggewig semantiese segmenteringsnetwerk vir intydse onkruidkartering met behulp van onbemande vliegtuie. Appl. Sci. 10 (20), 7132. https://doi.org/10.3390/app10207132.
Deng, L., Mao, Z., Li, X., Hu, Z., Duan, F., Yan, Y., 2018. UAV-gebaseerde multispektrale afstandswaarneming vir presisielandbou: 'n vergelyking tussen verskillende kameras. ISPRS J. Photogramm. Afgeleë Sens. 146, 124–136.
Diaz-Gonzalez, FA, Vuelvas, J., Correa, CA, Vallejo, VE, Patino, D., 2022. Masjienleer en afstandswaarnemingstegnieke toegepas om grondaanwysers te skat – hersien. Ecol. Ind. 135, 108517 https://doi.org/10.1016/j.ecolind.2021.108517.
Díaz-Varela, RA, De la Rosa, R., Leon, ´L., Zarco-Tejada, PJ, 2015. Hoë-resolusie lugvervoerde UAV-beelde om olyfboomkroonparameters met behulp van 3D-foto te assesseer
rekonstruksie: toepassing in teelproewe. Afstandwaarneming 7 (4), 4213–4232. https://doi.org/10.3390/rs70404213.
Dixit, A., Jakhar, SK, 2021. Lughawekapasiteitbestuur: 'n oorsig en bibliometriese analise. J. Air Transp. Bestuur. 91, 102010.
Dong, T., Shang, J., Liu, J., Qian, B., Jing, Q., Ma, B., Huffman, T., Geng, X., Sow, A., Shi, Y., Canisius, F., Jiao, X., Kovacs, JM, Walters, D., Cable, J., Wilson, J., 2019.
Die gebruik van RapidEye-beelde om variasie binne die veld van gewasgroei en opbrengs in Ontario, Kanada te identifiseer. Presisie Agric. 20 (6), 1231–1250. https://doi.org/10.1007/
s11119-019-09646-w.
Dutta, PK, Mitra, S., 2021. Toepassing van landbou hommeltuie en iot om voedselvoorsieningsketting te verstaan tydens post COVID-19. In: Choudhury, A., Biswas, A., Prateek, M.,
Chakrabarti, A. (Eds.), Landbou-informatika: outomatisering met behulp van die IoT en masjienleer. Wiley, pp. 67–87. van Eck, N., Waltman, L., 2009. Sagteware-opname: VOSviewer, 'n rekenaarprogram vir bibliometriese kartering. Scientometrics 84 (2), 523–538. https://doi.org/10.1007/s11192-009-0146-3.
Elijah, O., Rahman, TA, Orikumhi, I., Leow, CY, Hindia, MN, 2018. 'n Oorsig van Internet of Things (IoT) en data-analise in landbou: voordele en uitdagings.
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. Validasie van agronomiese UAV en veld
afmetings vir tamatievariëteite. Reken. Elektron. Agric. 158, 278–283. https:// doi.org/10.1016/j.compag.2019.02.011.
Espinoza, CZ, Khot, LR, Sankaran, S., Jacoby, PW, 2017. Hoë resolusie multispektrale en termiese afstandswaarneming-gebaseerde waterstresassessering in
ondergrondse besproeide wingerde. Afstandwaarneming 9 (9), 961. https://doi.org/ 10.3390/rs9090961.
Ewing, J., Oommen, T., Jayakumar, P., Alger, R., 2020. Gebruik hiperspektrale afstandswaarneming vir grondgradasie. Afstandwaarneming 12 (20), 3312. ttps://doi.org/10.3390/
rs12203312.
Fawcett, D., Panigada, C., Tagliabue, G., Boschetti, M., Celesti, M., Evdokimov, A., Biriukova, K., Colombo, R., Miglietta, F., Rascher, U., Anderson, K., 2020. Multiskaalse evaluering van hommeltuig-gebaseerde multispektrale oppervlakweerkaatsing en plantegroei-indekse in operasionele toestande. Afstandwaarneming 12 (3), 514.
Feng, X., Yan, F., Liu, X., 2019. Studie van draadlose kommunikasietegnologieë op Internet of Things vir presisielandbou. Draadlose Pers. Commun. 108 (3),
1785-1802.
Ferreira, MP, Pinto, CF, Serra, FR, 2014. Die transaksiekoste-teorie in internasionale besigheidsnavorsing: 'n bibliometriese studie oor drie dekades. Scientometrics 98 (3), 1899–1922. https://doi.org/10.1007/s11192-013-1172-8.
Fisher, P., Abuzar, M., Rab, M., Best, F., Chandra, S., 2009. Vooruitgang in presisielandbou in suidoos-Australië. I. 'n regressiemetodologie om te simuleer
ruimtelike variasie in graanopbrengste deur boere se historiese padstalopbrengste en genormaliseerde verskil plantegroei-indeks te gebruik. Gewas Weiding Sci. 60 (9), 844–858.
Floreano, D., Wood, RJ, 2015. Wetenskap, tegnologie en die toekoms van klein outonome hommeltuie. Nature 521 (7553), 460–466. https://doi.org/10.1038/nature14542.
Friha, O., Ferrag, MA, Shu, L., Maglaras, LA, Wang, X., 2021. Internet van dinge vir die toekoms van slim landbou: 'n omvattende opname van opkomende tegnologieë. IEEE CAA J. Autom. Sinica 8 (4), 718–752.
Fuentes-Pacheco, J., Torres-Olivares, J., Roman-Rangel, E., Cervantes, S., JuarezLopez, P., Hermosillo-Valadez, J., Rendon-Mancha, ´ JM, 2019. Fig plant segmentering vanaf lugfoto's met behulp van 'n diep konvolusionele enkodeerder-dekodeerdernetwerk. Afstandwaarneming 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's uitdaging om waterstres te assesseer vir
volhoubare landbou. Agric. Waterbestuur. 153, 9–19. https://doi.org/10.1016/j. agwat.2015.01.020.
García-Tejero, IF, Rubio, AE, Vinuela, ~I., Hern'andez, A., Guti'errez-Gordillo, S., Rodríguez-Pleguezuelo, CR, Dur'an-Zuazo, VH, 2018. Termiese beelding by plant
vlak om die gewas-waterstatus in amandelbome (cv. Guara) onder tekortbesproeiingstrategieë te bepaal. Agric. Waterbestuur. 208, 176–186. https://doi.org/10.1016/j.
agwat.2018.06.002.
Garzonio, R., Di Mauro, B., Colombo, R., Cogliati, S., 2017. Oppervlakrefleksie en songeïnduseerde fluoressensiespektroskopiemetings met behulp van 'n klein hiperspektrale UAS. Afstandwaarneming 9 (5), 472. https://doi.org/10.3390/rs9050472. Gaˇsparovi´c, M., Zrinjski, M., Barkovi´c, Đ., Radoˇcaj, D., 2020. 'n Outomatiese metode vir
onkruidkartering in hawerlande gebaseer op UAV-beelde. Reken. Elektron. Agric.
Gebbers, R., Adamchuk, VI, 2010. Presisielandbou en voedselsekerheid. Science 327 (5967), 828–831. https://doi.org/10.1126/science.1183899.
Geipel, J., Link, J., Claupein, W., 2014. Gekombineerde spektrale en ruimtelike modellering van mielie-opbrengs gebaseer op lugbeelde en gewasoppervlakmodelle verkry met 'n onbemande vliegtuigstelsel. Afstandwaarneming 6 (11), 10335–10355. https://doi.org/10.3390/rs61110335.
Geng, D., Feng, Y., Zhu, Q., 2020. Volhoubare ontwerp vir gebruikers: 'n literatuuroorsig en bibliometriese analise. Omgewing. Sci. Besoedel. Res. 27 (24), 29824–29836. https://doi. org/10.1007/s11356-020-09283-1.
Gevaert, CM, Suomalainen, J., Tang, J., Kooistra, L., 2015. Generering van spektraletemporele reaksie-oppervlaktes deur multispektrale satelliet en hiperspektrale te kombineer
UAV-beelde vir presisielandboutoepassings. IEEE J. Sel. Top. Appl. Aarde Obs. Afgeleë Sens. 8 (6), 3140–3146. ttps://doi.org/10.1109/JSTARS.2015.2406339.
Gill, SS, Chana, I., Buyya, R., 2017. IoT-gebaseerde landbou as 'n wolk- en grootdatadiens: die begin van digitale Indië. J. Org. en Eindgebruiker Rekenaar. (JOEUC) 29 (4),
1-23.
Gmür, M., 2006. Sameaanhalingsanalise en die soeke na onsigbare kolleges: 'n metodologiese evaluering. Scientometrics 57 (1), 27–57. https://doi.org/10.1023/
a:1023619503005.
Gnadinger, ¨ F., Schmidhalter, U., 2017. Digitale tellings van mielieplante deur onbemande lugvoertuie (UAV's). Afstandwaarneming 9 (6). Https://doi.org/10.3390/rs9060544.
Gokto ¨ ǧan, AH, Sukkarieh, S., Bryson, M., Randle, J., Lupton, T., Hung, C., 2010. 'n Roterende-vlerk onbemande lugvoertuig vir wateronkruidbewaking en
bestuur. J. Intell. Robotstelsel: Teorie. Appl. 57 (1–4), 467–484. https://doi. org/10.1007/s10846-009-9371-5.
Gomez-Cand ´ on, ´ D., De Castro, AI, Lopez-Granados, ´ F., 2014. Assessering van die akkuraatheid van mosaïeke van onbemande lugvoertuie (UAV) beelde vir presisielandboudoeleindes in koring. Presies. Agric. 15 (1), 44–56. https://doi.org/10.1007/s11119-013-9335-4.
Gomez-Cand ´ on, ´ D., Virlet, N., Labbe, S., Jolivot, A., Regnard, J.-L., 2016. Veldfenotipering van waterstres op boomskaal deur UAV-gewaarmerkte beelde : nuwe insigte vir
termiese verkryging en kalibrasie. Presies. Agric. 17 (6), 786–800. https://doi.org/10.1007/s11119-016-9449-6.
Gonzalez-Dugo, V., Zarco-Tejada, PJ, Fereres, E., 2014. Toepaslikheid en beperkings van die gebruik van die gewaswaterstresindeks as 'n aanduiding van watertekorte in sitrusboorde. Agric. Vir. Meteorol. 198–199, 94–104. https://doi.org/10.1016/j. agrformet.2014.08.003.
Gonzalez-Dugo, V., Zarco-Tejada, P., Nicolas, ´E., Nortes, PA, Alarcon, ´JJ, Intrigliolo, DS, Fereres, E., 2013. Die gebruik van hoë resolusie UAV-termiese beelde om
assesseer die veranderlikheid in die waterstatus van vyf vrugteboomspesies binne 'n kommersiële boord. Presies. Agric. 14 (6), 660–678. https://doi.org/10.1007/s11119-013-9322-9.
Goyal, K., Kumar, S., 2021. Finansiële geletterdheid: 'n Sistematiese oorsig en bibliometriese analise. Int. J. Verbruikerstudies 45 (1), 80–105. https://doi.org/10.1111/
ijcs.12605.
Grenzdorffer, ¨ GJ, Engel, A., Teichert, B., 2008. Die fotogrammetriese potensiaal van laekoste-uavs in bosbou en landbou. Internasionale Argiewe van die Fotogrammetrie, Afstandwaarneming en Ruimtelike Inligtingwetenskappe – ISPRS Argief 37, 1207–1213. https://www.scopus.com/inward/record.uri?eid=2-s2.0-85039543258&partnerI D=40&md5=b4b2d639257e8ddb5a373d15959c4e1e.
Guan, S., Fukami, K., Matsunaka, H., Okami, M., Tanaka, R., Nakano, H., Sakai, T., Nakano, K., Ohdan, H., Takahashi, K., 2019. Assessering van korrelasie van hoë resolusie
NDVI met kunsmistoedieningsvlak en opbrengs van rys- en koringgewasse met klein UAV's. Afstandwaarneming 11 (2), 112.
Gundolf, K., Filser, M., 2013. Bestuursnavorsing en godsdiens: 'n aanhalingsanalise. J. Bus. Etiek 112 (1), 177–185.
Guo, Q., Zhu, Y., Tang, Y., Hou, C., He, Y., Zhuang, J., Zheng, Y., Luo, S., 2020. CFD-simulasie en eksperimentele verifikasie van die ruimtelike en tydelike verdelings van
die afspoellugvloei van 'n quad-rotor landbou-UAV in sweef. Reken. Elektron. Agric. 172, 105343 https://doi.org/10.1016/j.compag.2020.105343.
Haghighattalab, A., Gonz’ alez P’erez, L., Mondal, S., Singh, D., Schinstock, D., Rutkoski, J., Ortiz-Monasterio, I., Singh, RP, Goodin, D. , Pole, J., 2016.
Toepassing van onbemande lugstelsels vir hoë deurset fenotipering van groot koring teel kwekerye. Plantmetodes 12 (1). https://doi.org/10.1186/s13007-
016-0134-6.
Hakala, T., Honkavaara, E., Saari, H., Makynen, ¨ J., Kaivosoja, J., Pesonen, L., & Pol ¨ onen, ¨I., 2013. Spektralbeelding van UAV's onder wisselende beligtingstoestande . In GG Bill R. (Red.), International Archives of the Photogrammetry, Remote sensing and Spatial Information Sciences—ISPRS Archives (Vol. 40, Uitgawe 1W2, pp. 189–194). Internasionale Vereniging vir Fotogrammetrie en Afstandwaarneming. https://www.scopus.com/inward/record.uri?eid=2-s2.0-848875632.
Hamylton, SM, Morris, RH, Carvalho, RC, Roder, N., Barlow, P., Mills, K., Wang, L. Evaluering van tegnieke vir die kartering van eilandplantegroei vanaf onbemande lug
voertuig (UAV) beelde: Pixel klassifikasie, visuele interpretasie en masjienleer benaderings. Int. J. Appl. Aarde Obs. Geoinf. 89, 102085 https://doi.org/
10.1016/j.jag.2020.102085.
Haque, A., Islam, N., Samrat, NH, Dey, S., Ray, B., 2021. Slim boerdery deur verantwoordelike leierskap in Bangladesj: moontlikhede, geleenthede en verder.
Volhoubaarheid 13 (8), 4511.
Hardin, PJ, Hardin, TJ, 2010. Kleinskaalse afstandbestuurde voertuie in omgewingsnavorsing. Geografie Kompas 4 (9), 1297–1311. ttps://doi.org/10.1111/j.1749-
8198.2010.00381.x.
Hardin, PJ, Jensen, RR, 2011. Kleinskaalse onbemande lugvoertuie in omgewingsafstandwaarneming: uitdagings en geleenthede. GISci. Afgeleë Sens. 48 (1), 99–111. https://doi.org/10.2747/1548-1603.48.1.99.
He, Y., Nie, P., Zhang, Q., Liu, F., 2021. Agricultural Internet of Things: technologys and applications, (1ste uitgawe 2021-uitgawe). 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.
Beeldvorming vanaf 'n onbemande lugvoertuig: landbou-toesig en besluitsteun. Reken. Elektron. Agric. 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, Hoë deurset veldfenotipering van koringplanthoogte en -groeitempo in veldplotproewe met behulp van UAV-gebaseerde afstandswaarneming. Afstandwaarneming 8 (12). https://doi. org/10.3390/rs8121031.
Honkavaara, E., Saari, H., Kaivosoja, J., Pol ¨ onen, ¨ I., Hakala, T., Litkey, P., M¨akynen, J., Pesonen, L., 2013. Verwerking en assessering van spektrometriese, stereoskopiese beelde versamel met behulp van 'n liggewig UAV-spektrale kamera vir presisielandbou. Afstandwaarneming 5 (10), 5006–5039. https://doi.org/10.3390/rs5105006.
Hossein Motlagh, N., Taleb, T., Arouk, O., 2016. Lae-hoogte onbemande lugvoertuie-gebaseerde internet van dinge dienste: omvattende opname en toekomsperspektiewe. 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. Gekombineerde optiese-vloei en stereo-gebaseerde navigasie van stedelike canyons vir 'n UAV. In: 2005 IEEE/RSJ
Internasionale Konferensie oor Intelligente Robotte en Stelsels, pp. 3309–3316. https://doi.org/10.1109/IROS.2005.1544998.
Hsu, T.-C., Yang, H., Chung, Y.-C., Hsu, C.-H., 2020. ’n Kreatiewe IoT-landbouplatform vir wolkmisrekenaars. Volhou. Reken. Inf. Syst. 28, 100285.
Huang, H., Deng, J., Lan, Y., Yang, A., Deng, X., Zhang, L., Gonzalez-Andujar, JL, 2018. 'n Volledig konvolusionele netwerk vir onkruidkartering van onbemande lugvoertuie ( UAV) beelde. PLoS ONE 13 (4), e0196302.
Huang, H., Lan, Y., Yang, A., Zhang, Y., Wen, S., Deng, J., 2020. Diep leer versus objekgebaseerde beeldanalise (OBIA) in onkruidkartering van UAV-beelde. Int. J.
Afgeleë Sens. 41 (9), 3446–3479. https://doi.org/10.1080/01431161.2019.1706112.
Huang, H., Yang, A., Tang, Y., Zhuang, J., Hou, C., Tan, Z., Dananjayan, S., He, Y., Guo, Q., Luo, S., 2021. Diep kleurkalibrasie vir UAV-beelde in gewasmonitering
gebruik van semantiese styloordrag met plaaslike na globale aandag. Int. J. Appl. Aarde Obs. Geoinf. 104, 102590 https://doi.org/10.1016/j.jag.2021.102590.
Huang, YB, Thomson, SJ, Hoffmann, WC, Lan, YB, Fritz, BK, 2013. Ontwikkeling en vooruitsig van onbemande lugvoertuigtegnologieë vir landbouproduksie
bestuur. Int. J. Agric. Biol. Eng. 6 (3), 1–10. https://doi.org/10.3965/j. ijabe.20130603.001.
Huang, Y., Hoffmann, WC, Lan, Y., Wu, W., Fritz, BK, 2009. Ontwikkeling van 'n spuitstelsel vir 'n onbemande lugvoertuigplatform. Appl. Eng. Agric. 25 (6), 803–809.
Hunt Jr., ER, Dean Hively, W., Fujikawa, SJ, Linden, DS, Daughtry, CST, McCarty, GW, 2010. Verkryging van NIR-groen-blou digitale foto's vanaf
onbemande vliegtuie vir oesmonitering. Afstandwaarneming 2 (1), 290–305. https://doi. org/10.3390/rs2010290. Inoue, Y., 2020. Satelliet- en hommeltuig-gebaseerde afstandwaarneming van gewasse en gronde vir slim boerdery – 'n oorsig. Grondwetenskap. Plant Nutr. 66 (6), 798–810. https://doi.org/10.1080/00380768.2020.1738899.
Islam, N., Rashid, MM, Pasandideh, F., Ray, B., Moore, S., Kadel, R., 2021. 'n Oorsig van toepassings en kommunikasietegnologieë vir Internet of Things (IoT) en
Volhoubare slim boerdery gebaseer op onbemande lugvoertuie (UAV). Volhoubaarheid 13 (4), 1821. https://doi.org/10.3390/su13041821.
Jaud, M., Passot, S., Le Bivic, R., Delacourt, C., Grandjean, P., Le Dantec, N., 2016. Assessering van die akkuraatheid van hoë resolusie digitale oppervlakmodelle bereken deur
PhotoScan® en MicMac® in sub-optimale opname toestande. Afstandwaarneming 8 (6), https://doi.org/10.3390/rs8060465.
Jim´enez-Brenes, FM, Lopez-Granados, ´F., Castro, AI, Torres-S´anchez, J., Serrano, N., Pena, ˜ JM, 2017. Kwantifisering van die impak van snoei op olyfboomargitektuur en jaarlikse blaredak groei deur gebruik te maak van UAV-gebaseerde 3D-modellering. Plantmetodes 13 (1). https://doi.org/10.1186/s13007-017-0205-3.
Jin, X., Liu, S., Baret, F., Hemerl´e, M., Comar, A., 2017. Skattings van plantdigtheid van koringgewasse by opkoms van baie lae hoogte UAV-beelde. Afstandsensors.
Omgewing. 198, 105–114. https://doi.org/10.1016/j.rse.2017.06.007.
Jinbo, C., Xiangliang, C., Han-Chi, F., Lam, A., 2019. Landbouprodukmoniteringstelsel ondersteun deur wolkrekenaars. Cluster Rekenaar. 22 (4), 8929–8938.
Ju, C., & Seun, HI 2018a. Prestasie-evaluering van verskeie UAV-stelsels vir afstandwaarneming in die landbou. Verrigtinge van die Werkswinkel oor Robotiese Visie en Aksie in Landbou by die IEEE Internasionale Konferensie oor Robotika en Outomatisering (ICRA), Brisbane, Australië, 21–26.
Ju, C., Seun, HI, 2018b. Veelvuldige UAV-stelsels vir landboutoepassings: beheer, implementering en evaluering. Electronics 7 (9), 162. https://doi.org/10.3390/
elektronika7090162.
Jung, J., Maeda, M., Chang, A., Bhandari, M., Ashapure, A., Landivar-Bowles, J., 2021. Die potensiaal van afstandswaarneming en kunsmatige intelligensie as hulpmiddels om die
veerkragtigheid van landbouproduksiestelsels. Curr. Mening. Biotegnologie. 70, 15–22. https://doi.org/10.1016/j.copbio.2020.09.003.
Kalischuk, M., Paret, ML, Freeman, JH, Raj, D., Da Silva, S., Eubanks, S., Wiggins, DJ, Lollar, M., Marois, JJ, Mellinger, HC, Das, J. , 2019. ’n Verbeterde gewasverkenningstegniek wat onbemande lugvoertuig-gesteunde multispektrale gewasbeelding insluit in konvensionele verkenningspraktyke vir gomstingelroes in waatlemoen. Plant Dis. 103 (7), 1642–1650.
Kapoor, KK, Tamilmani, K., Rana, NP, Patil, P., Dwivedi, YK, Nerur, S., 2018. Vooruitgang in sosiale media-navorsing: verlede, hede en toekoms. Lig in. Syst. Voorkant. 20
(3), 531-558.
Kerkech, M., Hafiane, A., Canals, R., 2020. VddNet: wingerdsiekte-opsporingsnetwerk gebaseer op multispektrale beelde en dieptekaart. Afstandwaarneming 12 (20), 3305. https://doi. org/10.3390/rs12203305.
Khaliq, A., Comba, L., Biglia, A., Ricauda Aimonino, D., Chiaberge, M., Gay, P., 2019. Vergelyking van satelliet- en UAV-gebaseerde multispektrale beelde vir wingerd
wisselvalligheid assessering. Afstandwaarneming 11 (4). https://doi.org/10.3390/rs11040436.
Khan, PW, Byun, Y.-C., Park, N., 2020. IoT-blockchain het geoptimaliseerde herkomsstelsel vir voedselindustrie 4.0 geaktiveer deur gevorderde diepleer te gebruik. Sensors 20 (10), 2990.
Khan, RU, Khan, K., Albattah, W., Qamar, AM, Ullah, F., 2021. Beeldgebaseerde opsporing van plantsiektes: van klassieke masjienleer tot diepleerreis. Wireless Commun. Mobiele rekenaar. 2021, 1–13.
Khan, S., Tufail, M., Khan, MT, Khan, ZA, Iqbal, J., Alam, M., Le, KNQ, 2021. 'n Nuwe semi-toesig raamwerk vir UAV-gebaseerde gewas/onkruidklassifikasie. PLoS EEN 16 (5), e0251008.
Khanal, S., Fulton, J., Shearer, S., 2017. 'n Oorsig van huidige en potensiële toepassings van termiese afstandswaarneming in presisielandbou. Reken. Elektron.
Agric. 139, 22–32. https://doi.org/10.1016/j.compag.2017.05.001.
Khanna, A., Kaur, S., 2019. Evolusie van die internet van dinge (IoT) en die beduidende impak daarvan op die veld van presisielandbou. Reken. Elektron. Agric. 157, 218–231.
Kim, W., Khan, GF, Wood, J., Mahmood, MT, 2016. Werknemersbetrokkenheid vir volhoubare organisasies: sleutelwoordanalise deur sosiale netwerkanalise en uitbarsting te gebruik
opsporing benadering. Volhoubaarheid 8 (7), 631.
Kirsch, M., Lorenz, S., Zimmermann, R., Tusa, L., Mockel, ¨ R., Hodl, ¨ P., Booysen, R., Khodadadzadeh, M., Gloaguen, R., 2018. Integrasie van aardse en hommeltuig-gedraagde
hiperspektrale en fotogrammetriese waarnemingsmetodes vir eksplorasiekartering en mynmonitering. Afstandwaarneming 10 (9), 1366. https://doi.org/10.3390/
rs10091366.
Kitano, BT, Mendes, CCT, Geus, AR, Oliveira, HC, Souza, JR, 2019. Telling van mielieplante met behulp van diep leer en UAV-beelde. IEEE Geosci. Afstandsensors Lett. 1–5 https://doi.org/10.1109/LGRS.2019.2930549.
Koh, JCO, Spangenberg, G., Kant, S., 2021. Outomatiese masjienleer vir hoë-deurset beeldgebaseerde plantfenotipering. Afstandwaarneming 13 (5), 858. https://
doi.org/10.3390/rs13050858.
Kovalev, IV, Voroshilova, AA, 2020. Moderne tegnologiese neigings in die ontwikkeling van die ekosisteem van vrag-UAV's. J. Fis. Konf. Ser. 1515 (5), 052068 https://doi. org/10.1088/1742-6596/1515/5/052068.
Krul, S., Pantos, C., Frangulea, M., Valente, J., 2021. Visuele SLAM vir binnenshuise vee en boerdery met behulp van 'n klein hommeltuig met 'n monokulêre kamera: 'n lewensvatbaarheidstudie.
Drones 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. Opname van hommeltuie vir landbou-outomatisering van plant tot
oes. In: INES 2018 – IEEE 22nd International Conference on Intelligent Engineering Systems, pp. 000353–358. https://doi.org/10.1109/INES.2018.8523943.
Lagkas, T., Argyriou, V., Bibi, S., Sarigiannidis, P., 2018. UAV IoT-raamwerkbeskouings en -uitdagings: om hommeltuie as "dinge" te beskerm. Sensors 18 (11), 4015. https://doi.org/10.3390/s18114015.
Laliberte, AS, Rango, A., 2011. Beeldverwerking en klassifikasieprosedures vir ontleding van sub-desimeter beelde verkry met 'n onbemande vliegtuig oor droogte
weiveld. GISci. Afgeleë Sens. 48 (1), 4–23. https://doi.org/10.2747/1548-1603.48.1.4.
Laliberte, AS, Rango, A., Herrick, JE, 2007. Onbemande lugvoertuie vir veldkartering en monitering: 'n vergelyking van twee stelsels. ASPRS Jaarlikse Konferensie Verrigtinge.
Lam, OHY, Dogotari, M., Prüm, M., Vithlani, HN, Roers, C., Melville, B., Zimmer, F., Becker, R., 2021. 'n Oopbronwerkvloei vir onkruidkartering in inheemse grasveld
gebruik van onbemande vliegtuig: Gebruik Rumex obtusifolius as 'n gevallestudie. EUR. J.Remote Sens. 54 (sup1), 71–88. https://doi.org/10.1080/22797254.2020.1793687.
Lambert, DM, Lowenberg-DeBoer, J., Griffin, TW, Peone, J., Payne, T., Daberkow, SG, 2004. Aanneming, winsgewendheid en die beter gebruik van presisieboerderydata.
Werkende papier. Purdue Universiteit. https://doi.org/10.22004/ag.econ.28615.
Lelong, CCD, Burger, P., Jubelin, G., Roux, B., Labbe, S., Baret, F., 2008. Assessering van onbemande lugvoertuie-beelde vir kwantitatiewe monitering van koringoes in klein persele. Sensors 8 (5), 3557–3585. https://doi.org/10.3390/s8053557.
Li, C., Niu, B., 2020. Ontwerp van slim landbou gebaseer op groot data en Internet van dinge. Int. J. Distrib. Sens. Netw. 16 (5) ttps://doi.org/10.1177/1550147720917065.
Li, W., Niu, Z., Chen, H., Li, D., Wu, M., Zhao, W., 2016. Afgeleë skatting van blaredakhoogte en bogrondse biomassa van mielies met behulp van hoë-resolusie stereobeelde van 'n laekoste onbemande lugvoertuigstelsel. Ecol. Ind. 67, 637–648. https://doi.org/10.1016/j.ecolind.2016.03.036.
Liakos, KG, Busato, P., Moshou, D., Pearson, S., Bochtis, D., 2018. Masjienleer in landbou: 'n resensie. Sensors 18 (8), 2674.
Liebisch, F., Kirchgessner, N., Schneider, D., Walter, A., Hund, A., 2015. Afgeleë, lugfenotipering van mielie-eienskappe met 'n mobiele multi-sensor benadering. Plantmetodes 11 (1), 9. https://doi.org/10.1186/s13007-015-0048-8.
Lin, Z., Guo, W., 2020. Sorghum-paniekopsporing en -telling met behulp van onbemande lugstelselbeelde en diep leer. Voorkant. Plant Sci. 11.
Liu, S., Guo, L., Webb, H., Ya, X., Chang, X., 2019. Internet of Things-moniteringstelsel van moderne eko-landbou gebaseer op wolkrekenaarkunde. IEEE Toegang 7, 37050–37058.
Lopez-Granados, 'F., 2011. Onkruidopsporing vir terreinspesifieke onkruidbestuur: kartering en intydse benaderings. Onkruid Res. 51 (1), 1–11. https://doi.org/10.1111/j.1365-3180.2010.00829.x.
Lopez-Granados, ´F., Torres-Sanchez, ´J., De Castro, A.-I., Serrano-P´erez, A., MesasCarrascosa, F.-J., Pena, ˜ J.-M. , 2016. Objekgebaseerde vroeë monitering van 'n grasonkruid in 'n grasgewas met behulp van hoë resolusie UAV-beelde. Agron. Volhou. Dev. 36 (4), 1–12
Lopez-Granados, ´F., Torres-S´anchez, J., Serrano-P´erez, A., de Castro, AI, MesasCarrascosa, F.-J., Pena, ˜ J.-M., 2016. Vroeë seisoen onkruidkartering in sonneblom deur gebruik te maak van UAV-tegnologie: veranderlikheid van onkruiddoderbehandelingskaarte teen onkruiddrempels. Presies. Agric. 17 (2), 183–199.
Lucieer, A., Malenovský, Z., Veness, T., Wallace, L., 2014. HyperUAS - beeldspektroskopie van 'n multirotor onbemande vliegtuigstelsel. J. Veld Rob. 31 (4),
571–590. https://doi.org/10.1002/rob.21508.
Lumme, J., Karjalainen, M., Kaartinen, H., Kukko, A., Hyyppa, ¨ J., Hyypp¨ a, H., Jaakkola, A., & Kleemola, J., 2008. Terrestrial laser scanning of landbougewasse. In JJ
Chen J. Maas H–G. (Red.), International Archives of the Photogrammetry, Remote sensing and Spatial Information Sciences—ISPRS Archives (Vol. 37, pp. 563–566).
Internasionale Vereniging vir Fotogrammetrie en Afstandwaarneming. 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. 'n Oorsig van onder toesig gebaseerde objekgebaseerde landbedekkingbeeldklassifikasie. ISPRS J. Photogramm. Remote Sens. 130,
277–293. https://doi.org/10.1016/j.isprsjprs.2017.06.001.
Maes, WH, Steppe, K., 2019. Perspektiewe vir afstandwaarneming met onbemande vliegtuie in presisielandbou. Tendense Plant Sci. 24 (2), 152–164. https://doi.org/10.1016/j.tplants.2018.11.007.
Maimaitijiang, M., Ghulam, A., Sidike, P., Hartling, S., Maimaitiyiming, M., Peterson, K., Shavers, E., Fishman, J., Peterson, J., Kadam, S., Burken, J., Fritschi, F., 2017.
Onbemande lugstelsel (UAS)-gebaseerde fenotipering van sojaboon met behulp van multi-sensor data samesmelting en uiterste leermasjien. ISPRS J. Photogramm. Afgeleë Sens. 134, 43–58. https://doi.org/10.1016/j.isprsjprs.2017.10.011. Maimaitijiang, M., Sagan, V., Sidike, P., Daloye, AM, Erkbol, H., Fritschi, FB, 2020.
Gewasmonitering met behulp van satelliet/UAV-datasamesmelting en masjienleer. Afstandwaarneming 12 (9), 1357. https://doi.org/10.3390/rs12091357.
Manfreda, S., McCabe, M., Miller, P., Lucas, R., Pajuelo Madrigal, V., Mallinis, G., Ben Dor, E., Helman, D., Estes, L., Ciraolo, G. ., Müllerova, ´ J., Tauro, F., de Lima, M., de
Lima, J., Maltese, A., Frances, F., Caylor, K., Kohv, M., Perks, M., Ruiz-P´erez, G., Su, Z., Vico, G., Toth. , B., 2018. Oor die gebruik van onbemande lugstelsels vir
omgewingsmonitering. Afstandwaarneming 10 (4), 641.
Marinko, RA, 1998. Aanhalings na vrouestudiejoernale in proefskrifte, 1989 en The Serials Librarian 35 (1–2), 29–44. https://doi.org/10.1300/J123v35n01_
03.
Masroor, R., Naeem, M., Ejaz, W., 2021. Hulpbronbestuur in UAV-ondersteunde draadlose netwerke: 'n optimaliseringsperspektief. Ad Hoc Netw. 121, 102596 https://doi.org/10.1016/j.adhoc.2021.102596.
Matese, A., Di Gennaro, SF, 2018. Praktiese toepassings van 'n multisensor UAV-platform gebaseer op multispektrale, termiese en RGB hoë resolusie beelde in presisie
wingerdbou. Landbou 8 (7), 116. https://doi.org/10.3390/agriculture8070116.
Matese, A., Di Gennaro, SF, 2021. Behalwe die tradisionele NDVI-indeks as 'n sleutelfaktor om die gebruik van UAV in presisie-wingerdbou te hoofstroom. Sci. Rep. 11 (1), 2721. https://doi.org/10.1038/s41598-021-81652-3.
Matese, A., Toscano, P., Di Gennaro, SF, Genesio, L., Vaccari, FP, Primicerio, J., Belli, C., Zaldei, A., Bianconi, R., Gioli, B., 2015 Onderlinge vergelyking van UAV, vliegtuie
en satelliet-afstandwaarnemingsplatforms vir presisie-wingerdbou. Afstandwaarneming 7 (3), 2971–2990. https://doi.org/10.3390/rs70302971.
Mazzia, V., Comba, L., Khaliq, A., Chiaberge, M., Gay, P., 2020. UAV en masjienleer-gebaseerde verfyning van 'n satelliet-gedrewe plantegroei-indeks vir presisie
landbou. Sensors 20 (9), 2530. https://doi.org/10.3390/s20092530.
McCain, KW, 1990. Kartering van skrywers in intellektuele ruimte: 'n tegniese oorsig. J. Am. Soc. Inligting. Wetenskap. 41 (6), 433–443.
Meinen, BU, Robinson, DT, 2021. Landbou-erosiemodellering: evaluering van USLE- en WEPP-veldskaal-erosieskattings deur gebruik te maak van UAV-tydreeksdata. Omgewing. Model. Sagteware 137, 104962. https://doi.org/10.1016/j.envsoft.2021.104962.
Melville, B., Lucieer, A., Aryal, J., 2019. Klassifikasie van inheemse grasveldgemeenskappe in die laagland met behulp van hiperspektrale onbemande vliegtuigstelsel (UAS)-beelde in die
Tasmaniese middellande. Hommeltuie 3 (1), 5.
Messina, G., Modica, G., 2020. Toepassings van UAV-termiese beelde in presisielandbou: stand van die kuns en toekomstige navorsingsuitkyk. Afstandwaarneming 12 (9), https://doi.org/10.3390/rs12091491.
Mishra, D., Luo, Z., Jiang, S., Papadopoulos, T., Dubey, R., 2017. 'n Bibliografiese studie oor groot data: konsepte, tendense en uitdagings. Besigheidsproses Bestuur. J. 23 (3),
555-573.
Mochida, K., Saisho, D., Hirayama, T., 2015. Gewasverbetering met behulp van lewensiklusdatastelle wat onder veldtoestande verkry is. Voorkant. Plant Sci. 6 https://doi.org/10.3389/
fpls.2015.00740.
Mogili, UM.R., Deepak, BBVL, 2018. Oorsig oor toepassing van hommeltuigstelsels in presisielandbou. Procedia Comput. Sci. 133, 502–509.
Moharana, S., Dutta, S., 2016. Ruimtelike veranderlikheid van chlorofil- en stikstofinhoud van rys uit hiperspektrale beelde. ISPRS J. Photogramm. Afgeleë Sens. 122, 17–29.
Muangprathub, J., Boonnam, N., Kajornkasirat, S., Lekbangpong, N., Wanichsombat, A.,
Nillaor, P., 2019. IoT en landboudata-analise vir slimplaas. Reken. Elektron. Agric. 156, 467–474.
Nansen, C., Elliott, N., 2016. Afstandswaarneming en reflektansie-profilering in entomologie. Annu. Ds Entomol. 61 (1), 139–158. https://doi.org/10.1146/annurev-ento010715-023834.
Navia, J., Mondragon, I., Patino, D., Colorado, J., 2016. Multispektrale kartering in landbou: terreinmosaïek met behulp van 'n outonome quadcopter UAV. Int. Konf.
Onbemande Vliegtuigstelsel. (ICUAS) 2016, 1351–1358. https://doi.org/10.1109/ ICUAS.2016.7502606.
Nayyar, A., Nguyen, B.-L., Nguyen, NG, 2020. The internet of drone things (Iodt): future envision of smart drones. Adv. Intell. Syst. Reken. 1045, 563–580. https://doi.org/10.1007/978-981-15-0029-9_45.
Nebiker, S., Annen, A., Scherrer, M., Oesch, D., 2008. 'n Liggewig multispektrale sensor vir mikro-UAV—geleenthede vir baie hoë resolusie luggedraagde afstandwaarneming. Int. Boog. Fotogram. Afstandsensors Spat. Inf. Sci 37 (B1), 1193–1200.
Negash, L., Kim, H.-Y., Choi, H.-L., 2019. Opkomende UAV-toepassings in die landbou. In: 2019 7de Internasionale Konferensie oor Robot Intelligensie Tegnologie en
Toepassings (RiTA), pp. 254–257. https://doi.org/10.1109/RITAPP.2019.8932853.
Nerur, SP, Rasheed, AA, Natarajan, V., 2008. Die intellektuele struktuur van die strategiese bestuursveld: 'n outeur-samestellingsanalise. Strategie. Bestuur. J. 29 (3),
319-336.
Neupane, K., Baysal-Gurel, F., 2021. Outomatiese identifikasie en monitering van plantsiektes met behulp van onbemande vliegtuie: 'n oorsig. Afstandwaarneming 13 (19), 3841. https://doi.org/10.3390/rs13193841.
Nex, F., Remondino, F., 2014. UAV vir 3D-karteringtoepassings: 'n resensie. Appl. Geomatics 6 (1), 1–15. https://doi.org/10.1007/s12518-013-0120-x.
Niu, H., Hollenbeck, D., Zhao, T., Wang, D., Chen, Y., 2020. Evapotranspirasieberaming met klein UAV's in presisielandbou. Sensors 20 (22), 6427. https://
doi.org/10.3390/s20226427.
Osareh, F., 1996. Bibliometrie, aanhalingsanalise en medeaanhalingsanalise. 'n Oorsig van literatuur 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, sensors en dataverwerking in agrobosbou: 'n oorsig na praktiese toepassings. Int. J. Remote Sens. 38 (8–10), 2349–2391. https://doi.org/10.1080/01431161.2017.1297548.
Panday, VSA, Pratihast, AK, Aryal, J., Kayastha, RB, 2020. 'n Oorsig oor hommeltuig-gebaseerde data-oplossings vir graangewasse. Hommeltuie 4 (3), 1–29. https://doi.org/10.3390/
hommeltuie4030041.
Parsaeian, M., Shahabi, M., Hassanpour, H., 2020. Skatting van olie- en proteïeninhoud van sesamsaad met behulp van beeldverwerking en kunsmatige neurale netwerk. J. Am. Olie
Chemici Soc. 97 (7), 691–702.
Pena, ˜ JM, Torres-S´anchez, J., de Castro, AI, Kelly, M., Lopez-Granados, ´F., Suarez, O., Onkruidkartering in vroeë-seisoen mielielande met behulp van objekgebaseerde analise van
onbemande lugvoertuig (UAV) Beelde. PLoS EEN 8 (10), e77151.
P'erez-Ortiz, M., Pena, ~JM, Guti'errez, PA, Torres-S'anchez, J., Herv'as-Martínez, C.,
Lopez-Granados, ´F., 2015. 'n Semi-toesigstelsel vir onkruidkartering in sonneblomgewasse met behulp van onbemande vliegtuie en 'n oesry-opsporingsmetode. Appl. Sagte rekenaar. J. 37, 533–544. https://doi.org/10.1016/j.asoc.2015.08.027.
Pincheira, M., Vecchio, M., Giaffreda, R., Kanhere, SS, 2021. Koste-effektiewe IoT-toestelle as betroubare databronne vir 'n blokketting-gebaseerde waterbestuurstelsel in presisielandbou. Reken. Elektron. Agric. 180, 105889.
Popescu, D., Stoican, F., Stamatescu, G., Ichim, L., Dragana, C., 2020. Gevorderde UAV–WSN-stelsel vir intelligente monitering in presisielandbou. Sensors 20 (3), https://doi.org/10.3390/s20030817.
Pournader, M., Shi, Y., Seuring, S., Koh, SL, 2020. Blockchain-toepassings in voorsieningskettings, vervoer en logistiek: 'n sistematiese oorsig van die literatuur. Int. J. Prod. Res. 58 (7), 2063–2081.
Primicerio, J., Di Gennaro, SF, Fiorillo, E., Genesio, L., Lugato, E., Matese, A., Vaccari, FP, 2012. ’n Buigsame onbemande lugvoertuig vir presisielandbou.
Presies. Agric. 13 (4), 517–523. https://doi.org/10.1007/s11119-012-9257-6.
Pritchard, A., 1969. Statistiese bibliografie of bibliometrie. J. Dokument. 25 (4), 348–349.
Pudelko, R., Stuczynski, T., Borzecka-Walker, M., 2012. Die geskiktheid van 'n onbemande lugvoertuig (UAV) vir die evaluering van eksperimentele velde en gewasse. Landbou 99 (4), 431–436.
Puri, V., Nayyar, A., Raja, L., 2017. Landbou hommeltuie: 'n moderne deurbraak in presisielandbou. J. Statis. Bestuur. Syst. 20 (4), 507–518.
Radoglou-Grammatikis, P., Sarigiannidis, P., Lagkas, T., Moscholios, I., 2020. 'n Samestelling van UAV-aansoeke vir presisielandbou. Reken. Netw. 172,
107148 https://doi.org/10.1016/j.comnet.2020.107148.
Ramesh, KV, Rakesh, V., Prakasa Rao, EVS, 2020. Toepassing van grootdata-analise en kunsmatige intelligensie in agronomiese navorsing. Indiër J. Agron. 65 (4), 383–395.
Raparelli, E., Bajocco, S., 2019. 'n Bibliometriese analise oor die gebruik van onbemande vliegtuie in landbou- en bosboustudies. Int. J. Remote Sens. 40 (24),
9070–9083. https://doi.org/10.1080/01431161.2019.1569793.
Rasmussen, J., Nielsen, J., Garcia-Ruiz, F., Christensen, S., Streibig, JC, Lotz, B., 2013.
Potensiële gebruike van klein onbemande vliegtuigstelsels (UAS) in onkruidnavorsing. Onkruid Res. 53 (4), 242–248.
Rasmussen, J., Ntakos, G., Nielsen, J., Svensgaard, J., Poulsen, RN, Christensen, S., Is plantegroei-indekse afgelei van verbruikersgraadkameras gemonteer op
UAV's wat voldoende betroubaar is vir die assessering van eksperimentele erwe? EUR. J. Agron. 74, 75–92. https://doi.org/10.1016/j.eja.2015.11.026.
Rejeb, A., Rejeb, K., Abdollahi, A., Zailani, S., Iranmanesh, M., Ghobakhloo, M., 2022. Digitalisering in voedselverskaffingskettings: 'n bibliometriese oorsig en sleutelroete-hoofpad
ontleding. Volhoubaarheid 14 (1), 83. https://doi.org/10.3390/su14010083.
Rejeb, A., Rejeb, K., Simske, SJ, Treiblmaier, H., 2021a. Drones vir voorsieningskettingbestuur en logistiek: 'n oorsig- en navorsingsagenda. Int. J. Logist. Res. Appl.
1–24. https://doi.org/10.1080/13675567.2021.1981273.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021b. Blockchain-tegnologieë in logistiek en voorsieningskettingbestuur: 'n bibliometriese oorsig. Logistiek 5 (4), 72.
https://doi.org/10.3390/logistics5040072.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021c. Humanitêre hommeltuie: 'n oorsig- en navorsingsagenda. Internet of Things 16, 100434. https://doi.org/10.1016/j.
iot.2021.100434.
Rejeb, A., Treiblmaier, H., Rejeb, K., Zailani, S., 2021d. Blockchain-navorsing in gesondheidsorg: 'n bibliometriese oorsig en huidige navorsingstendense. J. van Data, Inf. en
Bestuur. 3 (2), 109–124.
Rejeb, A., Simske, S., Rejeb, K., Treiblmaier, H., Zailani, S., 2020. Internet of Things-navorsing in voorsieningskettingbestuur en logistiek: 'n bibliometriese analise. Internet
van Dinge 12, 100318.
ReportLinker, 2021. Wêreldwye landbou-dronesmark sal US$15.2 miljard bereik deur die YearGlobeNewswire-nuuskamer. https://www.globenewswire.com/news-release/2021/08/10/2277986/0/en/Global-Agriculture-Drones-Market-to-Reach-US-15-2-Billion-by-the- Jaar-2027.html.
Ribeiro-Gomes, K., Hernandez-L ´ opez, ´ D., Ortega, JF, Ballesteros, R., Poblete, T., Moreno, MA, 2017. Ongekoelde termiese kamera kalibrasie en optimalisering van die
fotogrammetrie proses vir UAV toepassings in die landbou. Sensors (Switserland) 17 (10). https://doi.org/10.3390/s17102173.
Rivera, MA, Pizam, A., 2015. Vooruitgang in gasvryheidsnavorsing: "Van Rodney Dangerfield tot Aretha Franklin". Int. J. Kontempor. Hospitaal. Bestuur. 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. Mini-UAV-gebaseerde sensoriese stelsel vir die meting van omgewingsveranderlikes in kweekhuise. Sensors 15 (2), 3334–3350. https://doi.org/10.3390/s150203334.
Rozenberg, G., Kent, R., Blank, L., 2021. Verbruikersgraad-UAV wat gebruik word vir die opsporing en ontleding van laat-seisoen onkruidruimtelike verspreidingspatrone in kommersiële uielande. Presies. Agric. 22 (4), 1317–1332. https://doi.org/10.1007/s11119-021-09786-y.
Saari, H., Pellikka, I., Pesonen, L., Tuominen, S., Heikkila, ¨ J., Holmlund, C., Makynen, ¨ J., Ojala, K., Antila, T., 2011. Onbemande lugvoertuig (UAV)-aangedrewe spektrale kamerastelsel vir bos- en landboutoepassings. Voortgaan. SPIE – Int. Soc. Opt. Eng. 8174 https://doi.org/10.1117/12.897585.
Sah, B., Gupta, R., Bani-Hani, D., 2021. Ontleding van hindernisse om hommeltuiglogistiek te implementeer. Int. J. Logist. Res. Appl. 24 (6), 531–550. https://doi.org/10.1080/
13675567.2020.1782862.
Saha, AK, Saha, J., Ray, R., Sircar, S., Dutta, S., Chattopadhyay, SP, & Saha, HN, IOT-gebaseerde hommeltuig vir die verbetering van gewaskwaliteit in landbouveld. In SH
N. Chakrabarti S. (Ed.), 2018 IEEE 8ste jaarlikse rekenaar- en kommunikasiewerkswinkel en -konferensie, CCWC 2018 (Vols. 2018-Januarie, pp. 612–615). Instituut
van Elektriese en Elektroniese Ingenieurs Ing. doi: 10.1109/CCWC.2018.8301662.
Sai Vineeth, KV, Vara Prasad, YR, Dubey, SR, Venkataraman, H., 2019. LEDCOM: 'n nuwe en doeltreffende LED-gebaseerde kommunikasie vir presisielandbou. IEEE Conf. Inligting. Commun. Tegn. 2019, 1–5. https://doi.org/10.1109/CICT48419.2019.9066177.
Salamí, E., Barrado, C., Pastor, E., 2014. UAV-vlugeksperimente toegepas op die afstandwaarneming van plantegroeide gebiede. Afstandwaarneming 6 (11), 11051–11081. https://doi.org/10.3390/rs61111051.
Sankaran, S., Khot, LR, Espinoza, CZ, Jarolmasjed, S., Sathuvalli, VR, Vandemark, GJ, Miklas, PN, Carter, AH, Pumphrey, MO, Knowles, NRN, Pavek, MJ, 2015.
Lae-hoogte, hoë-resolusie lugbeeldingstelsels vir ry- en veldgewasfenotipering: 'n oorsig. EUR. J. Agron. 70, 112–123. https://doi.org/10.1016/j.
eja.2015.07.004.
Santesteban, LG, Di Gennaro, SF, Herrero-Langreo, A., Miranda, C., Royo, JB, Matese, A., 2017. Hoë-resolusie UAV-gebaseerde termiese beelding om die skat van die
oombliklike en seisoenale veranderlikheid van plantwaterstatus binne 'n wingerd. Agric. Waterbestuur. 183, 49–59. https://doi.org/10.1016/j.agwat.2016.08.026.
Sarli, CC, Dubinsky, EK, Holmes, KL, 2010. Beyond citation analysis: 'n Model vir assessering van navorsingsimpak. J. Med. Biblioteek Assoc. : 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. Aardstelselwetenskap-verwante beeldvormingspektroskopie—'n assessering. Remote Sens. Omgewing. 113, S123–S137.
Schirrmann, M., Giebel, A., Gleiniger, F., Pflanz, M., Lentschke, J., Dammer, K.-H., 2016. Monitering van agronomiese parameters van winterkoringgewasse met laekoste-UAV
beeldspraak. Afstandwaarneming 8 (9). https://doi.org/10.3390/rs8090706.
Schmale III, DG, Dingus, BR, Reinholtz, C., 2008. Ontwikkeling en toepassing van 'n outonome onbemande lugvoertuig vir presiese aërobiologiese monsterneming hierbo
landbouvelde. J. Veld Rob. 25 (3), 133–147. https://doi.org/10.1002/rob.20232.
Shadrin, D., Menshchikov, A., Somov, A., Bornemann, G., Hauslage, J., Fedorov, M.,
Om presisielandbou moontlik te maak deur ingebedde waarneming met kunsmatige intelligensie. IEEE Trans. Instrument. Meas. 69 (7), 4103–4113.
Shakhatreh, H., Sawalmeh, AH, Al-Fuqaha, A., Dou, Z., Almaita, E., Khalil, I.,
Othman, NS, Khreishah, A., Guizani, M., 2019. Unmanned Aerial Vehicles (UAV's): 'n opname oor siviele toepassings en sleutelnavorsingsuitdagings. IEEE Toegang 7,
48572–48634. https://doi.org/10.1109/ACCESS.2019.2909530.
Shakoor, N., Northrup, D., Murray, S., Mockler, TC, 2019. Grootdata-gedrewe landbou: grootdata-analise in plantteling, genomika en die gebruik van afstandwaarneming
tegnologieë om gewasproduktiwiteit te bevorder. Plantfenome J. 2 (1), 1–8.
Sharma, BK, Chandra, G., Mishra, VP, 2019. Vergelykende analise en implikasie van UAV en KI in forensiese ondersoeke. In: Proceedings – 2019 Amity International
Konferensie oor Kunsmatige Intelligensie. https://doi.org/10.1109/AICAI.2019.8701407.
Sharma, R., Shishodia, A., Gunasekaran, A., Min, H., Munim, ZH, 2022. Die rol van kunsmatige intelligensie in voorsieningskettingbestuur: kartering van die gebied. Int. J.
Prod. Res. 1–24. https://doi.org/10.1080/00207543.2022.2029611.
Shi, Y., Thomasson, JA, Murray, SC, Pugh, NA, Rooney, WL, Shafian, S., Rajan, N., Rouze, G., Morgan, CLS, Neely, HL, Rana, A., Bagavathiannan , MV,
Henrickson, J., Bowden, E., Valasek, J., Olsenholler, J., Bishop, MP, Sheridan, R., Putman, EB, Popescu, S., Burks, T., Cope, D., Ibrahim, A., McCutchen, BF,
Baltensperger, DD, Avant, RV, Vidrine, M., Yang, C., Zhang, J., 2016. Onbemande lugvoertuie vir hoë-deurset fenotipering en agronomiese navorsing. PLoS EEN
11 (7), e0159781.
Shuai, G., Martinez-Feria, RA, Zhang, J., Li, S., Price, R., Basso, B., 2019. Vaslegging van mieliestandheterogeniteit oor opbrengs-stabiliteitsones met behulp van onbemande lug
Voertuie (UAV). Sensors 19 (20), 4446. https://doi.org/10.3390/s19204446.
Small, H., 1973. Mede-aanhaling in die wetenskaplike literatuur: 'n nuwe maatstaf van die verhouding tussen twee dokumente. J. Am. Soc. Inligting. Sci. 24 (4), 265–269.
Small, H., Rorvig, ME, Lunin, LF, 1999. Visualisering van wetenskap deur aanhalingskartering. J. Am. Soc. Inligting. Sci. 50 (9), 799–813.
Soares, VHA, Ponti, MA, Gonçalves, RA, Campello, RJGB, 2021. Beeste tel in die natuur met geolokaliseerde lugbeelde in groot weivelde. Reken. Elektron. Agric. 189, 106354 https://doi.org/10.1016/j.compag.2021.106354.
Srivastava, K., Pandey, PC, Sharma, JK, 2020. 'n Benadering vir roete-optimalisering in toepassings van presisielandbou met behulp van UAV's. Drones 4 (3), 58. https://doi.org/ 10.3390/drones4030058.
Stafford, JV, 2000. Implementering van presisielandbou in die 21ste eeu. J. Agric. Eng. Res. 76 (3), 267–275.
Su, J., Coombes, M., Liu, C., Guo, L., Chen, W.-H., 2018. Koringdroogte-assessering deur afstandswaarnemingsbeelde met behulp van onbemande lugvoertuie. In 2018 37ste Chinese Beheerkonferensie (CCC).
Su, J., Liu, C., Coombes, M., Hu, X., Wang, C., Xu, X., Li, Q., Guo, L., Chen, W.-H., 2018. Koringgeelroesmonitering deur te leer uit multispektrale UAV-lugbeelde.
Reken. Elektron. Agric. 155, 157–166. https://doi.org/10.1016/j. compag.2018.10.017.
Su, Y., Wang, X., 2021. Innovasie van landbou-ekonomiese bestuur in die proses om slim landbou te bou deur groot data. Volhoubare rekenaar. Inf. Syst. 31, 100579 https://doi.org/10.1016/j.suscom.2021.100579.
Sullivan, DG, Fulton, JP, Shaw, JN, Bland, GL, 2007. Evaluering van die sensitiwiteit van 'n onbemande termiese infrarooi lugstelsel om waterstres in 'n katoenkap op te spoor. Trans. ASABE 50 (6), 1955–1962.
Sumesh, KC, Ninsawat, S., Som-ard, J., 2021. Integrasie van RGB-gebaseerde plantegroei-indeks, gewasoppervlakmodel en objekgebaseerde beeldanalise-benadering vir suikerrietopbrengsskatting met behulp van onbemande vliegtuig. Reken. Elektron. Agric. 180, 105903 https://doi.org/10.1016/j.compag.2020.105903.
Suomalainen, J., Anders, N., Iqbal, S., Franke, J., Wenting, P., Bartholomeus, H., Becker, R., Kooistra, L., 2013. ’n Liggewig hiperspektrale karteringstelsel vir
onbemande vliegtuie—die eerste resultate. In: 2013 5de werkswinkel oor hiperspektrale beeld en seinverwerking: evolusie in afstandwaarneming (FLUISTERS), pp. 1–4. https://doi.org/10.1109/WHISPERS.2013.8080721.
Suomalainen, J., Anders, N., Iqbal, S., Roerink, G., Franke, J., Wenting, P., Hünniger, D., Bartholomeus, H., Becker, R., Kooistra, L., 2014. 'n Liggewig hiperspektrale
karteringstelsel en fotogrammetriese verwerkingsketting vir onbemande vliegtuie. Afstandwaarneming 6 (11), 11013–11030. https://doi.org/10.3390/
rs61111013.
Syeda, IH, Alam, MM, Illahi, U., Su'ud, MM, 2021. Bevorder beheerstrategieë met behulp van beeldverwerking, UAV en KI in die landbou: 'n Oorsig. Wêreld J. Eng. 18 (4),
579–589. https://doi.org/10.1108/WJE-09-2020-0459.
Tahai, A., Rigsby, JT, 1998. Inligtingverwerking deur aanhalings te gebruik om joernaalinvloed in rekeningkunde te ondersoek. Inf. Proses. Bestuur. 34 (2–3), 341–359.
Tang, Y., Dananjayan, S., Hou, C., Guo, Q., Luo, S., He, Y., 2021. ’n Opname oor die 5G-netwerk en die impak daarvan op landbou: uitdagings en geleenthede. Reken.
Elektron. Agric. 180, 105895 https://doi.org/10.1016/j.compag.2020.105895.
Tantalaki, N., Souravlas, S., Roumeliotis, M., 2019. Data-gedrewe besluitneming in presisielandbou: die opkoms van groot data in landboustelsels. J. Agric. Kos inligting.
20 (4), 344–380.
Tao, H., Feng, H., Xu, L., Miao, M., Yang, G., Yang, X., Fan, L., 2020. Skatting van die opbrengs en planthoogte van winterkoring met behulp van UAV- gebaseerde hiperspektrale beelde.
Sensors 20 (4), 1231.
Techy, L., Schmale III, DG, Woolsey, CA, 2010. Gekoördineerde aërobiologiese monsterneming van 'n plantpatogeen in die laer atmosfeer met behulp van twee outonome onbemande lugvoertuie. J. Veld Rob. 27 (3), 335–343. https://doi.org/10.1002/rob.20335.
Tetila, EC, Machado, BB, Astolfi, G., Belete, NAdS, Amorim, WP, Roel, AR, Pistori, H., 2020. Opsporing en klassifikasie van sojaboonplae met behulp van diep leer
met UAV-beelde. Reken. Elektron. Agric. 179, 105836.
Thamm, H.-P., Menz, G., Becker, M., Kuria, DN, Misana, S., Kohn, D., 2013. Die gebruik van Uas vir die assessering van landboustelsels in 'n vleiland in Tanzanië in die— En WetSeason vir volhoubare landbou en die verskaffing van grondwaarheid vir Terra-Sar X-data. In: ISPRS – International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, pp. 401–406. https://doi.org/10.5194/isprsarchivesXL-1-W2-401-2013.
Thelwall, M., 2008. Bibliometrie tot webometrie. J. Inligting. Sci. 34 (4), 605–621.
Torres-Sanchez, ´ J., Lopez-Granados, ´ F., Pena, ˜ JM, 2015. 'n Outomatiese objekgebaseerde metode vir optimale drempelwaarde in UAV-beelde: toepassing vir plantegroeiopsporing in kruidagtige gewasse. Reken. Elektron. Agric. 114, 43–52. https://doi.org/10.1016/j.compag.2015.03.019.
Torres-Sanchez, ´ J., Lopez-Granados, ´ F., Serrano, N., Arquero, O., Pena, ˜ JM, Hassan, QK, 2015. Hoë-deurset 3-D monitering van landbou-boom plantasies met Onbemande Lugvoertuig (UAV) tegnologie. PLoS EEN 10 (6), e0130479.
Torres-Sanchez, ´ J., Pena, ˜ JM, de Castro, AI, Lopez-Granados, ´ F., 2014. Multi-temporele kartering van die plantegroeifraksie in vroeë-seisoen koringlande met behulp van beelde van UAV. Reken. Elektron. Agric. 103, 104–113. https://doi.org/10.1016/j. compag.2014.02.009.
Tsouros, DC, Bibi, S., Sarigiannidis, PG, 2019. 'n Oorsig oor UAV-gebaseerde toepassings vir presisielandbou. Inligting (Switserland) 10 (11). https://doi.org/10.3390/info10110349.
Tu, Y.-H., Phinn, S., Johansen, K., Robson, A., Wu, D., 2020. Optimalisering van hommeltuigvlugbeplanning vir die meting van tuinbouboomgewasstruktuur. ISPRS J. Photogramm.
Remote Sens. 160, 83–96. https://doi.org/10.1016/j.isprsjprs.2019.12.006
Tzounis, A., Katsoulas, N., Bartzanas, T., Kittas, C., 2017. Internet van dinge in landbou, onlangse vooruitgang en toekomstige uitdagings. Biostelsel. Eng. 164, 31–48.
https://doi.org/10.1016/j.biosystemseng.2017.09.007.
Uddin, A., Singh, VK, Pinto, D., Olmos, I., 2015. Wetenskaplike kartering van rekenaarwetenskapnavorsing in Mexiko. Scientometrics 105 (1), 97–114.
VN., 2019. Wêreldbevolkingsvooruitsigte 2019. https://population.un.org/wpp/ (Besoek op 15/04/2022).
Uto, K., Seki, H., Saito, G., Kosugi, Y., 2013. Karakterisering van rysvelde deur 'n UAV-gemonteerde miniatuur hiperspektrale sensorstelsel. IEEE J. Sel. Top. Appl. Aarde Obs.
Afgeleë Sens. 6 (2), 851–860. https://doi.org/10.1109/JSTARS.2013.2250921. van der Merwe, D., Burchfield, DR, Witt, TD, Price, KP, Sharda, A., 2020. Drones in
landbou. Adv. Agron. 162, 1–30.
Velusamy, P., Rajendran, S., Mahendran, RK, Naseer, S., Shafiq, M., Choi, J.-G., 2022.
Onbemande lugvoertuie (UAV) in presisielandbou: toepassings en uitdagings. Energies 15 (1), 217. https://doi.org/10.3390/en15010217.
Ventura, D., Bonifazi, A., Gravina, MF, Belluscio, A., Ardizzone, G., 2018. Kartering en klassifikasie van ekologies sensitiewe mariene habitats met behulp van onbemande lug
Voertuig (UAV) beelde en objekgebaseerde beeldanalise (OBIA). Afstandwaarneming 10 (9), 1331. https://doi.org/10.3390/rs10091331.
Verger, A., Vigneau, N., Ch´eron, C., Gilliot, J.-M., Comar, A., Baret, F., 2014. Groenarea-indeks van 'n onbemande lugstelsel oor koring- en raapsaadgewasse . Remote Sens. Omgewing. 152, 654–664. https://doi.org/10.1016/j.rse.2014.06.006.
Von Bueren, SK, Burkart, A., Hueni, A., Rascher, U., Tuohy, MP, Yule, IJ, 2015. Ontplooiing van vier optiese UAV-gebaseerde sensors oor grasveld: uitdagings en
beperkings. Biogeowetenskappe 12 (1), 163–175. https://doi.org/10.5194/bg-12-163-2015.
Vuran, MC, Salam, A., Wong, R., Irmak, S., 2018. Internet van ondergrondse dinge in presisielandbou: argitektuur en tegnologiese aspekte. Ad Hoc Netw. 81,
160–173. https://doi.org/10.1016/j.adhoc.2018.07.017.
Wamba, SF, Queiroz, MM, 2021. Verantwoordelike kunsmatige intelligensie as 'n geheime bestanddeel vir digitale gesondheid: bibliometriese analise, insigte en navorsingsaanwysings.
Inligting. Syst. Voorkant. 1–16.
Wang, L., Zhang, G., Wang, Z., Liu, J., Shang, J., Liang, L., 2019. Bibliometriese analise van afstandwaarneming-navorsingstendens in gewasgroeimonitering: 'n Gevallestudie in China. Afstandwaarneming 11 (7). https://doi.org/10.3390/rs11070809.
White, HD, Griffith, BC, 1981. Skrywer-kositasie: 'n literatuurmaatstaf van intellektuele struktuur. J. Am. Soc. Inligting. Sci. 32 (3), 163–171.
Xiang, H., Tian, L., 2011. Ontwikkeling van 'n laekoste landbou-afstandwaarnemingstelsel gebaseer op 'n outonome onbemande lugvoertuig (UAV). Biostelsel. Eng. 108 (2), 174–190. https://doi.org/10.1016/j.biosystemseng.2010.11.010.
Xie, C., Yang, C., 2020. 'n Oorsig oor plant hoë-deurset fenotipering eienskappe met behulp van UAV-gebaseerde sensors. Reken. Elektron. Agric. 178, 105731 https://doi.org/10.1016/j.
compag.2020.105731.
Yao, H., Qin, R., Chen, X., 2019. Onbemande lugvoertuig vir afstandwaarnemingstoepassings—'n resensie. Afstandwaarneming 11 (12). https://doi.org/10.3390/
rs11121443.
Yeom, S., 2021. Bewegende mense dop en vals spoor verwydering met infrarooi termiese beelding deur 'n multirotor. Drones 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. 'n Vergelyking van oesparameters skatting deur beelde te gebruik van UAV-gemonteer
momentopname hiperspektrale sensor en hoë-definisie digitale kamera. Afstandwaarneming 10 (7), 1138. https://doi.org/10.3390/rs10071138.
Yue, J., Yang, G., Li, C., Li, Z., Wang, Y., Feng, H., Xu, B., 2017. Skatting van winterkoring bogrondse biomassa met behulp van onbemande vliegtuig- gebaseerde momentopname
hiperspektrale sensor en gewashoogte verbeterde modelle. Afstandwaarneming 9 (7). https://doi.org/10.3390/rs9070708.
Zahawi, RA, Dandois, JP, Holl, KD, Nadwodny, D., Reid, JL, Ellis, EC, 2015. Die gebruik van liggewig onbemande lugvoertuie om tropiese woudherstel te monitor. Biol.
Conserv. 186, 287–295. https://doi.org/10.1016/j.biocon.2015.03.031. Zamora-Izquierdo, MA, Santa, J., Martínez, JA, Martínez, V., Skarmeta, AF, 2019.
Slim boerdery IoT-platform gebaseer op rand- en wolkrekenaars. Biostelsel. Eng. 177,
4-17.
Zarco-Tejada, PJ, Diaz-Varela, R., Angileri, V., Loudjani, P., 2014. Boomhoogte-kwantifisering deur gebruik te maak van baie hoë resolusie beelde verkry vanaf 'n onbemande lugdraad
voertuig (UAV) en outomatiese 3D foto-rekonstruksie metodes. EUR. J. Agron. 55, 89–99. https://doi.org/10.1016/j.eja.2014.01.004.
Zhang, C., Craine, WA, McGee, RJ, Vandemark, GJ, Davis, JB, Brown, J., Hulbert, SH, Sankaran, S., 2020. Beeldgebaseerde fenotipering van blomintensiteit in koelseisoengewasse. Sensors 20 (5), 1450. https://doi.org/10.3390/s20051450.
Zhang, C., Kovacs, JM, 2012. Die toepassing van klein onbemande lugstelsels vir presisielandbou: 'n oorsig. Presies. Agric. 13 (6), 693–712. https://doi.org/
10.1007/s11119-012-9274-5.
Zhang, L., Zhang, H., Niu, Y., Han, W., 2019. Kartering van mieliewaterstres gebaseer op UAV multispektrale afstandswaarneming. Afstandwaarneming 11 (6), 605.
Zhang, X., Han, L., Dong, Y., Shi, Y., Huang, W., Han, L., Gonz´ alez-Moreno, P., Ma, H., Ye, H., Sobeih. , T., 2019. 'n Diep leergebaseerde benadering vir outomatiese geelroes
siekteopsporing vanaf hoë-resolusie hiperspektrale UAV-beelde. Afstandwaarneming 11 (13), 1554.
Zhao, X., Zhang, J., Huang, Y., Tian, Y., Yuan, L., 2022. Opsporing en diskriminasie van siektes en insekstres van teeplante met behulp van hiperspektrale beelding gekombineer met wavelet-analise. Reken. Elektron. Agric. 193, 106717 https://doi.org/10.1016/j. compag.2022.106717.
Zheng, A., Wang, M., Li, C., Tang, J., Luo, B., 2022. Entropie-geleide teenstrydige domein aanpassing vir lugbeeld semantiese segmentering. IEEE Trans. G
Zheng, H., Cheng, T., Yao, X., Deng, X., Tian, Y., Cao, W., Zhu, Y., 2016. Opsporing van rysfenologie deur tydreeksanalise van grondgebaseerde spektrale indeks data. Veldgewasse Res. 198, 131–139. https://doi.org/10.1016/j.fcr.2016.08.027.
Zheng, J., Yang, W., 2018. Ontwerp van 'n presisie landbou lekkasie saadstelsel gebaseer op draadlose sensors. Int. J. Aanlyn Eng. 14 (05), 184.
Zhou, L., Gu, X., Cheng, S., Yang, G., Shu, M., Sun, Q., 2020. Ontleding van planthoogteveranderinge van ingediende mielies met behulp van UAV-LiDAR-data. Landbou 10 (5), 146. https://
doi.org/10.3390/agriculture10050146.
Zhou, S., Chai, X., Yang, Z., Wang, H., Yang, C., Sun, T., 2021. Mielies-IAS: ’n Mieliebeeldontledingsagteware wat diep leer gebruik vir hoë-deurset plantfenotipering . Plantmetodes 17 (1), 48. https://doi.org/10.1186/s13007-021-00747-0.
Zhou, X., Zheng, HB, Xu, XQ, He, JY, Ge, XK, Yao, X., Cheng, T., Zhu, Y., Cao, WX, Tian, YC, 2017. Voorspelling van graanopbrengs in rys met behulp van multi-temporele plantegroei
indekse van UAV-gebaseerde multispektrale en digitale beelde. ISPRS J. Photogramm. Afgeleë Sens. 130, 246–255. https://doi.org/10.1016/j.isprsjprs.2017.05.003.
Zhou, Y., Xie, Y., Shao, L., 2016. Simulasie van die kerntegnologie van 'n kweekhuismoniteringstelsel gebaseer op 'n draadlose sensornetwerk. Int. J. Aanlyn Eng. 12 (05),
43.
Zhou, Z., Majeed, Y., Diverres Naranjo, G., Gambacorta, EMT, 2021. Assessering vir gewaswaterstres met infrarooi termiese beelde in presisielandbou: 'n oorsig
en toekomsvooruitsigte vir diepleertoepassings. Reken. Elektron. Agric. 182, 106019 https://doi.org/10.1016/j.compag.2021.106019.