Precision agriculture system is an arising idea that refers to overseeing farms utilizing current information and communication technologies to improve the quantity and quality of yields while advancing the human work required. The automation requires the assortment of information given by the sensors such as soil, water, light, humidity, temperature for additional information to furnish the operator with exact data to acquire excellent yield to farmers. In this work, a study is proposed that incorporates all common state-of-the-art approaches for precision agriculture use. Technologies like the Internet of Things (IoT) for data collection, machine Learning for crop damage prediction, and deep learning for crop disease detection is used. The data collection using IoT is responsible for the measure of moisture levels for smart irrigation, n, p, k estimations of fertilizers for best yield development. For crop damage prediction, various algorithms like Random Forest (RF), Light gradient boosting machine (LGBM), XGBoost (XGB), Decision Tree (DT) and K Nearest Neighbor (KNN) are used. Subsequently, Pre-Trained Convolutional Neural Network (CNN) models such as VGG16, Resnet50, and DenseNet121 are also trained to check if the crop was tainted with some illness or not.

Bản dịch tiếng Việt:

Hệ thống nông nghiệp chính xác là một ý tưởng mới nổi đề cập đến việc giám sát các trang trại sử dụng công nghệ thông tin và truyền thông hiện tại để cải thiện số lượng và chất lượng sản lượng đồng thời thúc đẩy nhu cầu lao động của con người. Quá trình tự động hóa yêu cầu phân loại thông tin được cung cấp bởi các cảm biến như đất, nước, ánh sáng, độ ẩm, nhiệt độ để có thêm thông tin nhằm cung cấp cho người vận hành dữ liệu chính xác nhằm mang lại năng suất vượt trội cho nông dân. Trong nghiên cứu này, một nghiên cứu được đề xuất kết hợp tất cả các phương pháp tiếp cận hiện đại phổ biến để sử dụng nông nghiệp chính xác. Các công nghệ như Internet of Things (IoT) để thu thập dữ liệu, Machine Learning để dự đoán thiệt hại cây trồng và học sâu để phát hiện bệnh cây trồng được sử dụng. Việc thu thập dữ liệu sử dụng IoT có nhiệm vụ đo độ ẩm phục vụ tưới tiêu thông minh, ước tính n, p, k của phân bón để phát triển năng suất tốt nhất. Để dự đoán thiệt hại cây trồng, nhiều thuật toán khác nhau như Rừng ngẫu nhiên (RF), Máy tăng cường độ dốc ánh sáng (LGBM), XGBoost (XGB), Cây quyết định (DT) và K Hàng xóm gần nhất (KNN) được sử dụng. Sau đó, các mô hình Mạng thần kinh chuyển đổi được đào tạo trước (CNN) như VGG16, Resnet50 và DenseNet121 cũng được đào tạo để kiểm tra xem cây trồng có bị nhiễm bệnh nào đó hay không.

Document Ready

Click below to load the full PDF document natively.