Nowadays, precision agriculture combined with modern information and communications technologies, is becoming more common in agricultural activities such as automated irrigation systems, precision planting, variable rate applications of nutrients and pesticides, and agricultural decision support systems. In the latter, crop management data analysis, based on machine learning and data mining, focuses mainly on how to efficiently forecast and improve crop yield. In recent years, raw and semi-processed agricultural data are usually collected using sensors, robots, satellites, weather stations, farm equipment, farmers and agribusinesses while the Internet of Things (IoT) should deliver the promise of wirelessly connecting objects and devices in the agricultural ecosystem. Agricultural data typically captures information about farming entities and operations. Every farming entity encapsulates an individual farming concept, such as field, crop, seed, soil, temperature, humidity, pest, and weed. Agricultural datasets are spatial, temporal, complex, heterogeneous, non-standardized, and very large. In particular, agricultural data is considered as Big Data in terms of volume, variety, velocity and veracity. Designing and developing a data warehouse for precision agriculture is a key foundation for establishing a crop intelligence platform, which will enable resource efficient agronomy decision making and recommendations. Some of the requirements for such an agricultural data warehouse are privacy, security, and real-time access among its stakeholders (e.g., farmers, farm equipment manufacturers, agribusinesses, co-operative societies, customers and possibly Government agencies). However, currently there are very few reports in the literature that focus on the design of efficient data warehouses with the view of enabling Agricultural Big Data analysis and data mining. In this paper ...

Bản dịch tiếng Việt:

Trong bài báo này, chúng tôi đề xuất một khuôn khổ tri thức cho bản thể học nông nghiệp có thể được sử dụng cho các hệ thống nông nghiệp thông minh. Bản thể học này không chỉ bao gồm các khái niệm cơ bản trong lĩnh vực nông nghiệp mà còn chứa các miền phụ về địa lý, IoT, kinh doanh và các kiến thức khác được trích xuất từ nhiều bộ dữ liệu khác nhau. Với bản thể học này, bất kỳ người dùng nào cũng có thể dễ dàng hiểu được các liên kết dữ liệu nông nghiệp giữa chúng được thu thập từ nhiều nguồn tài nguyên dữ liệu khác nhau. Trong thử nghiệm của chúng tôi, chúng tôi cũng nhập các thực thể quốc gia, tiểu quốc gia và bệnh tật vào bản thể học này dưới dạng các thực thể cơ bản để xây dựng các bộ dữ liệu liên kết nông nghiệp sau này.

Document Ready

Click below to load the full PDF document natively.