Crops, fisheries and livestock form the backbone of global food production, essential to feed the ever-growing global population. However, these sectors face considerable challenges, including climate variability, resource limitations, and the need for sustainable management. Addressing these issues requires efficient, accurate, and scalable technological solutions, highlighting the importance of artificial intelligence (AI). This survey presents a systematic and thorough review of more than 200 research works covering conventional machine learning approaches, advanced deep learning techniques (e.g., vision transformers), and recent vision-language foundation models (e.g., CLIP) in the agriculture domain, focusing on diverse tasks such as crop disease detection, livestock health management, and aquatic species monitoring. We further cover major implementation challenges such as data variability and experimental aspects: datasets, performance evaluation metrics, and geographical focus. We finish the survey by discussing potential open research directions emphasizing the need for multimodal data integration, efficient edge-device deployment, and domain-adaptable AI models for diverse farming environments. Rapid growth of evolving developments in this field can be actively tracked on our project page: https://github.com/umair1221/AI-in-Agriculture

Bản dịch tiếng Việt:

Cây trồng, thủy sản và chăn nuôi tạo thành xương sống của sản xuất lương thực toàn cầu, cần thiết để nuôi sống dân số toàn cầu ngày càng tăng. Tuy nhiên, những lĩnh vực này phải đối mặt với những thách thức đáng kể, bao gồm biến đổi khí hậu, hạn chế về tài nguyên và nhu cầu quản lý bền vững. Giải quyết những vấn đề này đòi hỏi các giải pháp công nghệ hiệu quả, chính xác và có thể mở rộng, trong đó nêu bật tầm quan trọng của trí tuệ nhân tạo (AI). Cuộc khảo sát này trình bày đánh giá có hệ thống và kỹ lưỡng về hơn 200 công trình nghiên cứu bao gồm các phương pháp học máy thông thường, kỹ thuật học sâu nâng cao (ví dụ: biến đổi tầm nhìn) và các mô hình nền tảng ngôn ngữ tầm nhìn gần đây (ví dụ: CLIP) trong lĩnh vực nông nghiệp, tập trung vào các nhiệm vụ đa dạng như phát hiện bệnh cây trồng, quản lý sức khỏe vật nuôi và giám sát các loài thủy sản. Chúng tôi tiếp tục đề cập đến những thách thức triển khai chính như tính biến đổi của dữ liệu và các khía cạnh thử nghiệm: bộ dữ liệu, số liệu đánh giá hiệu suất và trọng tâm địa lý. Chúng tôi kết thúc cuộc khảo sát bằng cách thảo luận về các hướng nghiên cứu mở tiềm năng nhấn mạnh nhu cầu tích hợp dữ liệu đa phương thức, triển khai thiết bị biên hiệu quả và các mô hình AI có thể điều chỉnh theo miền cho các môi trường canh tác đa dạng. Bạn có thể theo dõi tích cực sự tăng trưởng nhanh chóng của những phát triển đang phát triển trong lĩnh vực này trên trang dự án của chúng tôi: https://github.com/umair1221/AI-in-Agriculture

Document Ready

Click below to load the full PDF document natively.