Machine learning (ML) is a rapidly evolving technology with expanding applications across various fields. This paper presents a comprehensive survey of recent ML applications in agriculture for sustainability and efficiency. Existing reviews mainly focus on narrow subdomains or lack a fusion-driven perspectives. This study provides a combined analysis of ML applications in agriculture, structured around five key objectives: (i) Analyzing ML techniques across pre-harvesting, harvesting, and post-harvesting phases. (ii) Demonstrating how ML can be used with agricultural data and data fusion. (iii) Conducting a bibliometric and statistical analysis to reveal research trends and activity. (iv) Investigating real-world case studies of leading artificial intelligence (AI)-driven agricultural companies that use different types of multisensors and multisource data. (v) Compiling publicly available datasets to support ML model training. Going beyond existing previous reviews, this review focuses on how machine learning (ML) techniques, combined with multi-source data fusion (integrating remote sensing, IoT, and climate analytics), enhance precision agriculture by improving predictive accuracy and decision-making. Case studies and statistical insights illustrate the evolving landscape of AI driven smart farming, while future research directions also discusses challenges associated with data fusion for heterogeneous datasets. This review bridges the gap between AI research and agricultural applications, offering a roadmap for researchers, industry professionals, and policymakers to harness information fusion and ML for advancing precision agriculture.

Bản dịch tiếng Việt:

Học máy (ML) là một công nghệ phát triển nhanh chóng với việc mở rộng ứng dụng trên nhiều lĩnh vực khác nhau. Bài viết này trình bày một cuộc khảo sát toàn diện về các ứng dụng ML gần đây trong nông nghiệp để đạt được tính bền vững và hiệu quả. Các đánh giá hiện tại chủ yếu tập trung vào các tên miền phụ hẹp hoặc thiếu quan điểm tổng hợp. Nghiên cứu này cung cấp phân tích tổng hợp về các ứng dụng ML trong nông nghiệp, được cấu trúc xoay quanh năm mục tiêu chính: (i) Phân tích các kỹ thuật ML qua các giai đoạn trước thu hoạch, thu hoạch và sau thu hoạch. (ii) Chứng minh cách ML có thể được sử dụng với dữ liệu nông nghiệp và tổng hợp dữ liệu. (iii) Tiến hành phân tích thống kê và đo lường thư mục để phát hiện các xu hướng và hoạt động nghiên cứu. (iv) Điều tra các nghiên cứu điển hình trong thế giới thực về các công ty nông nghiệp sử dụng trí tuệ nhân tạo (AI) hàng đầu sử dụng các loại dữ liệu đa cảm biến và đa nguồn khác nhau. (v) Biên soạn các bộ dữ liệu có sẵn công khai để hỗ trợ đào tạo mô hình ML. Vượt xa các đánh giá hiện có trước đây, đánh giá này tập trung vào cách các kỹ thuật máy học (ML), kết hợp với phản ứng tổng hợp dữ liệu đa nguồn (tích hợp viễn thám, IoT và phân tích khí hậu), nâng cao nông nghiệp chính xác bằng cách cải thiện độ chính xác trong dự đoán và ra quyết định. Các nghiên cứu điển hình và hiểu biết thống kê minh họa bối cảnh phát triển của nông nghiệp thông minh do AI điều khiển, trong khi các hướng nghiên cứu trong tương lai cũng thảo luận về những thách thức liên quan đến việc tổng hợp dữ liệu cho các bộ dữ liệu không đồng nhất. Đánh giá này thu hẹp khoảng cách giữa nghiên cứu AI và ứng dụng nông nghiệp, đưa ra lộ trình cho các nhà nghiên cứu, chuyên gia trong ngành và nhà hoạch định chính sách khai thác phản ứng tổng hợp thông tin và ML để thúc đẩy nông nghiệp chính xác.

Document Ready

Click below to load the full PDF document natively.