Abderahman Rejeb a , Alireza Abdollahi b , Karim Rejeb c , Horst Treiblmaier d,
- a Katedra manažmentu a práva, Ekonomická fakulta, Univerzita v Ríme Tor Vergata, Via Columbia, 2, Rím 00133, Taliansko
- b Katedra podnikového hospodárstva, Fakulta managementu, Univerzita Kharazmi, 1599964511 Teherán, Irán
- c Prírodovedecká fakulta Bizerte, Univerzita v Kartágu, Zarzouna, 7021 Bizerte, Tunisko
- d School of International Management, Modul University Vienna, Am Kahlenberg 1, 1190 Viedeň, Rakúsko
INFO K ČLÁNKU | Abstrakt |
Kľúčové slová: Trúdy UAV Presné poľnohospodárstvo internet vecí Bibliometria | Drony, nazývané aj bezpilotné vzdušné prostriedky (UAV), zaznamenali v posledných desaťročiach pozoruhodný vývoj. V poľnohospodárstve zmenili poľnohospodárske postupy tým, že farmárom ponúkli značné úspory nákladov, zvýšili sa efektívnosť prevádzky a lepšia ziskovosť. V posledných desaťročiach sa téma poľnohospodárskych dronov rozrástla vzbudila pozoruhodnú akademickú pozornosť. Preto vykonávame komplexný prehľad založený na bibliometrii sumarizovať a štrukturovať existujúcu akademickú literatúru a odhaliť súčasné výskumné trendy a horúce miesta. my použiť bibliometrické techniky a analyzovať literatúru týkajúcu sa poľnohospodárskych bezpilotných lietadiel s cieľom zhrnúť a posúdiť predchádzajúci výskum. Naša analýza naznačuje, že diaľkové snímanie, presné poľnohospodárstvo, hlboké učenie, strojové učenie a internet vecí sú kritickými témami súvisiacimi s poľnohospodárskymi dronmi. Spoločná citácia analýza odhaľuje šesť širokých výskumných zoskupení v literatúre. Táto štúdia je jedným z prvých pokusov zhrnúť výskum dronov v poľnohospodárstve a navrhnúť budúce smerovanie výskumu. |
úvod
Poľnohospodárstvo predstavuje hlavný zdroj potravy na svete (Friha et al., 2021) a čelí vážnym výzvam v dôsledku
rastúci dopyt po potravinových výrobkoch, bezpečnosť potravín a obavy, ako aj požiadavky na ochranu životného prostredia, ochranu vody a
udržateľnosť (Inoue, 2020). Predpokladá sa, že tento vývoj bude pokračovať, keďže sa odhaduje, že svetová populácia dosiahne do roku 9.7 2050 miliardy
(2019). Keďže poľnohospodárstvo predstavuje celosvetovo najvýznamnejší príklad spotreby vody, očakáva sa, že dopyt po potravinách a vode
spotreba sa v dohľadnej dobe dramaticky zvýši. Ďalej narastajúca spotreba hnojív a pesticídov
v spojení s intenzifikáciou poľnohospodárskych činností by mohli viesť k budúcim environmentálnym výzvam. Podobne je obmedzená aj orná pôda a
počet farmárov na celom svete klesá. Tieto výzvy zdôrazňujú potrebu inovatívnych a trvalo udržateľných poľnohospodárskych riešení (Elijah
a kol., 2018; Friha a kol., 2021; Inoue, 2020; Tzounis a kol., 2017).
Začlenenie nových technológií bolo identifikované ako sľubné riešenie na riešenie týchto výziev. Inteligentné poľnohospodárstvo (Brewster et al.,
2017; Tang a kol., 2021) a presné poľnohospodárstvo (Feng a kol., 2019; Khanna & Kaur, 2019) sa objavili ako výsledok takýchto debát. The
prvý je všeobecný pojem pre prijímanie informačných komunikačných technológií (IKT) a iných špičkových inovácií v poľnohospodárskych činnostiach na zvýšenie efektívnosti a účinnosti (Haque et al., 2021). Ten sa zameriava na site-specific manažment, v ktorom je pôda rozdelená
homogénne časti a každá časť získa presné množstvo poľnohospodárskeho vstupu na optimalizáciu výnosu plodín pomocou nových technológií (Feng a kol., 2019; Khanna & Kaur, 2019). Medzi významné technológie, ktoré pritiahli pozornosť vedcov v tejto oblasti, patria bezdrôtové senzorové siete (WSN) (J. Zheng & Yang, 2018; Y. Zhou a kol., 2016), internet vecí (IoT) (Gill a kol., 2017; He a kol., 2021; Liu a kol., 2019),
techniky umelej inteligencie (AI) vrátane strojového učenia a hlbokého učenia (Liakos a kol., 2018; Parsaeian a kol., 2020; Shadrin a kol.,
2019), výpočtové technológie (Hsu a kol., 2020; Jinbo a kol., 2019; Zamora-Izquierdo a kol., 2019), veľké dáta (Gill a kol., 2017; Tantalaki
a kol., 2019) a blockchain (PW Khan a kol., 2020; Pincheira a kol., 2021).
Okrem vyššie uvedených technológií sa diaľkový prieskum Zeme považuje za technologický nástroj s vysokým potenciálom na zlepšenie
inteligentné a presné poľnohospodárstvo. Satelity, lietadlá s ľudskou posádkou a drony sú populárne technológie diaľkového snímania (Tsouros et al., 2019).
Drony, ľudovo známe ako bezpilotné vzdušné prostriedky (UAV), bezpilotné letecké systémy (UAS) a diaľkovo riadené lietadlá, sú
veľký význam, pretože majú viacero výhod v porovnaní s inými technológiami diaľkového snímania. Doručovať môžu napríklad drony
kvalitné snímky s vysokým rozlíšením počas zamračených dní (Manfreda et al., 2018). Ďalšími sú ich dostupnosť a prenosová rýchlosť
výhody (Radoglou-Grammatikis et al., 2020). V porovnaní s lietadlami sú drony vysoko nákladovo efektívne a ľahko sa nastavujú a udržiavajú (Tsouros et al., 2019). Napriek tomu, že sa drony spočiatku používali najmä na vojenské účely, môžu mať úžitok z mnohých civilných aplikácií, napríklad pri riadení dodávateľského reťazca (A. Rejeb, Rejeb a kol., 2021a), na humanitárne účely (A. Rejeb, Rejeb a kol., 2021c), inteligentné poľnohospodárstvo, prieskum a mapovanie, dokumentácia kultúrneho dedičstva, manažment katastrof a ochrana lesov a voľne žijúcich živočíchov (Panday, Pratihast a kol., 2020). V poľnohospodárstve existuje mnoho oblastí použitia dronov, pretože môžu byť integrované s novými technológiami, výpočtovými schopnosťami a palubnými senzormi na podporu manažmentu plodín (napr. mapovanie, monitorovanie, zavlažovanie, diagnostika rastlín) (H. Huang a kol., 2021). , znižovanie katastrof, systémy včasného varovania, ochrana voľne žijúcich živočíchov a lesov, aby sme vymenovali aspoň niektoré (Negash et al., 2019). Podobne by sa drony mohli využiť pri niekoľkých poľnohospodárskych činnostiach, vrátane monitorovania plodín a rastu, odhadu výnosov, hodnotenia vodného stresu a detekcie buriny, škodcov a chorôb (Inoue, 2020; Panday, Pratihast a kol., 2020). Drony možno použiť nielen na účely monitorovania, odhadovania a detekcie na základe ich senzorických údajov, ale aj na presné zavlažovanie a precízny manažment buriny, škodcov a chorôb. Inými slovami, drony sú schopné rozprašovať vodu a pesticídy v presných množstvách na základe environmentálnych údajov. Výhody dronov v poľnohospodárstve sú zhrnuté v tabuľke 1.
Hlavné výhody dronov v poľnohospodárstve.
Prospech | referencie |
Zlepšite časové a priestorové snímacie rozlíšenia | (Gago a kol., 2015; Niu a kol., 2020; Srivastava a spol., 2020) |
Uľahčiť presné poľnohospodárstvo | (L. Deng a kol., 2018; Kalischuk a kol., 2019; Maimaitijiang a kol., 2017) |
Klasifikácia a vyhľadávanie plodiny | (Inoue, 2020; Kalischuk a kol., 2019; Lopez-' Granados a kol., 2016; Maimaitijiang a kol., 2017; Melville a kol., 2019; Moharana & Dutta, 2016) |
Použitie hnojiva | (L. Deng a kol., 2018; Guan a kol., 2019) |
Monitorovanie sucha | (Fawcett a kol., 2020; Panday, Pratihast a kol., 2020; Su a kol., 2018) |
Odhad biomasy | (Bendig a kol., 2014) |
Odhad výnosu | (Inoue, 2020; Panday, Shrestha a kol., 2020; Tao a spol., 2020) |
Zníženie počtu katastrof | (Negash a kol., 2019) |
Ochrana voľne žijúcich živočíchov a lesníctvo | (Negash a kol., 2019; Panday, Pratihast, a kol., 2020) |
Hodnotenie vodného stresu | (Inoue, 2020; J. Su, Coombes a kol., 2018; L. Zhang a kol., 2019) |
Škodcovia, burina a choroby odhalenie | (Gasparovi´c a kol., 2020; Inoue, 2020; J. Su, Liu, a kol., 2018; X. Zhang a kol., 2019) |
Na druhej strane drony čelia aj obmedzeniam. Zapojenie pilota, výkon motora, stabilita a spoľahlivosť, kvalita snímačov vzhľadom na užitočné zaťaženie
váhové obmedzenia, náklady na implementáciu a regulácia letectva patria medzi ne (C. Zhang & Kovacs, 2012). Porovnávame nedostatky
z troch mobilných technológií diaľkového snímania v tabuľke 2. Iné technológie diaľkového snímania, ako napríklad pôdne senzory, sú mimo zamerania tejto štúdie.
Nedostatky rôznych mobilných technológií diaľkového snímania.
Diaľkové snímanie technológie | nedostatky | Referencie |
Dron (UAV) | Zapojenie pilota; snímky' kvalita (priemer); náklady na implementáciu (priemer); stabilita, manévrovateľnosť a spoľahlivosť; štandardizácia; výkon motora; obmedzený výkon zdroje (životnosť batérie); obmedzené trvanie letu, kolízia a kybernetické útoky; obmedzené hmotnosť užitočného zaťaženia; veľké súbory údajov a obmedzené spracovanie údajov schopnosti; nedostatok regulácie; nedostatok odbornosti, vysoký vstup bariéry v prístupe poľnohospodárske drony; | (Bacco a kol., 2018; Dawaliby a kol., 2020; Hardin & Hardin, 2010; Hardin & Jensen, 2011; Lagkas a kol., 2018; Laliberte a kol., 2007; Laliberte & Rango, 2011; Manfreda a kol., 2018, 2018; Nebiker a kol., 2008; Puri a kol., 2017; Velusamy a kol., 2022; C. Zhang & Kovacs, 2012) |
satelit | pravidelné satelitné pokrytie, obmedzené spektrálne rozlíšenie; náchylnosť na problémy s viditeľnosťou (napr. oblaky); Nedostupnosť a nízka prenosová rýchlosť; orientácia a vinetácia ovplyvňuje nákladné priestorové údaje zber; pomalé doručovanie dát čas pre koncových používateľov | (Aboutalebi a kol., 2019; Cen a kol., 2019; Chen a kol., 2019; Nansen & Elliott, 2016; Panday, Pratihast, a kol., 2020; Sai Vineeth a spol., 2019) |
Lietadlo | Vysoké náklady na adopciu; zložité nastavenie; náklady na údržbu; nedostupnosť spoľahlivého lietadlá, geometria snímky; nepravidelné údaje akvizícia; nedostatok flexibility; smrteľné nehody; údaje snímača zmeny spôsobené vibráciami; problémy s georeferencovaním | (Armstrong a kol., 2011; Atkinson a kol., 2018; Barbedo & Koenigkan, 2018; Kovalev a Vorošilova, 2020; Suomalainen a kol., 2013; Thamm a kol., 2013) |
Ako multidisciplinárna a viacúčelová technológia v poľnohospodárstve boli drony skúmané z rôznych perspektív. Vedci napríklad skúmali aplikácie dronov v poľnohospodárstve (Kulbacki et al., 2018; Mogili & Deepak, 2018), ich príspevok k presnému poľnohospodárstvu (Puri et al., 2017; Tsouros et al., 2019), ich komplementárnosť s inými špičkové technológie (Al-Thani et al., 2020; Dutta & Mitra, 2021; Nayyar et al., 2020; Saha et al., 2018) a možnosti zlepšenia ich navigačných a snímacích schopností (Bareth et al. , 2015; Suomalainen a kol., 2014). Keďže výskum aplikácií dronov v poľnohospodárstve sa stal rozšíreným (Khan et al., 2021)), je potrebné zhrnúť existujúcu literatúru a odhaliť intelektuálnu štruktúru domény. Okrem toho, keďže ide o oblasť špičkových technológií s neustálym zdokonaľovaním, je potrebné vykonávať štruktúrované prehľady, aby sa pravidelne sumarizovala existujúca literatúra a identifikovali sa dôležité medzery vo výskume. Komu
K dnešnému dňu existuje len málo recenzií, ktoré pojednávajú o aplikáciách dronov v poľnohospodárskom sektore. Napríklad Mogili a Deepak (2018) stručne skúmajú dôsledky drónov na monitorovanie plodín a postrek pesticídmi. Inoue (2020) vykonáva prehľad používania satelitov a dronov pri diaľkovom prieskume zeme v poľnohospodárstve. Autor skúma technologické výzvy osvojenia si inteligentného poľnohospodárstva a prínos satelitov a dronov na základe prípadových štúdií a osvedčených postupov. Tsouros a kol. (2019) sumarizujú rôzne typy dronov a ich hlavné aplikácie v poľnohospodárstve, pričom zdôrazňujú rôzne metódy získavania a spracovania údajov. Nedávno Aslan a kol. (2022) vykonali komplexný prehľad aplikácií UAV v poľnohospodárskych činnostiach a zdôraznili význam simultánnej lokalizácie a mapovania pre UAV v skleníku. Diaz-Gonzalez a kol. (2022) preskúmali nedávne štúdie produkcie plodín na základe rôznych techník strojového učenia a diaľkového ovládania
snímacie systémy. Ich zistenia ukázali, že UAV sú užitočné na odhad pôdnych indikátorov a prekonávajú satelitné systémy z hľadiska priestorového rozlíšenia, dočasnosti informácií a flexibility. Basiri a kol. (2022) vykonali vyčerpávajúci prehľad rôznych prístupov a metód na prekonanie výziev s plánovaním trasy pre viacrotorové UAV v kontexte presného poľnohospodárstva. Okrem toho Awais a kol. (2022) zhrnuli aplikáciu údajov diaľkového snímania UAV v plodinách na odhadnutie stavu vody a poskytli hĺbkovú syntézu perspektívnej kapacity diaľkového snímania UAV pre aplikáciu stresu z odpadu. Nakoniec Aquilani a kol. (2022) preskúmali technológie predbežného poľnohospodárstva používané v systémoch chovu dobytka založených na pastvinách a dospeli k záveru, že diaľkové snímanie pomocou UAV je výhodné pre hodnotenie biomasy a riadenie stáda.
Nedávno boli zaznamenané aj snahy o použitie UAV pri monitorovaní, sledovaní a zhromažďovaní hospodárskych zvierat.
Hoci tieto prehľady prinášajú nové a dôležité poznatky, v literatúre nemožno nájsť žiadny komplexný a aktuálny prehľad založený na bibliometrii, čo predstavuje jasnú vedomostnú medzeru. Okrem toho sa uvádza, že keď vedecká produkcia rastie vo vedeckej oblasti, pre výskumníkov sa stáva životne dôležitým, aby využívali prístupy kvantitatívneho preskúmania, aby pochopili štruktúru vedomostí v danej oblasti (Rivera & Pizam, 2015). Podobne Ferreira a kol. (2014) tvrdili, že ako oblasti výskumu dozrievajú a stávajú sa zložitými, vedci by sa mali snažiť príležitostne porozumieť vytvoreným a zhromaždeným znalostiam, aby odhalili nové príspevky, zachytili tradície a trendy výskumu, identifikovali témy, ktoré sa študujú, a ponorili sa do štruktúry vedomostí oblasť a potenciálne smery výskumu. Zatiaľ čo Raparelli a Bajocco (2019) vykonali bibliometrickú analýzu, aby preskúmali vedomostnú oblasť aplikácií dronov v poľnohospodárstve a lesníctve, ich štúdia berie do úvahy iba vedecký výskum publikovaný v rokoch 1995 až 2017, ktorý neodráža dynamiku tejto rýchlo sa rozvíjajúcej oblasti. Ďalej sa autori nepokúšali identifikovať najvplyvnejšie príspevky v tejto oblasti, zoskupiť literatúru a zhodnotiť intelektuálnu štruktúru pomocou analýzy spolucitovania. V dôsledku toho je potrebné zhrnúť literatúru, aby sme odhalili súčasné výskumné ohniská, trendy a horúce miesta.
Aby sme vyplnili túto medzeru vo vedomostiach, využívame kvantitatívnu metodológiu a prísne bibliometrické metódy na preskúmanie súčasného stavu výskumu na križovatke dronov a poľnohospodárstva. Tvrdíme, že súčasná štúdia prináša niekoľko príspevkov k existujúcej literatúre skúmaním vznikajúcej technológie, ktorá je veľmi potrebná v poľnohospodárstve, pretože poskytuje obrovský potenciál zmeniť niekoľko aspektov v tomto sektore. Potreba bibliometrickej analýzy poľnohospodárskych dronov sa cíti ešte viac vzhľadom na rozptýlené a roztrieštené poznatky o dronoch v kontexte poľnohospodárstva. Podobne sa vyžaduje, aby literatúra týkajúca sa poľnohospodárskych bezpilotných lietadiel bola systematicky zoskupená, berúc do úvahy najvplyvnejšie štúdie, ktoré tvoria základ tejto oblasti výskumu. Podstatou analýzy je aj objasnenie hlavných výskumných tém zastúpených v literatúre. Vzhľadom na transformačný potenciál technológie predpokladáme, že hĺbková sieťová analýza prináša nové poznatky tým, že určuje vplyvné diela a odhaľuje témy týkajúce sa potenciálu dronov pre poľnohospodárstvo.
Preto sa snažíme dosiahnuť tieto výskumné ciele:
- Identifikácia vplyvných publikácií s vynikajúcimi príspevkami k aplikáciám dronov v oblasti poľnohospodárstva.
- Zoskupovanie literatúry, identifikácia výskumných ohniskov a mapovanie hlavných štúdií „intelektuálnej štruktúry“ na základe sémantickej podobnosti pomocou analýzy spolucitovania.
- Pochopenie vývoja väzieb a citačných sietí v priebehu času medzi rôznymi publikáciami v tejto oblasti a identifikácia budúcich smerov výskumu a horúcich tém.
Zvyšok dokumentu je štruktúrovaný takto: časť 2 načrtáva metodológiu a kroky zberu údajov; časť 3 poskytuje výsledky analýz; a časť 4 rozoberá zistenia a končí výskumnými príspevkami, dôsledkami a budúcimi smermi.
metodológie
V tejto aktuálnej výskumnej štúdii vykonávame bibliometrickú analýzu s cieľom preskúmať aplikácie dronov v poľnohospodárstve. Tento kvantitatívny prístup odhaľuje intelektuálnu štruktúru znalostnej domény (Arora & Chakraborty, 2021) a súčasný stav, horúce témy a budúce smery výskumu, ktoré možno skúmať aplikáciou tejto metódy (Kapoor a kol., 2018; Mishra a kol. , 2017; A. Rejeb, Rejeb a kol., 2021b; A. Rejeb a kol., 2021d; MA Rejeb a kol., 2020). Vo všeobecnosti bibliometrická analýza skúma existujúcu literatúru, aby zhrnula a odhalila skryté vzorce písomnej komunikácie a vývoj disciplíny na základe štatistík a matematických metód a vzťahuje sa na veľké súbory údajov (Pritchard, 1969; Small, 1999; Tahai & Rigsby , 1998). Používaním bibliometrie sa snažíme lepšie pochopiť existujúce paradigmy a výskumné ohniská, ktoré prispievajú k doméne založenej na podobnosti (Thelwall, 2008). Bibliometrics poskytuje nové poznatky podporené objektívnou kvantitatívnou silou metodológie (Casillas & Acedo, 2007). Mnoho vedcov už predtým vykonalo bibliometrické štúdie v súvisiacich oblastiach vrátane poľnohospodárstva, diaľkového prieskumu Zeme a digitálnej transformácie (Armenta-Medina a kol., 2020; Bouzembrak a kol., 2019; A. Rejeb, Treiblmaier a kol., 2021; Wamba & Queiroz, 2021; Wang a kol., 2019).
Citačná analýza
Citačná analýza odhaľuje rôzne pohľady na danú oblasť výskumu. V prvom rade pomáha odhaliť najvplyvnejších autorov a publikácie, ktoré prispievajú k danej výskumnej oblasti a majú významný vplyv (Gundolf & Filser, 2013). Po druhé, je možné odhaliť tok vedomostí a komunikačné prepojenia medzi autormi. Nakoniec, sledovaním väzieb medzi citovanými a citovanými prácami je možné preskúmať zmeny a vývoj vedomostnej domény v priebehu času (Pournader
a kol., 2020). Vysoké čísla citácií publikácie odrážajú jej relevantnosť a podstatný prínos pre oblasť výskumu (Baldi, 1998; Gundolf & Filser, 2013; Marinko, 1998). Citačná analýza publikácií tiež pomáha identifikovať relevantné diela a sledovať ich popularitu a pokrok v čase.
Analýza spolucitovania dokumentu
Kocitačná analýza je cenná metóda na skúmanie vzťahov medzi publikáciami a zobrazenie intelektuálnej štruktúry oblasti (Nerur et al., 2008). Inými slovami, identifikáciou najcitovanejších publikácií a ich spojení metóda zoskupuje publikácie do odlišných výskumných zoskupení, pričom publikácie v zoskupení pravidelne zdieľajú podobné myšlienky (McCain, 1990; Small, 1973). Je dôležité spomenúť, že podobnosť neznamená, že zistenia publikácií sú
súdržné a navzájom sa zhodujú; publikácie patria do rovnakého zoskupenia kvôli podobnosti tém, ale môžu mať protichodné názory.
Zhromažďovanie a analýza údajov
Podľa metodológie navrhnutej Whiteom a Griffithom (1981) sme vykonali komplexný prieskum článkov v časopisoch, aby sme pokryli celú oblasť výskumu aplikácií dronov v poľnohospodárstve, pričom sme sledovali nasledujúcich päť krokov:
- Prvým krokom bol zber dát. Scopus bol vybraný ako jedna z najkomplexnejších a najdôveryhodnejších databáz so štandardizovanými výsledkami. Získali sa metaúdaje publikácií týkajúcich sa všetkých aplikácií dronov v poľnohospodárstve. Potom sme analyzovali vybrané články a z analýzy sme odstránili články mimo témy.
- Analyzovali sme literatúru a identifikovali sme najdôležitejšie kľúčové slová používané v oblasti výskumu.
- Pomocou citačnej analýzy sme skúmali prepojenie medzi autormi a dokumentmi, aby sme odhalili základné citačné vzorce. Identifikovali sme aj najvplyvnejších autorov a publikácie s významným prínosom v oblasti poľnohospodárskych dronov.
- Vykonali sme analýzu spoločného citovania, aby sme podobné publikácie zoskupili do zhlukov.
- Nakoniec sme analyzovali prepojenia a prepojenia medzi krajinami, inštitúciami a časopismi, aby sme zobrazili sieť spolupráce.
Identifikácia vhodných hľadaných výrazov
Na agregáciu údajov sme použili nasledujúce vyhľadávacie reťazce: (dron* ALEBO „bezpilotné lietadlo“ ALEBO uav* ALEBO „systém bezpilotného lietadlaALEBO uas ALEBO „lietadlo riadené na diaľku“.“) A (poľnohospodárstvo ALEBO poľnohospodárstvo ALEBO poľnohospodárstvo ALEBO farmár). Pátranie sa uskutočnilo v septembri 2021. Drony majú niekoľko označení, vrátane UAV, UAS a diaľkovo riadených lietadiel (Sah et al., 2021). Konkrétne hľadané výrazy súvisiace s poľnohospodárstvom boli identifikované na základe štúdie Abdollahiho et al. (2021). Kvôli prehľadnosti a prehľadnosti je presný dotaz, ktorý sme použili, uvedený v prílohe 1. Po procese čistenia údajov sme vytvorili textový súbor, ktorý sme následne načítali do BibExcel, bežného nástroja na analýzu citácií a spolucitovania. Tento nástroj tiež ponúka jednoduchú interakciu s iným softvérom a ponúka značný stupeň voľnosti pri manipulácii s údajmi a ich analýze. Na vizualizáciu zistení a generovanie bibliometrických sietí bol použitý VOSviewer verzia 1.6.16 (Eck & Waltman, 2009). VOSviewer ponúka celý rad intuitívnych vizualizácií, najmä na analýzu bibliometrických máp (Geng et al., 2020). Okrem toho pomáha pri poskytovaní jednoduchých vizuálnych výsledkov, ktoré pomáhajú lepšie pochopiť výsledky (Abdollahi et al., 2021). Použitím vyhľadávacích reťazcov, ako je uvedené vyššie, sme zhromaždili a uložili všetky relevantné publikácie. Prvé výsledky vyhľadávania priniesli celkovo 5,085 4,700 dokumentov. Aby sa zabezpečila kvalita vybranej vzorky, vo výskume sa brali do úvahy iba články z recenzovaných časopisov, čo viedlo k vylúčeniu iných typov dokumentov, ako sú knihy, kapitoly, zborníky z konferencií a redakčné poznámky. Počas procesu skríningu boli odfiltrované irelevantné (tj nad rámec tejto práce), nadbytočné (tj duplikáty pochádzajúce z dvojitého indexovania) a neanglicky hovoriace publikácie. Výsledkom tohto procesu bolo zahrnutie XNUMX XNUMX dokumentov do konečnej analýzy.
Zistenia a diskusia
Na začiatok sme analyzovali vývoj publikačnej produkcie v súčasnej literatúre o poľnohospodárskych dronoch. Časové rozloženie vedeckého výskumu je znázornené na obr. 1. Od roku 2011 (30 publikácií) vidíme rýchly nárast publikácií; preto sme sa rozhodli rozdeliť obdobie analýzy do dvoch rôznych etáp. Obdobie medzi rokmi 1990 a 2010 označujeme ako štádium budovania, v ktorom bolo ročne publikovaných zhruba sedem prác. Obdobie po roku 2010 sa nazýva fázou rastu, pretože výskum aplikácií dronov v poľnohospodárstve bol v tomto období svedkom exponenciálneho nárastu. Po roku 2010 rastúci počet publikácií potvrdzuje rastúci záujem medzi výskumníkmi, čo odráža aj to, že drony boli aplikované na diaľkový prieskum zeme a používané v presnom poľnohospodárstve (Deng et al., 2018; Maes & Steppe, 2019; Messina & Modica, 2020 ). Konkrétne počet publikácií stúpol zo 108 v roku 2013 na 498 v roku 2018 a dosiahol vrchol na 1,275 2020 v roku 935. Celkovo bolo publikovaných 2021 článkov od januára do polovice septembra XNUMX. Následne sme sa rozhodli zamerať našu analýzu viac na fázu rastu pretože toto obdobie odráža najnovšie a dôležité detaily poľnohospodárskych dronov.
Analýza kľúčových slov
Kľúčové slová, ktoré autori vyberú pre publikáciu, majú zásadný vplyv na to, ako je dokument reprezentovaný a ako sa o ňom komunikuje vo vedeckých komunitách. Identifikujú kľúčové predmety výskumu a určujú jeho potenciál prekvitať alebo zlyhať (Day & Gastel, 1998; Kim a kol., 2016; Uddin a kol., 2015). Analýza kľúčových slov, nástroj na odhaľovanie širších trendov a smerov výskumu, sa týka zostavovania kľúčových slov všetkých súvisiacich publikácií v doméne (Dixit & Jakhar, 2021). V súčasnej štúdii sme agregované kľúčové slová rozdelili do dvoch skupín (tj do roku 2010 a 2011 – 2021), aby sme preskúmali najobľúbenejšie témy. Týmto spôsobom môžeme sledovať kľúčové slová v oboch súboroch a uistiť sa, že sme zachytili všetky potrebné údaje. Pre každý súbor je desať najlepších kľúčových slov uvedených v tabuľke 3. Nezrovnalosti sme odstránili zlúčením sémanticky identických kľúčových slov, ako napríklad „dron“ a „drones“ alebo podobne, „Internet of Things“ a „IoT.“.
Tabuľka 3 ukazuje, že „bezpilotné lietadlo“ je častejšie používané kľúčové slovo v porovnaní s „dronom“ a „bezpilotným vzdušným systémom“ v oboch časových obdobiach. V oboch obdobiach sú vysoko hodnotené aj „diaľkové snímanie“, „presné poľnohospodárstvo“ a „poľnohospodárstvo“. V prvom období sa „presné poľnohospodárstvo“ umiestnilo na piatom mieste a na druhom mieste v druhom období, čo ilustruje, ako sa drony stávajú čoraz dôležitejšími pri dosahovaní presného poľnohospodárstva, pretože môžu monitorovať,
detekčné a odhadovacie postupy sú rýchlejšie, lacnejšie a jednoduchšie v porovnaní s inými systémami diaľkového prieskumu a pozemnými systémami. V prípade potreby môžu tiež rozprašovať presné množstvo vstupného materiálu (napr. vody alebo pesticídov) (Guo a kol., 2020; Inoue, 2020; Panday, Pratihast a kol., 2020).
Zoznam najčastejšie používaných kľúčových slov.
Hodnosť | 1990-2010 | Počet výskyty | 2011-2021 | Počet výskyty |
1 | bezpilotná anténa vozidlo | 28 | neobsadený letecký dopravný prostriedok | 1628 |
2 | diaľkové snímanie | 7 | presnosť poľnohospodárstva | 489 |
3 | poľnohospodárstva | 4 | diaľkové snímanie | 399 |
4 | vo vzduchu | 4 | trubec | 374 |
5 | presnosť poľnohospodárstva | 4 | neobsadený vzdušný systém | 271 |
6 | bezpilotná anténa | 4 | poľnohospodárstva | 177 |
7 | hyperspektrálny senzor | 3 | hlboké vzdelávanie | 151 |
8 | umelý nervový siete | 2 | stroj štúdium | 149 |
9 | autonómny let | 2 | vegetácie index | 142 |
10 | káva | 2 | Internet z Veci | 124 |
Ďalšou zaujímavosťou je prítomnosť doplnkových technológií. V prvej fáze patria medzi desať najlepších kľúčových slov „hyperspektrálny senzor“ a „umelé neurónové siete“ (ANN). Hyperspektrálne zobrazovanie spôsobilo revolúciu v tradičnom zobrazovaní tým, že zhromaždilo obrovské množstvo obrázkov na rôznych vlnových dĺžkach. Pritom môžu senzory súčasne zbierať lepšie priestorové a spektrálne informácie v porovnaní s multispektrálnym zobrazovaním, spektroskopiou a RGB snímkami (Adao ˜ et al.,
2017). Výskyt „ANN“ v prvej fáze a „hĺbkového učenia“ (DL) a „strojového učenia“ (ML) v druhej naznačuje, že väčšina publikovaných prác bola zameraná na skúmanie potenciálu techník AI pre drony. založené poľnohospodárstvo. Hoci sú drony schopné lietať autonómne, stále vyžadujú zapojenie pilota, čo znamená nízku úroveň inteligencie zariadenia. Tento problém je však možné vyriešiť vďaka pokroku v technikách AI, ktoré môžu poskytnúť lepšie situačné povedomie a podporu autonómneho rozhodovania. Vďaka AI sa drony môžu vyhnúť kolíziám počas navigácie, zlepšiť hospodárenie s pôdou a plodinami (Inoue, 2020) a znížiť prácu a stres pre ľudské bytosti (BK Sharma et al., 2019).
Vďaka svojej flexibilite a schopnosti spracovať obrovské množstvo nelineárnych údajov sú techniky umelej inteligencie vhodnými metódami na analýzu údajov prenášaných dronmi a inými systémami diaľkového snímania a pozemnými systémami na predpovedanie a rozhodovanie (Ali et al., 2015; Inoue, 2020). Okrem toho prítomnosť „IoT“ v druhom období naznačuje jeho vznikajúcu úlohu v poľnohospodárstve. IoT prináša revolúciu v poľnohospodárstve prepojením ďalších technológií vrátane dronov, ML, DL, WSN a veľkých dát. Jednou z kľúčových výhod implementácie internetu vecí je jej schopnosť efektívne a efektívne spájať rôzne úlohy (získavanie údajov, analýza a spracovanie údajov, rozhodovanie a implementácia) takmer v reálnom čase (Elijah a kol., 2018; Feng a kol. , 2019; Muangprathub a kol., 2019). Okrem toho sa drony považujú za účinné nástroje na zachytávanie údajov potrebných na výpočet vitality a vlastností vegetácie (Candiago et al., 2015). Obr. 2a a 2b ilustrujú siete spoločného výskytu kľúčových slov pre obe časové obdobia.
Vplyvní autori
V tejto časti určujeme vplyvných autorov a skúmame, ako môžu siete citácií autorov vizualizovať a organizovať súčasnú literatúru. Obr. 3 zobrazuje chronologické prekrytie všetkých výskumníkov s najvyšším počtom citácií. Farebná škála odráža medziročné kolísanie citácií autorov. Skúmame citačnú štruktúru výskumníkov, ktorí publikovali štúdie o poľnohospodárskych dronoch, pomocou prahu minimálne 50 citácií a desiatich publikácií. mimo
12,891 115 autorov, len 4 túto podmienku splnilo. Tabuľka 1,963 uvádza desať najvplyvnejších autorov zoradených podľa maximálneho počtu citácií. Lopez-Granados F. vedie zoznam s 1,909 XNUMX citáciami, za ním nasleduje Zarco-Tejada PJ s XNUMX XNUMX citáciami.
Zoznam najcitovanejších autorov.
Rebríček | autor | Citácie |
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 | Berni JA | 1,132 |
10 | de Castro AI | 1,036 |
Pokiaľ ide o jednotlivé publikácie, článok Zhanga a Kovacsa (2012) bol najcitovanejšou štúdiou publikovanou v časopise Precision Agriculture. V tomto dokumente autori zhodnotili aplikáciu UAS v presnom poľnohospodárstve. Zistenia ich výskumu naznačujú, že je potrebné pokročiť v dizajne platforiem, výrobe, štandardizácii georeferencovania obrázkov a pracovných tokov získavania informácií, aby sa farmárom poskytli spoľahlivé konečné produkty. Okrem toho odporúčajú výraznejšie zapojiť farmára, najmä do plánovania poľa, snímania snímok, ako aj interpretácie a analýzy údajov. Dôležité je, že táto štúdia bola medzi prvými, ktorá ukázala dôležitosť UAV v terénnom mapovaní, mapovaní vitality, meraní chemického obsahu, monitorovaní vegetačného stresu a hodnotení účinkov hnojív na rast rastlín. Výzvy súvisiace s technológiou tiež zahŕňajú neúmerné náklady, schopnosť senzorov, stabilitu a spoľahlivosť platformy, nedostatok štandardizácie a konzistentný postup na analýzu obrovského množstva údajov.
Citačná analýza
Citačná analýza predstavuje štúdium vplyvu článkov, aj keď náchylných na toky (napr. citačná zaujatosť, autocitácia), je považovaná za jeden zo štandardných nástrojov hodnotenia dopadu (Osareh, 1996; A. Rejeb et al., 2022; Sarli a kol., 2010). Citácie tiež odzrkadľujú dôležitosť a vitalitu príspevkov príspevkov do literatúry na konkrétnu tému (R. Sharma et al., 2022). Vykonali sme citačnú analýzu, aby sme určili najvplyvnejšie štúdie o poľnohospodárskych dronoch a zhrnuli obsah. Tabuľka 5 uvádza zoznam pätnástich najvplyvnejších článkov za obdobie 1990–2010 a 2011–2021. Články od Berniho a kol. (2009)b a Austin (2010) boli najcitovanejšie v rokoch 1990 a 2010 s 831 a 498 citáciami. Berni a kol. (2009)b ilustrovali potenciál vývoja produktov kvantitatívneho diaľkového snímania prostredníctvom UAV na báze helikoptér vybaveného cenovo dostupnými tepelnými a úzkopásmovými multispektrálnymi zobrazovacími senzormi. V porovnaní s tradičnými vzduchovými senzormi s ľudskou posádkou je nízkonákladový systém UAV pre poľnohospodárstvo schopný dosiahnuť porovnateľné odhady biofyzikálnych parametrov plodín, ak nie lepšie. Dostupné náklady a prevádzková flexibilita, spolu s vysokým spektrálnym, priestorovým a časovým rozlíšením dostupným v rýchlom čase, robí UAV vhodnými pre celý rad aplikácií, ktoré vyžadujú časovo kritické riadenie, vrátane plánovania zavlažovania a presného poľnohospodárstva. Práca od Berniho a kol. (2009)b je vysoko citovaný, pretože efektívne integroval bezpilotnú platformu s rotačným krídlom a digitálne a tepelné senzory s potrebnými kalibračnými mechanizmami pre poľnohospodárske aplikácie. Druhou najcitovanejšou publikáciou je kniha, ktorej autorom je Austin (2010), ktorý diskutoval o UAV z hľadiska dizajnu, vývoja a nasadenia. V poľnohospodárstve UAV podporujú monitorovanie plodín včasným zisťovaním chorôb prostredníctvom zmien farby plodín, uľahčovaním siatia plodín a postrekov a monitorovaním a riadením stád.
Štúdie Sullivana a kol. (2007), Lumme a kol. (2008) a Gokto ¨ ǧan et al. (2010) uzatvára zoznam pätnástich najcitovanejších článkov. Tieto články ilustrujú vývoj systémov založených na UAV na podporu poľnohospodárstva. Ponúkajú riešenia rôznych problémov, ako je monitorovanie a skenovanie plodín, dohľad nad burinou a manažment a podpora rozhodovania. Tiež navrhujú a diskutujú o schopnosti UAV zvýšiť efektívnosť odberu vzoriek a pomáhajú farmárom navrhovať presné a efektívne
stratégie výsadby. Berni (Berni et al., 2009b; Berni et al., 2009a) napísal dva články, ktoré podčiarkujú jeho významný vplyv na výskum súvisiaci s poľnohospodárskymi dronmi. Práca od Zarco-Tejada et al. (2014) patrí medzi priekopnícke štúdie na ilustráciu potreby používať nízkonákladové snímky UAV pri kvantifikácii výšky stromu.
Zoznam najcitovanejších publikácií.
Hodnosť | Od 1990 na 2010 | Od 2011 na 2021 | ||
Dokument | citácie | Dokument | citácie | |
1 | (Berni a kol., 2009b) | 831 | (C. Zhang & Kovacs, 2012) | 967 |
2 | (Austin, 2010) | 498 | (Nex & Remondino, 2014) | 893 |
3 | (Hunt a kol., 2010) | 331 | (Floreano a drevo, 2015) | 552 |
4 | (SR Herwitz a kol., 2004) | 285 | (Hossein Motlagh a kol., 2016) | 391 |
5 | (CCD Lelong a kol., 2008) | 272 | (Shakhatreh a kol., 2019) | 383 |
6 | (Berni a kol., 2009b) | 250 | (Ma a kol., 2017) | 373 |
7 | (Grenzdorffer ¨ a kol., 2008) | 198 | (Bendig a kol., 2014) | 360 |
8 | (Hrabar a kol., 2005) | 175 | (Zarco-Tejada a kol., 2014) | 347 |
9 | (Y. Huang a kol., 2009) | 129 | (Ad˜ ao a kol., 2017) | 335 |
10 | (Schmale III a kol., 2008) | 119 | (Honkavaara a kol., 2013) | 331 |
11 | (Abd-Elrahman a kol., 2005) | 79 | (Candiago a kol., 2015) | 327 |
12 | (Techy a kol., 2010) | 69 | (Xiang & Tian, 2011) | 307 |
13 | (Sullivan a kol., 2007) | 51 | (Matese a kol., 2015) | 303 |
14 | (Lumme a kol., 2008) | 42 | (Gago a kol., 2015) | 275 |
15 | (Gokto ¨ ǧan et al., 2010) | 40 | (Aasen a kol., 2015a) | 269 |
V druhom období (2011 – 2021) vyplynuli z výskumu Zhanga a Kovacsa (2012) a Nexa a Remondina (2014) k najčastejšie citovaným publikáciám. Zhang a Kovacs (2012) tvrdia, že presné poľnohospodárstvo by mohlo ťažiť z implementácie geopriestorových techník a senzorov, ako sú geografické informačné systémy, GPS a diaľkové snímanie, na zachytenie variácií v teréne a ich zvládnutie využitím alternatívnych stratégií. Zavedenie dronov, ktoré zmenilo hru v presnom poľnohospodárstve, ohlásilo nový vek v diaľkovom snímaní, zjednodušuje letecké pozorovanie, zachytáva údaje o raste plodín, pôdnych podmienkach a postrekovacích plochách. Prehľad Zhang a Kovacs (2012) je kľúčový, pretože ponúka pohľad na UAV odhalením existujúceho použitia a problémov týchto zariadení v monitorovaní životného prostredia a presnom poľnohospodárstve, ako sú obmedzenia platformy a kamier, problémy so spracovaním údajov, zapojenie farmárov a letecké predpisy. . Druhy
najcitovanejšia štúdia od Nex a Remondino (2014) zhodnotila stav techniky UAV na zachytávanie, spracovanie a analýzu snímok Zeme.
Ich práca tiež predstavila prehľad niekoľkých platforiem UAV, aplikácií a prípadov použitia, pričom predstavili najnovšie pokroky v spracovaní obrazu UAV. V poľnohospodárstve by poľnohospodári mohli používať UAV na efektívne rozhodovanie s cieľom dosiahnuť úsporu nákladov a času, získať rýchly a presný záznam škôd a predvídať možné problémy. Na rozdiel od konvenčných leteckých platforiem môžu UAV znížiť prevádzkové náklady a znížiť nebezpečenstvo prístupu na drsných miestach, pričom si stále zachovávajú vysoký potenciál presnosti. Ich práca sumarizuje rôzne výhody UAV, najmä pokiaľ ide o presnosť a rozlíšenie.
Spomedzi zvyšných trinástich najcitovanejších publikácií medzi rokmi 2011 a 2021 sme zaznamenali väčšiu koncentráciu na výskum spojený s aplikáciami dronov v zobrazovacích misiách (Bendig a kol., 2014; Ma a kol., 2017; Zarco-Tejada a kol., 2014) , presné poľnohospodárstvo (Candiago et al., 2015; Honkavaara et al., 2013a), presné vinohradníctvo (Matese et al., 2015), hodnotenie vodného stresu (Gago et al., 2015) a monitoring vegetácie (Aasen et al. , 2015a). V prvých rokoch sa výskumníci zamerali
viac o vývoji nízkonákladových, ľahkých a presných systémov založených na UAV pre poľnohospodárstvo; novší výskum sa viac zameral na prehľady aplikácií UAV pre poľnohospodárstvo a terénny prieskum. Stručne povedané, táto analýza odhaľuje, že vplyvné publikácie väčšinou poskytli prehľady predchádzajúcich štúdií na vyhodnotenie súčasného vedeckého a technologického stavu UAV a vyvinuté systémy UAV na podporu presného poľnohospodárstva. Zaujímavé je, že sme nenašli štúdie, ktoré by využívali empirické údaje
metodológií alebo deskriptívnych prípadových štúdií, čo predstavuje značnú vedomostnú medzeru a vyžaduje si ďalší výskum na túto tému.
Analýza spolucitovania
Podľa Gmüra (2006) analýza spolucitovania identifikuje podobné publikácie a zoskupuje ich. Starostlivé preskúmanie klastra môže odhaliť spoločnú oblasť výskumu medzi publikáciami. Skúmame spoločné citovanie literatúry týkajúcej sa poľnohospodárskych dronov, aby sme ilustrovali súvisiace tematické oblasti a odhalili intelektuálne vzorce publikácií. V tejto súvislosti Small (1973) odporučil použitie kocitačnej analýzy na štúdium najvplyvnejšieho a kľúčového výskumu
v rámci disciplíny. Aby sme obmedzili súbor na najdôležitejšie články (Goyal & Kumar, 2021), stanovili sme prah spolucitovania 25, čo znamená, že dva články musia byť citované spolu v referenčných zoznamoch 25 alebo viacerých rôznych publikácií. Klastrovanie sa uskutočňovalo aj s minimálnou veľkosťou zhlukov 1 a bez akejkoľvek metódy na zlúčenie menších zhlukov s väčšími. V dôsledku toho bolo vytvorených šesť zhlukov na základe podobnosti štúdií a ich intelektuálnej štruktúry. Tabuľka 6 ukazuje rozdelenie publikácií v každom klastri.
Zhluk 1: Tento klaster obsahuje osemnásť dokumentov publikovaných po roku Publikácie v tomto klastri pojednávajú o úlohe dronov pri podpore monitorovania životného prostredia, manažmente plodín a manažmente buriny. Napríklad Manfreda a kol. (2018) poskytujú prehľad o súčasnom výskume a implementáciách UAV pri monitorovaní prírodných poľnohospodárskych ekosystémov a tvrdia, že technológia ponúka obrovský potenciál na drastické zlepšenie monitorovania životného prostredia a zníženie
existujúca priepasť medzi pozorovaním v teréne a konvenčným diaľkovým prieskumom vo vzduchu a vo vesmíre. Dá sa to dosiahnuť ponukou novej kapacity na lepšie dočasné vyhľadávanie a priestorové nahliadnutie do veľkých oblastí cenovo dostupným spôsobom. Bezpilotné prostriedky dokážu neustále snímať prostredie a odosielať výsledné údaje inteligentným, centralizovaným/decentralizovaným entitám, ktoré riadia senzory, aby identifikovali prípadné problémy, ako je nedostatok chorôb alebo detekcia vody (Padua' et al., 2017). Adao ˜ a kol. (2017) predpokladajú, že UAV sú ideálne na hodnotenie podmienok rastlín tým, že zachytia obrovské množstvo nespracovaných údajov týkajúcich sa stavu vody, odhadu biomasy a hodnotenia sily. Senzory namontované na UAV by sa tiež mohli okamžite nasadiť v správnych podmienkach prostredia, aby sa umožnilo včasné zachytenie údajov z diaľkového snímania (Von Bueren et al., 2015). Pomocou UAV sú farmári schopní vykonávať vnútorné poľnohospodárske aktivity získavaním meraní prakticky z akéhokoľvek miesta v trojrozmernom priestore vnútorného poľnohospodárskeho prostredia (napr. skleníky), čím sa zabezpečuje lokálna kontrola klímy a monitorovanie rastlín (Roldan ´ et al. ., 2015). V kontexte presnosti
v poľnohospodárstve si rozhodnutia o manažmente plodín vyžadujú presné a spoľahlivé údaje o plodinách s primeraným časovým a priestorovým rozlíšením (Gebbers & Adamchuk, 2010; Gevaert a kol., 2015; Maes & Steppe, 2019). Z tohto dôvodu Agüera Vega a kol. (2015) použili multispektrálny senzorový systém namontovaný na UAV na získanie snímok slnečnice počas vegetačného obdobia. Podobne Huang a kol. (2009) poznamenávajú, že diaľkové snímanie založené na UAV by mohlo uľahčiť meranie plodín a pôdy zo zozbieraných spektrálnych údajov. Verger a kol. (2014) vyvinuli a testovali techniku na odhad indexu zelenej plochy (GAI) z meraní odrazivosti UAV v aplikáciách presného poľnohospodárstva so zameraním na plodiny pšenice a repky. Drony preto poskytujú nové možnosti na získavanie informácií o stave plodín s častými opakovanými návštevami a vysokým priestorovým rozlíšením (Dong et al., 2019; Garzonio et al., 2017; H. Zheng et al., 2016).
Zoskupenie vplyvných publikácií o poľnohospodárskych dronoch.
Zhluk | Široká téma | Referencie |
1 | Monitorovanie životného prostredia, úroda manažment, manažment buriny | (Ad˜ ao a kol., 2017; Agüera Vega a kol., 2015; de Castro a kol., 2018; Gomez-Cand „on“ a kol., 2014; YB Huang a kol., 2013; Khanal a spol., 2017; Lopez-Granados, ´ 2011; Manfreda a kol., 2018; P' adua a spol., 2017; Pena ˜ et al., 2013; P'erez-Ortiz a kol., 2015; Rasmussen a kol., 2013, 2016; Torres-S' anchez a kol., 2014; Torres-Sanchez, ´Lopez-Granados´ a Pena, ~ 2015; Verger a kol., 2014; Von Bueren a kol., 2015; C. Zhang & Kováč, 2012) |
2 | Vzdialená fenotypizácia, výťažok odhad, model povrchu plodiny, počítanie rastlín | (Bendig a kol., 2013, 2014; Geipel a kol., 2014; Gnadinger ¨ & Schmidhalter, 2017; Haghighattalab a kol., 2016; Holman a kol., 2016; Jin a kol., 2017; W. Li a kol., 2016; Maimaitijiang a kol., 2017; Sankaran a kol., 2015; Schirrmann a kol., 2016; Shi a kol., 2016; Yue a kol., 2017; X. Zhou a kol., 2017) |
3 | Termálne zobrazovanie vody, multispektrálne zobrazovanie | (Baluja a kol., 2012; Berni a kol., 2009b; Berni a kol., 2009a; Candiago a kol., 2015; Gago a kol., 2015; Gonzalez-Dugo a kol., 2013, 2014; Grenzdorffer ¨ a kol., 2008; Khaliq a kol., 2019; Matese a kol., 2015; Ribeiro-Gomes a kol., 2017; Santesteban a kol., 2017; Uto a spol., 2013) |
4 | Hypersektrálne zobrazovanie, spektrálne zobrazovacie | (Aasen a kol., 2015a; Bareth a kol., 2015; Hakala a kol., 2013; Honkavaara a kol., 2013a; Lucieer a kol., 2014; Saari a kol., 2011; Suomalainen a kol., 2014) |
5 | Aplikácie 3D mapovania | (Jim´enez-Brenes a kol., 2017; Nex & Remondino, 2014; Salamí a spol., 2014; Torres-S' anchez, Lopez-' Granados, Serrano a kol., 2015; Zahawi a kol., 2015; Zarco-Tejada a spol., 2014) |
6 | Poľnohospodársky dozor | (SR Herwitz a kol., 2004; Hunt a kol., 2010; CCD Lelong a kol., 2008; Primicerio a kol., 2012; Xiang & Tian, 2011) |
Okrem toho sú drony užitočné pri náročných úlohách v poľnohospodárstve, vrátane mapovania buriny. Snímky zachytené zariadeniami preukázali svoju užitočnosť na včasnú detekciu buriny na poliach (de Castro et al., 2018; Jim´enez-Brenes et al., 2017; Lam et al., 2021; Lopez-Granados ´ et al., 2016; Rozenberg a kol., 2021). V tejto súvislosti de Castro a kol. (2018) predpokladajú, že zlúčenie snímok UAV a objektovo orientovanej analýzy obrazu (OBIA) umožnilo odborníkom prekonať problém automatizácie včasnej detekcie v skorých sezónach trávnych plodín, čo je veľký krok vpred vo výskume burín. Podobne Pena ˜ et al. (2013) poukazujú na to, že použitie snímok s ultravysokým priestorovým rozlíšením z UAV v spojení s postupom OBIA umožňuje vytvárať mapy burín v skorých plodinách kukurice, ktoré by sa dali použiť pri plánovaní implementácie opatrení na kontrolu buriny počas sezóny, úloha presahujúca možnosti satelitných a tradičných leteckých snímok. V porovnaní s algoritmami klasifikácie obrázkov alebo detekcie objektov sú techniky sémantickej segmentácie efektívnejšie pri úlohách mapovania buriny (J. Deng et al., 2020), čo umožňuje farmárom odhaliť poľné podmienky, zmierniť straty a zlepšiť výnosy počas vegetačného obdobia (Ramesh a kol., 2020). Sémantická segmentácia založená na hĺbkovom učení môže tiež poskytnúť presné meranie vegetačného krytu z leteckých snímok s vysokým rozlíšením (Ramesh a kol., 2020; A. Zheng a kol., 2022). Napriek ich potenciálu na diaľku
klasifikácia snímacích pixelov, techniky sémantickej segmentácie vyžadujú značné výpočty a neúmerne vysokú pamäť GPU (J. Deng et al., 2020).
Na základe strojového učenia a UAV P´erez-Ortiz et al. (2015) navrhli prístup k mapovaniu buriny s cieľom poskytnúť miestne špecifické stratégie kontroly buriny, keď poľnohospodári prijmú včasnú postemergentnú kontrolu buriny. Nakoniec Rasmussen a kol. (2013) zdôraznili, že drony poskytujú lacné snímanie s veľkou flexibilitou priestorového rozlíšenia. Celkovo sa publikácie v tomto zoskupení zameriavajú na skúmanie potenciálu UAV na podporu diaľkového snímania, monitorovania plodín a mapovania buriny. Je potrebný ďalší hĺbkový výskum na ďalšie skúmanie toho, ako môžu aplikácie dronov pri monitorovaní životného prostredia, manažmente plodín a mapovaní buriny dosiahnuť udržateľnejšie poľnohospodárstvo (Chamuah & Singh, 2019; Islam a kol., 2021; Popescu a kol., 2020; J Su, Liu a kol., 2018) a zaoberajú sa otázkami riadenia tejto technológie v aplikáciách poistenia plodín (Basnet & Bang, 2018; Chamuah & Singh, 2019, 2022; Meinen & Robinson, 2021). Výskumníci by sa mali sústrediť na validáciu meraní zozbieraných UAV s účinnými technikami spracovania, aby sa zvýšila konečná kvalita spracovaných údajov (Manfreda et al., 2018). Okrem toho je potrebný vývoj vhodných algoritmov, ktoré rozpoznávajú pixely, ktoré zobrazujú burinu v digitálnych obrázkoch a eliminujú irelevantné pozadie počas mapovania buriny UAV (Gasparovi´c a kol., 2020; Hamylton a kol., 2020; H. Huang a kol. , 2018, 2020; Lopez-' Granados a kol., 2016). Dodatočný výskum o prijatí techník sémantickej segmentácie pri rozpoznávaní rastlín, klasifikácii listov a mapovaní chorôb je vítaný (Fuentes-Pacheco a kol., 2019; Kerkech a kol., 2020).
Klaster 2. Publikácie v tomto zoskupení sa zamerali na niekoľko aspektov poľnohospodárskych dronov. V súvislosti so vzdialeným fenotypovaním Sankaran et al. (2015) zhodnotili potenciál použitia leteckého zobrazovania v nízkej nadmorskej výške s vysokým rozlíšením s UAV na rýchle fenotypovanie plodín na poli a tvrdia, že v porovnaní s pozemnými snímacími platformami ponúkajú malé UAV s adekvátnymi senzormi niekoľko výhod. jednoduchší prístup do terénu, údaje s vysokým rozlíšením, efektívny zber údajov,
rýchle hodnotenie podmienok rastu na poli a nízke prevádzkové náklady. Autori však tiež poznamenávajú, že efektívna aplikácia UAV na fenotypizáciu poľa sa opiera o dva základné prvky, a to vlastnosti UAV (napr. bezpečnosť, stabilita, polohovanie, autonómia) a charakteristiky senzora (napr. rozlíšenie, hmotnosť, spektrálne vlnové dĺžky, pole z pohľadu). Haghighattalab a kol. (2016) navrhli poloautomatický kanál na spracovanie obrazu na získanie údajov na úrovni grafu zo snímok UAV a urýchlenie procesu šľachtenia. Holman a kol. (2016) vyvinuli vysokú
priepustný systém fenotypovania poľa a zdôraznil, že UAV je schopný zbierať kvalitné, objemné fenotypové údaje založené na poli a že zariadenie je účinné pre veľké oblasti a na rôznych miestach poľa.
Keďže odhad výnosu je neuveriteľne dôležitá informácia, najmä ak je k dispozícii včas, existuje potenciál pre UAV poskytovať všetky merania v teréne a efektívne získavať vysokokvalitné údaje (Daakir a kol., 2017; Demir a kol., 2018 Enciso a kol., 2019; Kulbacki a kol., 2018; Pudelko a kol., 2012). V tomto ohľade Jin a kol. (2017) využili snímky s vysokým rozlíšením získané UAV vo veľmi nízkych nadmorských výškach na vývoj a posúdenie metódy na odhad hustoty rastlín pšenice v štádiu vzchádzania. Podľa autorov UAV prekonávajú obmedzenia roverových systémov vybavených kamerami a predstavujú neinvazívnu metódu na odhad hustoty rastlín v plodinách, čo umožňuje farmárom dosiahnuť vysokú priepustnosť potrebnú na fenotypizáciu poľa nezávisle od splavnosti pôdy. Li a spol. (2016) zhromaždili stovky stereosnímok s extrémne vysokým rozlíšením pomocou systému založeného na UAV na odhadnutie parametrov kukurice, vrátane výšky koruny a nadzemnej biomasy. Nakoniec Yue a kol. (2017) zistili, že výška plodín určená z UAV by mohla zlepšiť odhad nadzemnej biomasy (AGB).
Prístupom k monitorovaniu rastu plodín je myšlienka vývoja modelov povrchu plodín (Bendig a kol., 2014, 2015; Holman a kol., 2016; Panday, Shrestha, a kol., 2020; Sumesh a kol., 2021). Niekoľko štúdií zdôraznilo uskutočniteľnosť snímok zhotovených z UAV na zachytenie výšky rastlín a sledovanie ich rastu. Napríklad Bendig a kol. (2013) opísali vývoj multitemporálnych modelov povrchu plodín s veľmi vysokým rozlíšením menej ako 0.05 m pomocou UAV. Ich cieľom bolo zistiť úrodu
variabilita rastu a jej závislosť od ošetrovania plodín, kultivaru a stresu. Bendig a kol. (2014) použili UAV na odhad čerstvej a suchej biomasy na základe výšky rastlín extrahovanej z modelov povrchu plodín a zistili, že na rozdiel od leteckých platforiem a pozemného laserového skenovania môžu obrázky s vysokým rozlíšením z UAV výrazne zvýšiť presnosť modelovania výšky rastlín pre rôzny rast. etapy. V rovnakom duchu Geipel a kol. (2014) vo svojom výskume použili UAV na získanie snímok
množiny údajov pre predikciu úrody kukuričného zrna v troch rôznych fázach rastu od začiatku do polovice sezóny a dospeli k záveru, že kombinácia spektrálneho a priestorového modelovania na základe leteckých snímok a modelov povrchu plodín je vhodnou metódou na predpovedanie úrody kukurice v polovici sezóny. Nakoniec Gnadinger ¨ a Schmidhalter (2017) skúmali užitočnosť UAV pri presnom fenotypovaní a zdôraznili, že použitie tejto technológie by mohlo zlepšiť riadenie farmy a umožniť terénne experimenty na šľachtiteľské a agronomické účely. Celkovo pozorujeme, že publikácie v skupine 2 sa zameriavajú na hlavné výhody UAV na diaľku
fenotypovanie, odhad výnosov, modelovanie povrchu plodín a počítanie rastlín. Budúce štúdie môžu ísť hlbšie do vývoja nových metód pre vzdialené fenotypovanie, ktoré dokážu automatizovať a optimalizovať spracovanie údajov z diaľkového snímania (Barabaschi a kol., 2016; Liebisch a kol., 2015; Mochida a kol., 2015; S. Zhou a kol. ., 2021). Okrem toho je potrebné preskúmať výkon senzorov internetu vecí namontovaných na UAV a kompromis medzi ich nákladmi, prácou a presnosťou odhadu výnosu.
budúcnosť (Ju & Son, 2018a, 2018b; Xie & Yang, 2020; Yue a kol., 2018). V konečnom dôsledku je potrebné vyvinúť efektívne metódy spracovania obrazu, ktoré dokážu generovať spoľahlivé informácie, maximalizovať efektivitu poľnohospodárskej výroby a minimalizovať ručné počítanie poľnohospodárov (RU Khan a kol., 2021; Koh a kol., 2021; Lin & Guo, 2020; C. Zhang a kol., 2020).
Zhluk 3. Publikácie v tomto zhluku pojednávajú o rôznych typoch zobrazovacích systémov na diaľkové snímanie poľnohospodárskych zdrojov používaných na platformách UAV. V tomto ohľade tepelné zobrazovanie umožňuje monitorovanie povrchových teplôt, aby sa zabránilo poškodeniu plodín a včasnej detekcii stresu zo sucha (Awais et al., 2022; García-Tejero et al., 2018; Sankaran et al., 2015; Santesteban et al., 2017; Yeom, 2021). Baluja a kol. (2012) tvrdili, že používanie multispektrálnych a termálnych kamier na palube
UAV umožnilo výskumníkom získať obrázky s vysokým rozlíšením a posúdiť stav vody viniča. To by mohlo byť užitočné pri vývoji nových modelov plánovania vody pomocou údajov z diaľkového snímania (Baluja et al., 2012). Kvôli
obmedzená nosnosť UAV, Ribeiro-Gomes et al. (2017) zvážili integráciu nechladených termokamier do UAVS na určenie vodného stresu v závodoch, vďaka čomu je tento typ UAV efektívnejší a životaschopnejší ako tradičné satelitné diaľkové snímanie a UAV vybavené chladenými termokamerami. Nechladené termokamery sú podľa autorov ľahšie ako chladené, vyžadujú si vhodnú kalibráciu. Gonzalez-Dugo a kol. (2014) ukázali, že termálne snímky efektívne generujú priestorové mapy indexov vodného stresu plodín na hodnotenie stavu vody a kvantifikáciu vodného stresu medzi citrusovými sadmi a v rámci nich. Gonzalez-Dugo a kol. (2013) a Santesteban a kol. (2017) skúmali využitie UAV termokamery s vysokým rozlíšením na odhad variability vodného stavu komerčného sadu a vinohradu.
Multispektrálne zobrazovanie by mohlo poskytnúť obrovské údaje v porovnaní s tradičnými RGB (červená, zelená a modrá) snímkami (Ad˜ ao et al., 2017; Navia et al., 2016). Tieto spektrálne údaje spolu s priestorovými údajmi môžu pomôcť pri klasifikácii, mapovaní, predpovedaní, predikcii a detekcii (Berni et al., 2009b). Podľa Candiago et al. (2015), multispektrálne zobrazovanie založené na UAV by mohlo masívne prispieť k hodnoteniu plodín a presnému poľnohospodárstvu ako spoľahlivému a efektívnemu zdroju. tiež
Khaliq a spol. (2019) porovnali satelitné a multispektrálne zobrazovanie založené na UAV. Snímky založené na UAV viedli k tomu, že boli presnejšie pri popisovaní variability vinohradov, ako aj máp sily na znázornenie vrchlíkov plodín. Stručne povedané, články v tomto zoskupení diskutujú o začlenení tepelných a multispektrálnych zobrazovacích senzorov do poľnohospodárskych UAV. Preto je potrebný ďalší výskum, aby sme pochopili, ako možno tepelné a multispektrálne zobrazovanie integrovať s AI
techniky (napr. hlboké učenie) na detekciu stresu rastlín (Ampatzidis a kol., 2020; Ampatzidis & Partel, 2019; Jung a kol., 2021; Santesteban a kol., 2017; Syeda a kol., 2021). Takéto poznatky pomôžu zabezpečiť efektívnejšiu a presnejšiu detekciu, ako aj monitorovanie rastu rastlín, stresu a fenológie (Buters a kol., 2019; Cao a kol., 2020; Neupane & BaysalGurel, 2021; L. Zhou a kol., 2020).
Skupina 4. Táto skupina pozostáva zo siedmich článkov, ktoré sa točia okolo kľúčovej úlohy spektrálneho zobrazovania a hyperspektrálneho zobrazovania pri podpore poľnohospodárskych postupov. Hyperspektrálne zobrazovanie sa etablovalo ako metóda diaľkového prieskumu, ktorá umožňuje kvantitatívne hodnotenie zemského systému (Schaepman et al., 2009). Presnejšie povedané, umožňuje identifikáciu povrchových materiálov, kvantifikáciu (relatívnych) koncentrácií a priradenie proporcií povrchových komponentov
v rámci zmiešaných pixelov (Kirsch a kol., 2018; Zhao a kol., 2022). Inými slovami, vyššie spektrálne rozlíšenie poskytované hyperspektrálnymi systémami umožňuje presnejšie odhady rôznych parametrov, ako sú vegetariánske vlastnosti alebo obsah vody v listoch (Suomalainen et al., 2014). Výskumníci v tomto klastri skúmali rôzne aspekty takýchto systémov. Okrem iných Aasen a kol. (2015b) ponúkli jedinečný prístup na odvodenie trojrozmerných hyperspektrálnych informácií z ľahkých
snímkové kamery používané na UAV na monitorovanie vegetácie. Lucieer a kol. (2014) diskutovali o dizajne, vývoji a vzdušných operáciách nového hyperspektrálneho UAS, ako aj o kalibrácii, analýze a interpretácii obrazových údajov získaných pomocou neho. Nakoniec Honkavaara a spol. (2013b) vyvinuli komplexný prístup k spracovaniu pre spektrálne snímky založené na interferometri FabryPerot a ukázali jeho použitie v postupe odhadu biomasy pre presné poľnohospodárstvo. Potenciálne budúce cesty pre tento súčasný klaster zahŕňajú zdôraznenie potreby technických vylepšení v senzorových technológiách (Aasen a kol., 2015b), ako aj potrebu začlenenia a zlepšenia doplnkových technológií, konkrétne veľkých dát a analýzy (Ang & Seng, 2021; Radoglou -Grammatikis a kol., 2020; Shakoor a kol., 2019). Ten vyplýva najmä z neustále rastúcich údajov generovaných rôznymi senzormi implementovanými v inteligentnom poľnohospodárstve (C. Li & Niu, 2020; A. Rejeb et al., 2022; Y. Su & Wang, 2021).
Klaster 5. Publikácie v tomto zoskupení skúmali aplikácie 3Dmappingu založené na dronoch. Použitie dronov na 3D mapovanie by mohlo uľahčiť zložitú prácu v teréne a podstatne zvýšiť efektivitu (Torres-Sanchez ´ et al., 2015). Päť článkov v klastri sa zameriavalo hlavne na aplikácie monitorovania rastlín. Napríklad na získanie trojrozmerných údajov o ploche koruny, výške stromu a objeme koruny Torres-Sanchez a kol. (2015) použili technológiu UAV na generovanie digitálnych modelov povrchu a následne prístupy objektovej analýzy obrazu (OBIA). Ďalej Zarco-Tejada a kol. (2014) kvantifikovali výšku stromu integráciou technológie UAV a metód trojrozmernej fotorekonštrukcie. Jim´enez-Brenes Lopez-Granados, ´De Castro a kol. (2017) demonštroval nový proces pre multitemporálne, 3D monitorovanie desiatok olivovníkov integráciou technológie UAV s pokročilou metodikou OBIA. Medzi zaujímavé cesty pre budúcu prácu v tomto klastri patrí buď zlepšenie prúdu
metodológie (Zarco-Tejada a kol., 2014) na účely digitálneho modelovania povrchu (Ajayi a kol., 2017; Jaud a kol., 2016), ako je OBIA (de Castro a kol., 2018, 2020; Ventura a kol. , 2018) a rekonštrukciu fotografií alebo vývoj nových metód (Díaz-Varela et al., 2015; Torres-S' anchez et al., 2015).
Skupina 6. Táto skupina pojednáva o úlohe dronov v poľnohospodárskom dozore. UAV by mohli doplniť a prekonať nedostatky satelitného a leteckého zobrazovania. Mohli by napríklad poskytovať zobrazovanie vo vysokom rozlíšení takmer v reálnom čase s menším množstvom paliva alebo pilotných problémov, čo by viedlo k neustálemu dohľadu v reálnom čase a zlepšeniu rozhodovania (S. Herwitz a kol., 2004). Ďalším kľúčovým prínosom UAV je ich schopnosť poskytovať špecifické údaje pre presné poľnohospodárstvo alebo poľnohospodárstvo, pretože ich vysoké rozlíšenie, podrobné údaje o rôznych parametroch umožňujú poľnohospodárom rozdeliť pôdu na homogénne časti a podľa toho s nimi zaobchádzať (Hunt et al. , 2010; CC Lelong a kol., 2008; Primicerio a kol., 2012). Takýto poľnohospodársky dohľad založený na UAV môže podporiť monitorovanie potravinovej bezpečnosti a rozhodovanie (SR Herwitz et al., 2004). Na pokrok vo výskume v oblasti poľnohospodárskeho dohľadu sú potrebné nielen zlepšenia v senzoroch, UAV a iných súvisiacich technológiách a ich metódach komunikácie a prenosu údajov (Ewing et al., 2020; Shuai et al., 2019), ale aj integrácia dronov s rôznymi technológie na optimalizáciu rôznych úloh vo vzťahu k inteligentnému poľnohospodárstvu, ako je monitorovanie, poľnohospodársky dohľad a rozhodovanie, sú oblasťou výskumu s vysokým potenciálom (Alsamhi a kol., 2021; Popescu a kol., 2020; Vuran a kol., 2018). V tomto ohľade IoT, WSN a veľké dáta ponúkajú zaujímavé doplnkové schopnosti (van der Merwe et al., 2020). Implementačné náklady, úspory nákladov, energetická efektívnosť a bezpečnosť údajov patria medzi nedostatočne preskúmané oblasti takejto integrácie (Masroor et al., 2021).
Krajiny a akademické inštitúcie
Posledný krok zahŕňal prieskum krajiny pôvodu a akademickej príslušnosti autorov. Prostredníctvom tejto analýzy sa snažíme lepšie pochopiť geografickú distribúciu vedcov, ktorí prispievajú k aplikáciám bezpilotných lietadiel v poľnohospodárstve. Je pozoruhodné si všimnúť rôznorodosť krajín a akademických inštitúcií. Z pohľadu krajiny sú USA, Čína, India a Taliansko na prvom mieste v počte publikácií (tabuľka 7). Prúdu
výskum poľnohospodárskych bezpilotných lietadiel sa vo veľkej miere sústreďuje v krajinách Severnej Ameriky a Ázie, najmä kvôli ich vysokému zapojeniu do aplikácií v presnom poľnohospodárstve. Napríklad v USA sa trh s poľnohospodárskymi dronmi v roku 841.9 odhadoval na 2020 milióna USD, čo predstavuje približne 30 % podielu na globálnom trhu (ReportLinker, 2021). Čína, ktorá je najväčšou svetovou ekonomikou, podľa predpovedí dosiahne v roku 2.6 veľkosť trhu približne 2027 miliardy USD. Táto krajina žiada poľnohospodárske drony, aby prekonali problémy s produktivitou a dosiahli lepšie výnosy, zníženie pracovnej sily a menšie výrobné vstupy. Prijatie technológie v Číne je však poháňané aj faktormi, ako je veľkosť populácie a potreba inovovať a zlepšiť existujúce postupy pestovania plodín.
Najlepšie najproduktívnejšie krajiny a univerzity/organizácie, ktoré prispievajú do
výskum súvisiaci s poľnohospodárskymi dronmi.
Hodnosť | krajiny |
1 | USA |
2 | Čína |
3 | india |
4 | Taliansko |
5 | španielsko |
6 | Nemecko |
7 | brazil |
8 | Austrália |
9 | Japonsko |
10 | Spojené kráľovstvo |
Hodnosť | univerzity/organizácie |
1 | Čínskej akadémie vied |
2 | Ministerstvo poľnohospodárstva Čínskej ľudovej republiky |
3 | Vyššia rada pre vedecký výskum |
4 | Texas A&M University |
5 | Čínska poľnohospodárska univerzita |
6 | USDA poľnohospodárska výskumná služba |
7 | CSIC – Instituto de Agricultura Sostenible IAS |
8 | Purdue University |
9 | Národná rada pre výskum |
10 | Juhočínska poľnohospodárska univerzita |
Z univerzitného a organizačného hľadiska je na čele rebríčka Čínska akadémia vied, pokiaľ ide o počet publikácií, nasleduje Ministerstvo poľnohospodárstva Čínskej ľudovej republiky a Consejo Superior de Investigaciones Científicas. Čínsku akadémiu vied zastupujú autori Liao Xiaohan a Li Jun; Han Weting zastupuje Ministerstvo poľnohospodárstva Čínskej ľudovej republiky; a Consejo Superior de Investigaciones Científicas reprezentujú Lopez-Granados, ´ F. a Pena, ˜ Jos´e María S. Z USA našli svoje univerzity univerzity ako Texas A&M University a Purdue University
spomenúť. Univerzity s najvyšším počtom publikácií a ich prepojenia sú znázornené na obr. 4. Okrem toho tento zoznam zahŕňa inštitúcie ako Consiglio Nazionale delle Ricerche a Consejo Superior de Investigaciones Científicas, ktoré sú aktívne vo vedeckom výskume, ale nie sú akademickými inštitúciami. .
Náš výber zahŕňal širokú škálu časopisov, ktoré obsahovali prakticky všetky dostupné údaje. Ako je uvedené v tabuľke 8, na prvom mieste je diaľkový prieskum Zeme s 258 článkami, za ním nasleduje Journal of Intelligent and Robotic Systems: Theory and Applications so 126 a Počítače a elektronika v poľnohospodárstve s 98 článkami. Zatiaľ čo diaľkové snímanie sa väčšinou zameriava na aplikáciu a vývoj dronov, Počítače a elektronika v poľnohospodárstve pokrýva najmä pokroky v oblasti počítačového hardvéru, softvéru, elektroniky a riadiacich systémov v poľnohospodárstve. Medzi popredné predajne v tejto oblasti patria aj medzioblastné predajne, ako napríklad IEEE Robotics and Automation Letters s 87 publikáciami a IEEE Access s 34 publikáciami. Prvých pätnásť predajní prispelo do literatúry 959 dokumentmi, čo je približne 20.40 % všetkých publikácií. Analýza spolucitovania časopisov nám umožňuje preskúmať dôležitosť a podobnosť medzi publikáciami. Analýza kocitácie poskytuje tri zhluky, ako je znázornené na obr. 5. Červený zhluk pozostáva z časopisov ako Remote Sensing, Computer and Electronics in Agriculture, Sensors,
a International Journal of Remote Sensing. Všetky tieto predajne sú vysoko uznávanými časopismi v oblasti diaľkového prieskumu Zeme a presného poľnohospodárstva. Zelený klaster obsahuje časopisy, ktoré sa zaoberajú robotikou, ako napríklad Journal of Intelligent and Robotic Systems: Theory and Applications, IEEE Robotics and Automation Letters, IEEE Access a Drones. Tieto predajne väčšinou publikujú články o automatizácii a sú užitočné pre poľnohospodárskych inžinierov. Posledný klaster tvoria časopisy súvisiace s agronómiou a poľnohospodárskym inžinierstvom, ako je Agronomy a International Journal of Agricultural and Biological Engineering.
15 najlepších časopisov v oblasti výskumu súvisiaceho s poľnohospodárskymi dronmi.
Hodnosť | Časopis | Spočítať |
1 | Diaľkové snímanie | 258 |
2 | Journal of Intelligent and Robotic Systems: Theory and použitie | 126 |
3 | Počítače a elektronika v poľnohospodárstve | 98 |
4 | IEEE Robotics and Automation Letters | 87 |
5 | Senzory | 73 |
6 | International Journal of Remote Sensing | 42 |
7 | Presné poľnohospodárstvo | 41 |
8 | Trúdy | 40 |
9 | agronómia | 34 |
10 | Prístup IEEE | 34 |
11 | International Journal of Advanced Robotic Systems | 31 |
12 | International Journal of Agricultural and Biological Engineering | 25 |
13 | PLoS ONE | 25 |
14 | Journal of Field Robotics | 23 |
15 | Biosystems Engineering | 23 |
záver
zhrnutie
V tejto štúdii sme zhrnuli a analyzovali existujúci výskum poľnohospodárskych dronov. Použitím rôznych bibliometrických techník sme sa snažili získať lepšie pochopenie intelektuálnej štruktúry výskumu súvisiaceho s poľnohospodárskymi dronmi. Stručne povedané, naša recenzia ponúka niekoľko príspevkov identifikáciou a diskusiou o kľúčových slovách v literatúre, odhaľovaním klastrov znalostí pri vytváraní sémanticky podobných komunít v oblasti dronov, načrtnutím skoršieho výskumu a navrhovaním budúcich smerov výskumu. Nižšie uvádzame hlavné zistenia prehľadu o vývoji poľnohospodárskych bezpilotných lietadiel:
• Celková literatúra sa za posledné desaťročie rýchlo rozrástla a pritiahla obrovskú pozornosť, čo naznačuje nárast počtu článkov po roku 2012. Aj keď táto vedomostná oblasť ešte nedosiahla svoju plnú zrelosť (Barrientos et al., 2011; Maes & Steppe, 2019), niekoľko otázok je stále nezodpovedaných. Napríklad užitočnosť dronov vo vnútornom chove je stále otvorená na diskusiu (Aslan a kol., 2022; Krul a kol., 2021; Rold' an a kol., 2015). Zložitosť scén polí a rôzne zobrazovacie okolnosti (napr. tiene a osvetlenie) by mohli viesť k vyššej spektrálnej odchýlke v triede (Yao et al., 2019). Dokonca aj v neskorších fázach výskumu boli výskumníci vyzvaní, aby určili optimálne letové plány podľa konkrétnych scenárov a požadovanej kvality obrazu (Soares a kol., 2021; Tu a kol.,
2020).
• Všimli sme si, že táto oblasť pokročila od vývoja efektívnych systémov UAV k začleneniu techník AI, ako je strojové učenie a hlboké učenie pri navrhovaní poľnohospodárskych dronov (Bah a kol., 2018; Kitano a kol., 2019; Maimaitijiang a kol. , 2020; Mazzia a kol., 2020; Tetila a kol., 2020).
• Pri výskume poľnohospodárskych dronov sa diskutovalo predovšetkým o diaľkovom snímaní prostredníctvom skúmania potenciálu technológie v oblasti monitorovania životného prostredia, manažmentu plodín a buriny (skupina 1), ako aj diaľkového fenotypovania a odhadovania výnosov (skupina 2). Súbor vplyvných štúdií o poľnohospodárskych dronoch zahŕňa Austin (2010), Berni et al. (2009)a, Herwitz a kol. (2004), Nex a Remondino (2014) a Zhang a Kovacs (2012). Tieto štúdie vyvinuli koncepčný základ výskumu súvisiaceho s dronmi v kontexte poľnohospodárstva.
• V súvislosti s metodológiou sme zistili, že väčšina doteraz vykonaných výskumov pozostávala buď zo systémových návrhov, koncepčných štúdií alebo štúdií založených na prehľadoch (Inoue, 2020; Nex & Remondino, 2014; P'erez-Ortiz et al. , 2015; Yao a kol., 2019). Všimli sme si tiež nedostatok empirických, kvalitatívnych metód a metód založených na prípadových štúdiách pri práci pri vyšetrovaní poľnohospodárskych dronov.
• Témy súvisiace s precíznym poľnohospodárstvom, technikami umelej inteligencie, precíznym vinohradníctvom a hodnotením vodného stresu pritiahli v poslednom čase značnú pozornosť (Espinoza et al., 2017; Gomez-Cand „on“ et al., 2016; Matese et al., 2015; Matese & Di Gennaro, 2018, 2021; Z. Zhou a kol., 2021). Starostlivé skúmanie výskumných zoskupení v dvoch samostatných obdobiach, 1990 – 2010 a 2011 – 2021, odhaľuje pokrok intelektuálnej štruktúry domény. Obdobie od roku 1990 do roku 2010 predstavovalo budovanie ústredných pojmov a konceptov dronov, čo je zrejmé z diskusie o návrhu, vývoji a implementácii UAV. V druhej ére sa výskumné zameranie rozširuje na predchádzajúce štúdie, pričom sa snaží syntetizovať prípady použitia UAV v poľnohospodárstve. Našli sme tiež množstvo štúdií, ktoré pojednávajú o aplikáciách dronov pri zobrazovacích úlohách a presnom poľnohospodárstve.
Hodnosť | Časopis | Spočítať |
1 | Diaľkové snímanie | 258 |
2 | Journal of Intelligent and Robotic Systems: Theory and | 126 |
použitie | ||
3 | Počítače a elektronika v poľnohospodárstve | 98 |
4 | IEEE Robotics and Automation Letters | 87 |
5 | Senzory | 73 |
6 | International Journal of Remote Sensing | 42 |
7 | Presné poľnohospodárstvo | 41 |
8 | Trúdy | 40 |
9 | agronómia | 34 |
10 | Prístup IEEE | 34 |
11 | International Journal of Advanced Robotic Systems | 31 |
12 | International Journal of Agricultural and Biological Engineering | 25 |
13 | PLoS ONE | 25 |
14 | Journal of Field Robotics | 23 |
15 | Biosystems Engineering | 22 |
Dôsledky
Náš bibliometrický prehľad bol navrhnutý a vykonaný s ohľadom na vedcov, farmárov, poľnohospodárov, konzultantov pre plodiny a dizajnérov systémov UAV. Podľa najlepšieho vedomia autorov ide o jednu z prvých originálnych recenzií, ktorá vykonala hĺbkovú bibliometrickú analýzu
aplikácie dronov v poľnohospodárstve. Vykonali sme komplexný prehľad tohto vedomostného orgánu, pričom sme použili analýzy citácií a spolucitovania publikácií. Naše pokusy popísať intelektuálnu štruktúru výskumu bezpilotných lietadiel tiež ponúkajú nové poznatky pre akademikov. Dôkladný prehľad použitých kľúčových slov v priebehu času odhaľuje hotspoty a ústredné oblasti výskumu v literatúre týkajúcej sa dronov. Ďalej uvádzame zoznam najcitovanejších štúdií s cieľom identifikovať najvýznamnejšie výskumné práce dokončené v tejto oblasti. Identifikácia článkov a kľúčových slov by následne mohla poskytnúť solídny východiskový bod na odhalenie niekoľkých ciest pre budúce štúdie.
Dôležité je, že sme odhalili klastre, ktoré klasifikujú porovnateľné práce a rozpracovali výsledky. Štúdie klasifikované v zhlukoch pomáhajú pochopiť intelektuálnu štruktúru výskumu UAV. Predovšetkým sme objavili nedostatok štúdií, ktoré skúmajú faktory prijatia dronov
a bariéry v poľnohospodárskych činnostiach (pozri tabuľku 9). Budúci výskumníci by mohli vyriešiť túto potenciálnu medzeru vykonaním empirických výskumov, ktoré hodnotia faktory prijatia dronov v rôznych poľnohospodárskych činnostiach a klimatických podmienkach. Okrem toho by výskum založený na prípadových štúdiách týkajúci sa účinnosti dronov mal byť podložený skutočnými údajmi z terénu. Zapojenie farmárov a manažérov do akademického výskumu by bolo tiež výhodné pre teoretický aj praktický pokrok vo výskume dronov. Podarilo sa nám tiež identifikovať najvýznamnejších výskumníkov a ich príspevky, čo je cenné, pretože povedomie o najnovších kľúčových prácach môže poskytnúť určité usmernenie pre budúce akademické úsilie.
Tabuľka 9
Prekážky prijatia UAV.
Bariéra | Popis |
Zabezpečenie údajov | Kybernetická bezpečnosť je hlavnou výzvou pri implementácii Riešenia internetu vecí (Masroor et al., 2021). |
Interoperabilita a integrácie | Rôzne technológie ako UAV, WSN, IoT atď. by mali byť integrované a prenášať údaje, ktoré zvýšiť úroveň zložitosti (Alsamhi a kol., 2021; Popescu a kol., 2020; Vuran a kol., 2018). |
Náklady na realizáciu | To platí najmä pre malých farmárov a pre integrácia rôznych špičkových technológií ( Masroor a kol., 2021). |
Pracovné znalosti a odbornosť | Na obsluhu UAV sú potrební skúsení piloti dronov. Tiež implementácia rôznych špičkových technológie si vyžadujú kvalifikovaných pracovníkov (YB Huang a kol., 2013; Tsouros a kol., 2019). |
Výkon motora a let trvania | Drony sa nedajú prevádzkovať dlhé hodiny a kryjú veľké plochy (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Stabilita, spoľahlivosť a manévrovateľnosť | Drony nie sú stabilné počas zlých poveternostných podmienok (Hardin & Hardin, 2010; Laliberte et al., 2007). |
Obmedzenia užitočného zaťaženia a kvalita senzorov | Drony môžu prenášať iba obmedzené zaťaženie vedie schopnosť načítať menej kvalitné snímače (Nebiker a kol., 2008). |
Regulácia | Keďže drony môžu byť tiež nebezpečné, existujú vážne predpisy v niektorých oblastiach (Hardin & Jensen, 2011; Laliberte & Rango, 2011). |
Vedomosti farmárov a záujem | Rovnako ako ďalšie špičkové technológie, drony úspešná implementácia si vyžaduje aj odborné znalosti sprevádzané neistotami (Fisher et al., 2009; Lambert a kol., 2004; Stafford, 2000). |
Keďže existuje neustála potreba efektívneho využívania dostupných zdrojov na maximalizáciu výnosov, farmári môžu využiť výhody dronov na zabezpečenie rýchleho, presného a nákladovo efektívneho skenovania svojich polí. Táto technológia môže pomôcť poľnohospodárom určiť stav ich plodín a posúdiť stav vody, štádium dozrievania, zamorenie hmyzom a nutričné potreby. Schopnosti diaľkového snímania bezpilotných lietadiel môžu poskytnúť farmárom dôležité údaje, aby mohli včas predvídať problémy a rýchlo vykonať vhodné zásahy. Výhody technológie však možno realizovať len vtedy, ak sa výzvy správne riešia. Vo svetle
súčasné problémy týkajúce sa bezpečnosti údajov, problémy s technológiou senzorov (napr. spoľahlivosť alebo presnosť meraní), zložitosť integrácie a značné náklady na implementáciu, budúce štúdie musia tiež preskúmať technickú, ekonomickú a prevádzkovú uskutočniteľnosť integrácie poľnohospodárskych bezpilotných lietadiel a iných okrajové technológie.
Obmedzenia
Naša štúdia má niekoľko obmedzení. Po prvé, zistenia sú určené publikáciami vybranými na konečnú analýzu. Je náročné zachytiť všetky relevantné štúdie týkajúce sa poľnohospodárskych dronov, najmä tých, ktoré nie sú indexované v databáze Scopus. Ďalej je proces zberu údajov obmedzený na nastavenie kľúčových slov pre vyhľadávanie, ktoré nemusia byť inkluzívne a viesť k nepresvedčivým zisteniam. Budúce štúdie preto musia venovať väčšiu pozornosť základnej otázke zberu údajov
spoľahlivejšie závery. Ďalšie obmedzenie sa týka nových publikácií s nízkym počtom citácií. Bibliometrická analýza je zameraná na staršie publikácie, pretože v priebehu rokov majú tendenciu dostávať viac citácií. Nedávne štúdie potrebujú určitý čas na upútanie pozornosti a nahromadenie citácií. Nedávne štúdie, ktoré prinášajú zmenu paradigmy, by sa preto nezaradili do prvej desiatky najvplyvnejších diel. Toto obmedzenie prevláda pri skúmaní rýchlo sa rozvíjajúcich výskumných oblastí, ako sú poľnohospodárske drony. Keďže sme konzultovali so spoločnosťou Scopus pri štúdiu literatúry pre túto prácu, budúci výskumníci by mohli zvážiť niečo iné
databázy, ako sú Web of Science a IEEE Xplore, s cieľom rozšíriť obzory a zlepšiť štruktúru výskumu.
Potenciálne bibliometrické štúdie môžu brať do úvahy ďalšie dôležité zdroje vedomostí, ako sú konferenčné príspevky, kapitoly a knihy, aby sa získali nové poznatky. Napriek mapovaniu a skúmaniu globálnych publikácií o poľnohospodárskych dronoch naše zistenia neodhalili dôvody vedeckých výstupov univerzít. To otvára cestu k novej oblasti výskumu v kvalitatívnom vysvetľovaní, prečo sú niektoré univerzity produktívnejšie ako iné, pokiaľ ide o výskum v oblasti poľnohospodárstva.
drony. Okrem toho by budúce štúdie mohli poskytnúť pohľad na potenciál bezpilotných lietadiel na zvýšenie udržateľnosti poľnohospodárstva niekoľkými spôsobmi, ako je monitorovanie životného prostredia, manažment plodín a mapovanie buriny, ako naznačilo niekoľko výskumníkov (Chamuah & Singh, 2019; Islam et al., 2021; Popescu a kol., 2020; J. Su, Liu a kol., 2018b). Keďže textová analýza nebola možná pre vysoký počet vybraných článkov, je potrebné systematické prehľady literatúry, ktoré by skúmali
použité výskumné metódy a zapojenie poľnohospodárov do predchádzajúcich štúdií. Stručne povedané, naša analýza výskumu dronov odhaľuje neviditeľné prepojenia tohto vedomostného tela. Tento prehľad preto pomáha odhaliť vzťahy medzi publikáciami a skúma intelektuálnu štruktúru oblasti výskumu. Zobrazuje tiež prepojenia medzi rôznymi aspektmi literatúry, ako sú kľúčové slová autorov, afiliácie a krajiny.
Vyhlásenie o konkurenčnom záujme
Autori vyhlasujú, že nemajú žiadne známe konkurenčné finančné záujmy alebo osobné vzťahy, ktoré by mohli pôsobiť na prácu uvedenú v tomto príspevku.
Príloha 1
TITLE-ABS-KEY ((dron* ALEBO „bezpilotný vzdušný prostriedok“ ALEBO uav* ALEBO „systém bezpilotného lietadlaALEBO uas ALEBO „lietadlo riadené na diaľku“.“) A (poľnohospodárstvo ALEBO poľnohospodárstvo ALEBO poľnohospodárstvo ALEBO farmár))) A (EXCLUDE (PUBYEAR, 2022)) A (LIMIT-TO (LANGUAGE, “angličtina”)).
Referencie
Aasen, H., Burkart, A., Bolten, A., Bareth, G., 2015. Generovanie 3D hyperspektrálnych informácií pomocou ľahkých UAV snímkových kamier na monitorovanie vegetácie: od r.
kalibrácia fotoaparátu na zabezpečenie kvality. ISPRS J. Photogramm. Remote Sens. 108, 245–259. https://doi.org/10.1016/j.isprsjprs.2015.08.002.
Abd-Elrahman, A., Pearlstine, L., Percival, F., 2005. Vývoj algoritmu rozpoznávania vzorov pre automatickú detekciu vtákov zo snímok bezpilotných leteckých dopravných prostriedkov.
Prieskum. Land Inform. Sci. 65 (1), 37–45.
Abdollahi, A., Rejeb, K., Rejeb, A., Mostafa, MM, Zailani, S., 2021. Bezdrôtové senzorové siete v poľnohospodárstve: poznatky z bibliometrickej analýzy. Udržateľnosť 13 (21),
12011.
Aboutalebi, M., Torres-Rua, AF, Kustas, WP, Nieto, H., Coopmans, C., McKee, M., Posúdenie rôznych metód detekcie tieňa v optickom zobrazení s vysokým rozlíšením a vyhodnotenie vplyvu tieňa na výpočet NDVI a evapotranspirácia. Irigovať. Sci. 37 (3), 407-429. https://doi.org/10.1007/s00271-018-0613-9.
Adao, ˜ T., Hruška, J., Padova, ´ L., Bessa, J., Peres, E., Morais, R., Sousa, JJ, 2017. Hyperspektrálne zobrazovanie: prehľad senzorov založených na UAV, údaje spracovanie a
aplikácie pre poľnohospodárstvo a lesníctvo. Diaľkový prieskum Zeme 9 (11). https://doi.org/ 10.3390/rs9111110.
Agüera Vega, F., Ramírez, FC, Saiz, MP, Rosúa, FO, 2015. Viacčasové zobrazovanie pomocou bezpilotného lietadla na monitorovanie úrody slnečnice. Biosyst. Ing.
132, 19–27. https://doi.org/10.1016/j.biosystemseng.2015.01.008.
Ajayi, OG, Salubi, AA, Angbas, AF, Odigure, MG, 2017. Generovanie presných digitálnych výškových modelov z UAV získalo nízke percento prekrývajúcich sa snímok. 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. Prehľad prístupov strojového učenia pre získavanie biomasy a pôdnej vlhkosti z údajov diaľkového prieskumu Zeme. Diaľkový prieskum Zeme 7 (12), 16398–16421.
Alsamhi, SH, Afghah, F., Sahal, R., Hawbani, A., Al-qaness, MAA, Lee, B., Guizani, M., Zelený internet vecí pomocou UAV v sieťach B5G: Prehľad aplikácií
a stratégií. Ad. Hoc. Netw. 117, 102505 https://doi.org/10.1016/j. adhoc.2021.102505.
Al-Thani, N., Albuainain, A., Alnaimi, F., Zorba, N., 2020. Drony na monitorovanie oviec. In: 20. stredomorská elektrotechnická konferencia IEEE. https://doi.
org/10.1109/MELECON48756.2020.9140588.
Ampatzidis, Y., Partel, V., 2019. Vysokovýkonné fenotypovanie v citrusoch založené na UAV s využitím multispektrálneho zobrazovania a umelej inteligencie. Diaľkové snímanie 11 (4), https://doi.org/10.3390/rs11040410.
Ampatzidis, Y., Partel, V., Costa, L., 2020. Agroview: Cloudová aplikácia na spracovanie, analýzu a vizualizáciu údajov zozbieraných UAV pre aplikácie presného poľnohospodárstva využívajúce umelú inteligenciu. Výpočet. Electron. Agric. 174, 105457 https://doi. org/10.1016/j.compag.2020.105457.
Ang, K.-L.-M., Seng, JKP, 2021. Veľké dáta a strojové učenie s hyperspektrálnymi informáciami v poľnohospodárstve. IEEE Access 9, 36699–36718. https://doi.org/10.1109/
PRÍSTUP.2021.3051196.
Aquilani, C., Confessore, A., Bozzi, R., Sirtori, F., Pugliese, C., 2022. Prehľad: technológie presného chovu dobytka v systémoch chovu dobytka na pastvinách. Zviera 16 (1), https://doi.org/10.1016/j.animal.2021.100429.
Armenta-Medina, D., Ramirez-Delreal, TA, Villanueva-Vasquez, ´ D., Mejia-Aguirre, C., Trendy pokročilých informačných a komunikačných technológií pre
zlepšenie poľnohospodárskej produktivity: bibliometrická analýza. Agronómia 10 (12), článok 12. https://doi.org/10.3390/agronomy10121989.
Armstrong, I., Pirrone-Brusse, M., Smith, A., Jadud, M., 2011. Lietajúci gator: smerom k leteckej robotike v occam-π. komun. Procesný architekt. 2011, 329–340. https://doi. org/10.3233/978-1-60750-774-1-329.
Arora, SD, Chakraborty, A., 2021. Výskum intelektuálnej štruktúry spotrebiteľského sťažujúceho sa správania (CCB): Bibliometrická analýza. J. Business Res. 122, 60-74.
Aslan, MF, Durdu, A., Sabanci, K., Ropelewska, E., Gültekin, SS, 2022.
Komplexný prehľad nedávnych štúdií s UAV pre presné poľnohospodárstvo na otvorených poliach a skleníkoch. Appl. Sci. 12 (3), 1047. https://doi.org/10.3390/
app12031047.
Atkinson, JA, Jackson, RJ, Bentley, AR, Ober, E., & Wells, DM (2018). Terénna fenotypizácia pre budúcnosť. In Annual Plant Reviews online (str. 719–736). John
Wiley & Sons, Ltd. doi: 10.1002/9781119312994.apr0651.
Austin, R., 2010. Systémy bezpilotných lietadiel: Návrh, vývoj a nasadenie UAVS. In: Bezpilotné letecké systémy: návrh, vývoj a vývoj UAVS
Nasadenie. John Wiley and Sons. 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. Diaľkové snímanie založené na UAV pri strese rastlín si predstavte použitie tepelného snímača s vysokým rozlíšením pre digitálne poľnohospodárske postupy: meta-recenzia. Int. J. Environ. Sci. Technol. 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. Smart farming: Príležitosti, výzvy
a technologických aktivátorov. 2018 IoT Vertical and. Aktuálny summit o poľnohospodárstve – Toskánsko (IOT Toskánsko) 1.–6. https://doi.org/10.1109/IOTTUSCANY.2018.8373043.
Bah, MD, Hafiane, A., Canals, R., 2018. Hlboké učenie s označovaním údajov bez dozoru na detekciu buriny v líniových plodinách na snímkach UAV. Diaľkový prieskum Zeme 10 (11), 1690.
https://doi.org/10.3390/rs10111690.
Baldi, S., 1998. Normatívne verzus sociálne konštruktivistické procesy pri prideľovaní citácií: sieťovo-analytický model. Am. Sociol. 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. Hodnotenie variability stavu vody vo vinohradoch termálnou a multispektrálnou
snímkovanie pomocou bezpilotného vzdušného prostriedku (UAV). Irigovať. 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., Chov ďalšej generácie. Plant Sci. 242, 3–13. https://doi.org/10.1016/j.
plantsci.2015.07.010.
Barbedo, JGA, Koenigkan, LV, 2018. Pohľady na využitie bezpilotných vzdušných systémov na monitorovanie dobytka. 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. Nízka hmotnosť a hyperspektrál na báze UAV plnoformátové fotoaparáty
na monitorovanie plodín: Spektrálne porovnanie s prenosnými spektrorádiometrickými meraniami. Fotogrammetria, 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., Letecký diaľkový prieskum zeme v poľnohospodárstve: Praktický prístup k pokrytiu územia
a plánovanie trás pre flotily mini vzdušných robotov. J. Field 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. Prieskum o aplikácii algoritmov plánovania dráhy pre viacrotorové UAV v presnosti
poľnohospodárstvo. J. Navig. 75 (2), 364-383.
Basnet, B., Bang, J., 2018. Najnovší stav v znalostne intenzívnom poľnohospodárstve: prehľad aplikovaných systémov snímania a analýzy údajov. J. Sens. 2018, 1.–13.
Bendig, J., Bolten, A., Bareth, G., 2013. Zobrazovanie na báze UAV pre multitemporálne modely povrchu plodín s veľmi vysokým rozlíšením na sledovanie variability rastu plodín. Fotogrammetria, 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. Odhad biomasy jačmeňa pomocou modelov povrchu plodín (CSM) odvodených zo zobrazovania RGB založeného na UAV. Diaľkový prieskum Zeme 6 (11), 10395–10412.
Bendig, J., Yu, K., Aasen, H., Bolten, A., Bennertz, S., Broscheit, J., Gnyp, ML, Bareth, G., 2015. Kombinácia výšky rastlín na báze UAV od povrchu plodiny modely,
viditeľné a blízke infračervené vegetačné indexy na monitorovanie biomasy v jačmeni. Int. J. Appl. Earth 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. Mapovanie vodivosti koruny a CWSI v olivových sadoch pomocou vysokého rozlíšenia
termálne snímky diaľkového prieskumu zeme. Vzdialený senzor prostredia. 113 (11), 2380–2388. https://doi.org/10.1016/j.rse.2009.06.018.
Berni, JA, Zarco-Tejada, PJ, Suarez, ´L., Fereres, E., 2009b. Tepelné a úzkopásmové multispektrálne diaľkové snímanie na monitorovanie vegetácie z bezpilotného lietadla. IEEE Trans. Geosci. Remote Sens. 47 (3), 722–738.
Bouzembrak, Y., Klüche, M., Gavai, A., Marvin, HJP, 2019. Internet vecí v bezpečnosti potravín: Prehľad literatúry a bibliometrická analýza. Trends Food Sci. Technol. 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 v poľnohospodárstve: Navrhovanie celoeurópskeho pilotného projektu vo veľkom meradle. IEEE Commun. Mag. 55 (9), 26-33.
Buters, TM, Belton, D., Cross, AT, 2019. Multisenzorové UAV sledovanie jednotlivých sadeníc a spoločenstiev sadeníc s milimetrovou presnosťou. Drony 3 (4), 81.
https://doi.org/10.3390/drones3040081.
Candiago, S., Remondino, F., De Giglio, M., Dubbini, M., Gattelli, M., 2015. Hodnotenie multispektrálnych snímok a vegetačných indexov pre aplikácie presného poľnohospodárstva z UAV snímok. Diaľkový prieskum Zeme 7 (4), 4026–4047. https://doi.org/10.3390/rs70404026.
Cao, Y., Li, GL, Luo, YK, Pan, Q., Zhang, SY, 2020. Monitorovanie rastových ukazovateľov cukrovej repy pomocou širokorozsahového vegetačného indexu (WDRVI) odvodeného z UAV
multispektrálne obrázky. Výpočet. Electron. Agric. 171, 105331 https://doi.org/10.1016/j.compag.2020.105331.
Casillas, J., Acedo, F., 2007. Evolúcia intelektuálnej štruktúry literatúry rodinného podnikania: bibliometrická štúdia FBR. Rodinný podnik Rev. 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. Dynamické monitorovanie biomasy ryže pod
rôzne úpravy dusíkom pomocou ľahkého UAV s duálnymi snímkovými kamerami. Plant Methods 15 (1), 32. https://doi.org/10.1186/s13007-019-
0418-8.
Chamuah, A., Singh, R., 2019. Zabezpečenie udržateľnosti v indickom poľnohospodárstve prostredníctvom civilného UAV: perspektíva zodpovednej inovácie. SN Appl. Sci. 2 (1), 106. https://
doi.org/10.1007/s42452-019-1901-6.
Chamuah, A., Singh, R., 2022. Zodpovedné riadenie inovácií civilných bezpilotných lietadiel (UAV) pre aplikácie poistenia úrody v Indii. J. Zodpovedný
Technol. 9, 100025 https://doi.org/10.1016/j.jrt.2022.100025.
Chen, A., Orlov-Levin, V., Meron, M., 2019. Aplikácia leteckého zobrazovania vrchlíka plodín s vysokým rozlíšením viditeľným kanálom na presné riadenie zavlažovania. Agric. Voda
Manag. 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. Ľahký UAV s palubnou fotogrammetriou a jednofrekvenčným GPS určovaním polohy pre metrologické aplikácie. ISPRS J. Photogramm. Remote Sens. 127, 115–126. https://doi.org/10.1016/j.isprsjprs.2016.12.007.
Dawaliby, S., Aberkane, A., Bradai, A., 2020. Platforma IoT založená na blockchaine pre riadenie prevádzky autonómnych dronov. In: Zborník 2. ACM
Workshop MobiCom o bezdrôtových komunikáciách s asistenciou dronov pre 5G a ďalšie, s. 31–36. https://doi.org/10.1145/3414045.3415939.
Day, RA, Gastel, B., 1998. Ako napísať a publikovať vedeckú prácu. Cambridge University Press. de Castro, AI, Pena, ˜ JM, Torres-Sanchez, ´J., Jim´enez-Brenes, FM, ValenciaGredilla, F., Recasens, J., Lopez-Granados, ´F., 2020. Mapovanie zamorenia cynodonmi krycie plodiny s automatickým rozhodovacím stromovým postupom OBIA a snímkovaním UAV pre presné vinohradníctvo. Diaľkové snímanie 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. Algoritmus automatického náhodného lesa-OBIA pre skoré mapovanie buriny medzi a v rámci riadkov plodín pomocou snímok UAV. Diaľkové snímanie 10 (2). https://doi.org/10.3390/rs10020285.
Demir, N., Sonmez, ¨ NK, Akar, T., Ünal, S., 2018. Automatizované meranie výšky rastlín genotypov pšenice pomocou DSM odvodeného z UAV snímok. Proceedings 2 (7), 350. https://doi.org/10.3390/ecrs-2-05163.
Deng, J., Zhong, Z., Huang, H., Lan, Y., Han, Y., Zhang, Y., 2020. Ľahká sémantická segmentačná sieť pre mapovanie buriny v reálnom čase pomocou bezpilotných lietadiel. Appl. Sci. 10 (20), 7132. https://doi.org/10.3390/app10207132.
Deng, L., Mao, Z., Li, X., Hu, Z., Duan, F., Yan, Y., 2018. Multispektrálne diaľkové snímanie založené na UAV pre presné poľnohospodárstvo: porovnanie medzi rôznymi kamerami. ISPRS J. Photogramm. Remote Sens. 146, 124–136.
Diaz-Gonzalez, FA, Vuelvas, J., Correa, CA, Vallejo, VE, Patino, D., 2022. Techniky strojového učenia a diaľkového snímania aplikované na odhad pôdnych indikátorov – prehľad. 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. Snímky vzdušného UAV s vysokým rozlíšením na posúdenie parametrov koruny olivovníka pomocou 3D fotografie
rekonštrukcia: uplatnenie v šľachtiteľských skúškach. Diaľkový prieskum Zeme 7 (4), 4213–4232. https://doi.org/10.3390/rs70404213.
Dixit, A., Jakhar, SK, 2021. Manažment kapacity letísk: prehľad a bibliometrická analýza. J. Air Transp. Manag. 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.
Použitie snímok RapidEye na identifikáciu variability rastu plodín a výnosov v rámci poľa v Ontáriu v Kanade. Presné poľnohospodárstvo. 20 (6), 1231-1250. https://doi.org/10.1007/
s11119-019-09646-w.
Dutta, PK, Mitra, S., 2021. Aplikácia poľnohospodárskych dronov a iot na pochopenie potravinového dodávateľského reťazca počas obdobia po COVID-19. In: Choudhury, A., Biswas, A., Prateek, M.,
Chakrabarti, A. (eds.), Poľnohospodárska informatika: Automatizácia pomocou internetu vecí a strojového učenia. Wiley, s. 67–87. van Eck, N., Waltman, L., 2009. Softvérový prieskum: VOSviewer, počítačový program pre bibliometrické mapovanie. Scientometria 84 (2), 523–538. https://doi.org/10.1007/s11192-009-0146-3.
Elijah, O., Rahman, TA, Orikumhi, I., Leow, CY, Hindia, MN, 2018. Prehľad internetu vecí (IoT) a analytiky údajov v poľnohospodárstve: výhody a výzvy.
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. Validácia agronomických UAV a poľné
merania pre odrody paradajok. Výpočet. Electron. Agric. 158, 278-283. https://doi.org/10.1016/j.compag.2019.02.011.
Espinoza, CZ, Khot, LR, Sankaran, S., Jacoby, PW, 2017. Hodnotenie vodného stresu s vysokým rozlíšením na základe multispektrálneho a tepelného diaľkového prieskumu Zeme v
podpovrchový zavlažovaný vinič. Diaľkové snímanie 9 (9), 961. https://doi.org/ 10.3390/rs9090961.
Ewing, J., Oommen, T., Jayakumar, P., Alger, R., 2020. Využívanie hyperspektrálneho diaľkového snímania na gradáciu pôdy. Diaľkové snímanie 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. Viacškálové hodnotenie multispektrálnej povrchovej odrazivosti a vegetačných indexov na báze dronov v prevádzkových podmienkach. Diaľkový prieskum Zeme 12 (3), 514.
Feng, X., Yan, F., Liu, X., 2019. Štúdium bezdrôtových komunikačných technológií na internete vecí pre presné poľnohospodárstvo. Bezdrôtové os. komun. 108 (3),
1785-1802.
Ferreira, MP, Pinto, CF, Serra, FR, 2014. Teória transakčných nákladov v medzinárodnom obchodnom výskume: bibliometrická štúdia za tri desaťročia. Scientometria 98 (3), 1899–1922. https://doi.org/10.1007/s11192-013-1172-8.
Fisher, P., Abuzar, M., Rab, M., Best, F., Chandra, S., 2009. Pokroky v precíznom poľnohospodárstve v juhovýchodnej Austrálii. I. regresná metodológia na simuláciu
priestorové variácie vo výnosoch obilnín pomocou historických výnosov farmárov a normalizovaného rozdielového vegetačného indexu. Crop Pasture Sci. 60 (9), 844-858.
Floreano, D., Wood, RJ, 2015. Veda, technika a budúcnosť malých autonómnych dronov. Príroda 521 (7553), 460–466. https://doi.org/10.1038/nature14542.
Friha, O., Ferrag, MA, Shu, L., Maglaras, LA, Wang, X., 2021. Internet vecí pre budúcnosť inteligentného poľnohospodárstva: komplexný prieskum nových technológií. 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. Segmentácia rastlín fig z leteckých snímok pomocou hlbokej konvolučnej siete kódovač-dekodér. Diaľkové snímanie 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. Výzva UAV na posúdenie vodného stresu pre
trvalo udržateľné poľnohospodárstvo. Agric. Vodné hospodárstvo. 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, ČR, Dur´ an-Zuazo, VH, 2018. Termálne zobrazovanie v závode
úroveň na posúdenie stavu plodovej vody v mandľových stromoch (odroda Guara) v rámci stratégií deficitného zavlažovania. Agric. Vodné hospodárstvo. 208, 176-186. https://doi.org/10.1016/j.
agwat.2018.06.002.
Garzonio, R., Di Mauro, B., Colombo, R., Cogliati, S., 2017. Merania povrchovej odrazivosti a slnkom indukovanej fluorescenčnej spektroskopie pomocou malého hyperspektrálneho UAS. Diaľkové snímanie 9 (5), 472. https://doi.org/10.3390/rs9050472. Gaˇsparovi´c, M., Zrinjski, M., Barkovi´c, Đ., Radoˇcaj, D., 2020. Automatická metóda pre
mapovanie buriny na poliach ovsa na základe snímok UAV. Výpočet. Electron. Agric.
Gebbers, R., Adamchuk, VI, 2010. Precízne poľnohospodárstvo a potravinová bezpečnosť. Science 327 (5967), 828–831. https://doi.org/10.1126/science.1183899.
Geipel, J., Link, J., Claupein, W., 2014. Kombinované spektrálne a priestorové modelovanie úrody kukurice na základe leteckých snímok a modelov povrchu plodín získaných systémom bezpilotného lietadla. Diaľkový prieskum Zeme 6 (11), 10335–10355. https://doi.org/10.3390/rs61110335.
Geng, D., Feng, Y., Zhu, Q., 2020. Udržateľný dizajn pre používateľov: prehľad literatúry a bibliometrická analýza. Environ. Sci. Pollut. Res. 27 (24), 29824-29836. https://doi. org/10.1007/s11356-020-09283-1.
Gevaert, CM, Suomalainen, J., Tang, J., Kooistra, L., 2015. Generovanie spektrálnych temporálnych reakčných povrchov kombináciou multispektrálnych satelitných a hyperspektrálnych
Snímky UAV pre aplikácie v precíznom poľnohospodárstve. IEEE J. Sel. Hore. Appl. Earth Obs. Remote Sens. 8 (6), 3140–3146. ttps://doi.org/10.1109/JSTARS.2015.2406339.
Gill, SS, Chana, I., Buyya, R., 2017. IoT založené poľnohospodárstvo ako cloud a veľká dátová služba: začiatok digitálnej Indie. J. Org. a Výpočet koncového používateľa. (JOEUC) 29 (4),
1-23.
Gmür, M., 2006. Kocitačná analýza a hľadanie neviditeľných kolégií: metodologické hodnotenie. Scientometria 57 (1), 27–57. https://doi.org/10.1023/
a:1023619503005.
Gnadinger, ¨ F., Schmidhalter, U., 2017. Digitálne počty rastlín kukurice pomocou bezpilotných lietadiel (UAV). Diaľkové snímanie 9 (6). Https://doi.org/10.3390/rs9060544.
Gokto ¨ ǧan, AH, Sukkarieh, S., Bryson, M., Randle, J., Lupton, T., Hung, C., 2010. Bezpilotné vzdušné vozidlo s rotačným krídlom na sledovanie vodných burín a
zvládanie. J. Intell. Robotický systém: teor. 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. Hodnotenie presnosti mozaiky zo snímok bezpilotných lietadiel (UAV) na účely presného poľnohospodárstva v pšenici. Presné. Agric. 15 (1), 44-56. https://doi.org/10.1007/s11119-013-9335-4.
Gomez-Cand ´ on, ´ D., Virlet, N., Labb´e, S., Jolivot, A., Regnard, J.-L., 2016. Terénna fenotypizácia vodného stresu v stromovej mierke pomocou snímok snímaných UAV : nové poznatky pre
tepelné získavanie a kalibrácia. Presné. Agric. 17 (6), 786-800. https://doi.org/10.1007/s11119-016-9449-6.
Gonzalez-Dugo, V., Zarco-Tejada, PJ, Fereres, E., 2014. Použiteľnosť a obmedzenia použitia indexu vodného stresu plodín ako indikátora deficitu vody v citrusových sadoch. Agric. Pre. 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. Použitie UAV termovízie s vysokým rozlíšením na
posúdiť variabilitu vodného stavu piatich druhov ovocných drevín v rámci komerčného sadu. Presné. Agric. 14 (6), 660-678. https://doi.org/10.1007/s11119-013-9322-9.
Goyal, K., Kumar, S., 2021. Finančná gramotnosť: Systematický prehľad a bibliometrická analýza. Int. J. Consumer Studies 45 (1), 80–105. https://doi.org/10.1111/
ijcs.12605.
Grenzdorffer, ¨ GJ, Engel, A., Teichert, B., 2008. Fotogrametrický potenciál nízkonákladových UAV v lesníctve a poľnohospodárstve. Medzinárodné archívy fotogrametrie, diaľkového prieskumu Zeme a priestorových informačných vied – ISPRS Archives 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. Posudzovanie korelácie vysokého rozlíšenia
NDVI s úrovňou aplikácie hnojív a výnosom ryže a pšenice pomocou malých UAV. Diaľkový prieskum Zeme 11 (2), 112.
Gundolf, K., Filser, M., 2013. Manažérsky výskum a náboženstvo: citačná analýza. J. Bus. Etika 112 (1), 177–185.
Guo, Q., Zhu, Y., Tang, Y., Hou, C., He, Y., Zhuang, J., Zheng, Y., Luo, S., 2020. CFD simulácia a experimentálne overenie priestorového a časové rozdelenia
prúdenie vzduchu zo štvorrotorového poľnohospodárskeho UAV vo vznášaní sa. Výpočet. Electron. 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. , Poľsko, J., 2016.
Aplikácia bezpilotných vzdušných systémov na vysokovýkonnú fenotypizáciu veľkých škôlok na pestovanie pšenice. Rastlinné metódy 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. Spektrálne zobrazovanie z UAV za rôznych svetelných podmienok . V GG Bill R. (ed.), Medzinárodné archívy fotogrametrie, diaľkového prieskumu Zeme a priestorových informačných vied – archív ISPRS (zv. 40, číslo 1W2, s. 189–194). Medzinárodná spoločnosť pre fotogrammetriu a diaľkový prieskum Zeme. 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. Hodnotiace techniky pre mapovanie ostrovnej vegetácie z bezpilotných lietadiel
obrázky vozidiel (UAV): Klasifikácia pixelov, vizuálna interpretácia a prístupy strojového učenia. Int. J. Appl. Earth Obs. Geoinf. 89, 102085 https://doi.org/
10.1016/j.jag.2020.102085.
Haque, A., Islam, N., Samrat, NH, Dey, S., Ray, B., 2021. Inteligentné hospodárenie prostredníctvom zodpovedného vedenia v Bangladéši: možnosti, príležitosti a ešte viac.
Udržateľnosť 13 (8), 4511.
Hardin, PJ, Hardin, TJ, 2010. Malé diaľkovo pilotované vozidlá v environmentálnom výskume. Geografický kompas 4 (9), 1297–1311. ttps://doi.org/10.1111/j.1749-
8198.2010.00381.x.
Hardin, PJ, Jensen, RR, 2011. Malé bezpilotné lietadlá v environmentálnom diaľkovom prieskume: výzvy a príležitosti. GISci. Remote Sens. 48 (1), 99–111. https://doi.org/10.2747/1548-1603.48.1.99.
He, Y., Nie, P., Zhang, Q., Liu, F., 2021. Poľnohospodársky internet vecí: technológie a aplikácie, (1. vydanie z roku 2021). 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.
Zobrazovanie z bezpilotného vzdušného prostriedku: poľnohospodársky dohľad a podpora rozhodovania. Výpočet. Electron. 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, Vysokovýkonná poľná fenotypizácia výšky rastlín pšenice a rýchlosti rastu v pokusoch na poli s použitím diaľkového snímania založeného na UAV. Diaľkový prieskum Zeme 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. Spracovanie a hodnotenie spektrometrických stereoskopických snímok získaných pomocou ľahkej spektrálnej kamery UAV pre presné poľnohospodárstvo. Diaľkový prieskum Zeme 5 (10), 5006–5039. https://doi.org/10.3390/rs5105006.
Hossein Motlagh, N., Taleb, T., Arouk, O., 2016. Služby internetu vecí založené na bezpilotných lietadlách v nízkej nadmorskej výške: komplexný prieskum a perspektívy do budúcnosti. 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. Kombinovaná navigácia mestských kaňonov na báze optiky a stereo pre UAV. In: 2005 IEEE/RSJ
Medzinárodná konferencia o inteligentných robotoch a systémoch, s. 3309–3316. https://doi.org/10.1109/IROS.2005.1544998.
Hsu, T.-C., Yang, H., Chung, Y.-C., Hsu, C.-H., 2020. Kreatívna IoT poľnohospodárska platforma pre cloud fog computing. Udržať. Výpočet. Inf. Syst. 28, 100285.
Huang, H., Deng, J., Lan, Y., Yang, A., Deng, X., Zhang, L., Gonzalez-Andujar, JL, 2018. Plne konvolučná sieť na mapovanie buriny bezpilotných leteckých dopravných prostriedkov ( UAV) snímky. PLoS ONE 13 (4), e0196302.
Huang, H., Lan, Y., Yang, A., Zhang, Y., Wen, S., Deng, J., 2020. Hlboké učenie verzus objektovo-založená obrazová analýza (OBIA) v mapovaní burín na snímkach UAV. Int. J.
Remote 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. Kalibrácia hlbokých farieb pre snímky UAV pri monitorovaní plodín
pomocou prenosu sémantického štýlu s lokálnou až globálnou pozornosťou. Int. J. Appl. Earth Obs. Geoinf. 104, 102590 https://doi.org/10.1016/j.jag.2021.102590.
Huang, YB, Thomson, SJ, Hoffmann, WC, Lan, YB, Fritz, BK, 2013. Vývoj a perspektíva technológií bezpilotných lietadiel pre poľnohospodársku výrobu
zvládanie. Int. J. Agric. Biol. Ing. 6 (3), 1-10. https://doi.org/10.3965/j. ijabe.20130603.001.
Huang, Y., Hoffmann, WC, Lan, Y., Wu, W., Fritz, BK, 2009. Vývoj rozprašovacieho systému pre platformu bezpilotných lietadiel. Appl. Ing. Agric. 25 (6), 803-809.
Hunt Jr., ER, Dean Hively, W., Fujikawa, SJ, Linden, DS, Daughtry, CST, McCarty, GW, 2010. Akvizícia digitálnych fotografií NIR-zeleno-modrá z r.
bezpilotné lietadlá na monitorovanie plodín. Diaľkový prieskum Zeme 2 (1), 290–305. https://doi. org/10.3390/rs2010290. Inoue, Y., 2020. Diaľkové snímanie plodín a pôdy na báze satelitov a dronov pre inteligentné poľnohospodárstvo – prehľad. Soil Sci. 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. Prehľad aplikácií a komunikačných technológií pre internet vecí (IoT) a
Udržateľné inteligentné poľnohospodárstvo založené na bezpilotných lietadlách (UAV). Udržateľnosť 13 (4), 1821. https://doi.org/10.3390/su13041821.
Jaud, M., Passot, S., Le Bivic, R., Delacourt, C., Grandjean, P., Le Dantec, N., 2016. Posudzovanie presnosti digitálnych povrchových modelov s vysokým rozlíšením vypočítaných
PhotoScan® a MicMac® v suboptimálnych podmienkach prieskumu. Diaľkové snímanie 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. Kvantifikácia dopadov prerezávania na architektúru olivovníkov a ročných rast vrchlíka pomocou 3D modelovania založeného na UAV. Rastlinné metódy 13 (1). https://doi.org/10.1186/s13007-017-0205-3.
Jin, X., Liu, S., Baret, F., Hemerl´e, M., Comar, A., 2017. Odhady hustoty rastlín úrody pšenice pri vzchádzaní zo snímok UAV s veľmi nízkou nadmorskou výškou. Remote Sens.
Environ. 198, 105-114. https://doi.org/10.1016/j.rse.2017.06.007.
Jinbo, C., Xiangliang, C., Han-Chi, F., Lam, A., 2019. Systém monitorovania poľnohospodárskych produktov podporovaný cloud computingom. Cluster Compet. 22 (4), 8929-8938.
Ju, C., & Son, HI 2018a. Hodnotenie výkonnosti viacerých UAV systémov pre diaľkový prieskum zeme v poľnohospodárstve. Zborník z Workshopu o robotickej vízii a činnosti v poľnohospodárstve na medzinárodnej konferencii IEEE o robotike a automatizácii (ICRA), Brisbane, Austrália, 21.–26.
Ju, C., Syn, HI, 2018b. Viaceré UAV systémy pre poľnohospodárske aplikácie: kontrola, implementácia a hodnotenie. Electronics 7 (9), 162. https://doi.org/10.3390/
elektronika7090162.
Jung, J., Maeda, M., Chang, A., Bhandari, M., Ashapure, A., Landivar-Bowles, J., 2021. Potenciál diaľkového prieskumu Zeme a umelej inteligencie ako nástrojov na zlepšenie
odolnosť systémov poľnohospodárskej výroby. Curr. Opin. Biotechnol. 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. Vylepšená technika vyhľadávania plodín zahŕňajúca multispektrálne zobrazovanie plodín pomocou bezpilotných leteckých dopravných prostriedkov do konvenčných postupov pri vyhľadávaní plesnivca v melóne. Plant Dis. 103 (7), 1642–1650.
Kapoor, KK, Tamilmani, K., Rana, NP, Patil, P., Dwivedi, YK, Nerur, S., 2018. Pokroky vo výskume sociálnych médií: minulosť, prítomnosť a budúcnosť. Informovať. Syst. Predné. 20
(3), 531-558.
Kerkech, M., Hafiane, A., Canals, R., 2020. VddNet: sieť na detekciu chorôb viniča založená na multispektrálnych snímkach a hĺbkovej mape. Diaľkové snímanie 12 (20), 3305. https://doi. org/10.3390/rs12203305.
Khaliq, A., Comba, L., Biglia, A., Ricauda Aimonino, D., Chiaberge, M., Gay, P., 2019. Porovnanie satelitných a UAV multispektrálnych snímok pre vinohrad
hodnotenie variability. Diaľkové snímanie 11 (4). https://doi.org/10.3390/rs11040436.
Khan, PW, Byun, Y.-C., Park, N., 2020. IoT-blockchain umožnil optimalizovaný systém pôvodu pre potravinársky priemysel 4.0 pomocou pokročilého hlbokého učenia. Senzory 20 (10), 2990.
Khan, RU, Khan, K., Albattah, W., Qamar, AM, Ullah, F., 2021. Obrazová detekcia chorôb rastlín: od klasického strojového učenia po cestu hlbokého učenia. Bezdrôtová komunikácia. Mobilný počítač. 2021, 1.–13.
Khan, S., Tufail, M., Khan, MT, Khan, ZA, Iqbal, J., Alam, M., Le, KNQ, 2021. Nový čiastočne kontrolovaný rámec pre klasifikáciu plodín/buriny založenej na UAV. PLoS ONE 16 (5), e0251008.
Khanal, S., Fulton, J., Shearer, S., 2017. Prehľad súčasných a potenciálnych aplikácií tepelného diaľkového prieskumu Zeme v presnom poľnohospodárstve. Výpočet. Electron.
Agric. 139, 22-32. https://doi.org/10.1016/j.compag.2017.05.001.
Khanna, A., Kaur, S., 2019. Evolúcia internetu vecí (IoT) a jeho významný vplyv v oblasti presného poľnohospodárstva. Výpočet. Electron. Agric. 157, 218-231.
Kim, W., Khan, GF, Wood, J., Mahmood, MT, 2016. Angažovanosť zamestnancov pre udržateľné organizácie: analýza kľúčových slov pomocou analýzy sociálnych sietí a burst
detekčný prístup. Udržateľnosť 8 (7), 631.
Kirsch, M., Lorenz, S., Zimmermann, R., Tusa, L., Mockel, ¨ R., Hodl, ¨ P., Booysen, R., Khodadadzadeh, M., Gloaguen, R., 2018. Integrácia pozemných a dronov
hyperspektrálne a fotogrametrické metódy snímania pre prieskumné mapovanie a monitorovanie ťažby. Diaľkové snímanie 10 (9), 1366. https://doi.org/10.3390/
rs10091366.
Kitano, BT, Mendes, CCT, Geus, AR, Oliveira, HC, Souza, JR, 2019. Počítanie rastlín kukurice pomocou hlbokého učenia a obrázkov UAV. IEEE Geosci. Remote Sens. Lett. 1–5 https://doi.org/10.1109/LGRS.2019.2930549.
Koh, JCO, Spangenberg, G., Kant, S., 2021. Automatizované strojové učenie pre vysokovýkonné obrazové fenotypovanie rastlín. Diaľkové snímanie 13 (5), 858. https://
doi.org/10.3390/rs13050858.
Kovalev, IV, Voroshilova, AA, 2020. Moderné technologické trendy vo vývoji ekosystému nákladných UAV. J. Phys. Conf. Ser. 1515 (5), 052068 https://doi. org/10.1088/1742-6596/1515/5/052068.
Krul, S., Pantos, C., Frangulea, M., Valente, J., 2021. Vizuálny SLAM pre vnútorné hospodárske zvieratá a farmárčenie pomocou malého dronu s monokulárnou kamerou: štúdia uskutočniteľnosti.
Drony 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. Prieskum dronov pre automatizáciu poľnohospodárstva od výsadby do
zber. In: INES 2018 – IEEE 22nd International Conference on Intelligent Engineering Systems, s. 000353–358. https://doi.org/10.1109/INES.2018.8523943.
Lagkas, T., Argyriou, V., Bibi, S., Sarigiannidis, P., 2018. Rámcové názory a výzvy UAV IoT: smerom k ochrane dronov ako „vecí“. Senzory 18 (11), 4015. https://doi.org/10.3390/s18114015.
Laliberte, AS, Rango, A., 2011. Spracovanie a klasifikačné postupy pre analýzu sub-decimetrových snímok získaných bezpilotným lietadlom nad suchým
pastviny. GISci. Diaľkový senzor 48 (1), 4–23. https://doi.org/10.2747/1548-1603.48.1.4.
Laliberte, AS, Rango, A., Herrick, JE, 2007. Bezpilotné lietadlá na mapovanie a monitorovanie pastvín: porovnanie dvoch systémov. Zborník výročnej konferencie ASPRS.
Lam, OHY, Dogotari, M., Prüm, M., Vithlani, HN, Roers, C., Melville, B., Zimmer, F., Becker, R., 2021. Pracovný postup s otvoreným zdrojom pre mapovanie buriny v pôvodných trávnych porastoch
použitie bezpilotného lietadla: Použitie Rumex obtusifolius ako prípadovej štúdie. 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. Prijatie, ziskovosť a lepšie využitie údajov z presného poľnohospodárstva.
Pracovný papier. Purdue University. https://doi.org/10.22004/ag.econ.28615.
Lelong, CCD, Burger, P., Jubelin, G., Roux, B., Labb´e, S., Baret, F., 2008. Hodnotenie snímok bezpilotných lietadiel pre kvantitatívne monitorovanie úrody pšenice na malých pozemkoch. Senzory 8 (5), 3557–3585. https://doi.org/10.3390/s8053557.
Li, C., Niu, B., 2020. Návrh inteligentného poľnohospodárstva založeného na veľkých dátach a internete vecí. 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. Diaľkový odhad výšky koruny a nadzemnej biomasy kukurice pomocou stereosnímok s vysokým rozlíšením z nízkonákladový systém bezpilotných lietadiel. 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. Strojové učenie v poľnohospodárstve: prehľad. Senzory 18 (8), 2674.
Liebisch, F., Kirchgessner, N., Schneider, D., Walter, A., Hund, A., 2015. Vzdialená, letecká fenotypizácia znakov kukurice s mobilným multisenzorovým prístupom. Plant Methods 11 (1), 9. https://doi.org/10.1186/s13007-015-0048-8.
Lin, Z., Guo, W., 2020. Detekcia a počítanie panicle ciroku pomocou snímok bezpilotných leteckých systémov a hlbokého učenia. Predné. Plant Sci. 11.
Liu, S., Guo, L., Webb, H., Ya, X., Chang, X., 2019. Monitorovací systém internetu vecí moderného eko-poľnohospodárstva založený na cloud computingu. IEEE Access 7, 37050–37058.
Lopez-Granados, ´F., 2011. Detekcia buriny pre miestne špecifické riadenie buriny: mapovanie a prístupy v reálnom čase. Weed 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. Objektové včasné monitorovanie trávovej buriny v poraste trávy pomocou snímok UAV s vysokým rozlíšením. Agron. Udržať. 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. Skoré sezónne mapovanie buriny v slnečnici pomocou technológie UAV: variabilita máp ošetrenia herbicídmi voči prahom buriny. Presné. Agric. 17 (2), 183-199.
Lucieer, A., Malenovský, Z., Veness, T., Wallace, L., 2014. HyperUAS – zobrazovacia spektroskopia z multirotorového systému bezpilotného lietadla. J. Field 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. Terestriálne laserové skenovanie poľnohospodárske plodiny. V JJ
Chen J. Maas H–G. (Ed.), Medzinárodné archívy fotogrametrie, diaľkového prieskumu Zeme a priestorových informačných vied – archív ISPRS (Zv. 37, s. 563–566).
Medzinárodná spoločnosť pre fotogrammetriu a diaľkový prieskum Zeme. 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. Prehľad o klasifikácii obrázkov krajinnej pokrývky založenej na objektoch pod dohľadom. ISPRS J. Photogramm. Diaľkový senzor 130,
277–293. https://doi.org/10.1016/j.isprsjprs.2017.06.001.
Maes, WH, Steppe, K., 2019. Perspektívy diaľkového prieskumu bezpilotných lietadiel v presnom poľnohospodárstve. Trends 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.
Fenotypizácia sójových bôbov založená na bezpilotnom vzdušnom systéme (UAS) pomocou multisenzorovej fúzie údajov a stroja na extrémne učenie. ISPRS J. Photogramm. Remote 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.
Monitorovanie plodín pomocou fúzie údajov satelitov/UAV a strojového učenia. Diaľkové snímanie 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 ., Müllerová, ´ J., Tauro, F., de Lima, M., de
Lima, J., maltčina, A., Frances, F., Caylor, K., Kohv, M., Perks, M., Ruiz-P´erez, G., Su, Z., Vico, G., Toth , B., 2018. O používaní bezpilotných vzdušných systémov na
monitorovanie životného prostredia. Diaľkový prieskum Zeme 10 (4), 641.
Marinko, RA, 1998. Citácie na ženské časopisy v dizertačných prácach, 1989 a The Serials Librarian 35 (1–2), 29–44. https://doi.org/10.1300/J123v35n01_
03.
Masroor, R., Naeem, M., Ejaz, W., 2021. Riadenie zdrojov v bezdrôtových sieťach s podporou UAV: perspektíva optimalizácie. Ad Hoc Netw. 121, 102596 https://doi.org/10.1016/j.adhoc.2021.102596.
Matese, A., Di Gennaro, SF, 2018. Praktické aplikácie multisenzorovej UAV platformy založenej na multispektrálnych, tepelných a RGB obrazoch s vysokým rozlíšením v presnosti
vinohradníctvo. Poľnohospodárstvo 8 (7), 116. https://doi.org/10.3390/agriculture8070116.
Matese, A., Di Gennaro, SF, 2021. Okrem tradičného indexu NDVI ako kľúčového faktora pre mainstreaming používania UAV v presnom vinohradníctve. 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 Vzájomné porovnanie UAV, lietadiel
a satelitné platformy diaľkového snímania pre presné vinohradníctvo. Diaľkový prieskum Zeme 7 (3), 2971–2990. https://doi.org/10.3390/rs70302971.
Mazzia, V., Comba, L., Khaliq, A., Chiaberge, M., Gay, P., 2020. UAV a strojové učenie založené na zdokonalení satelitom riadeného vegetačného indexu pre presnosť
poľnohospodárstvo. Senzory 20 (9), 2530. https://doi.org/10.3390/s20092530.
McCain, KW, 1990. Mapovanie autorov v intelektuálnom priestore: technický prehľad. J. Am. Soc. Info. Sci. 41 (6), 433-443.
Meinen, BU, Robinson, DT, 2021. Modelovanie poľnohospodárskej erózie: vyhodnocovanie odhadov erózie v teréne podľa USLE a WEPP pomocou časových sérií údajov UAV. Environ. Modell. Software 137, 104962. https://doi.org/10.1016/j.envsoft.2021.104962.
Melville, B., Lucieer, A., Aryal, J., 2019. Klasifikácia nížinných pôvodných trávnatých spoločenstiev pomocou hyperspektrálnych snímok systému bezpilotných lietadiel (UAS) v
Tasmánsky stred. Drony 3 (1), 5.
Messina, G., Modica, G., 2020. Aplikácie UAV termovízie v presnom poľnohospodárstve: súčasný stav a perspektíva budúceho výskumu. Diaľkové snímanie 12 (9), https://doi.org/10.3390/rs12091491.
Mishra, D., Luo, Z., Jiang, S., Papadopoulos, T., Dubey, R., 2017. Bibliografická štúdia o veľkých dátach: koncepty, trendy a výzvy. Business Process Manag. J. 23 (3),
555-573.
Mochida, K., Saisho, D., Hirayama, T., 2015. Zlepšenie plodín pomocou súborov údajov o životnom cykle získaných v terénnych podmienkach. Predné. Plant Sci. 6 https://doi.org/10.3389/
fpls.2015.00740.
Mogili, UM.R., Deepak, BBVL, 2018. Prehľad o aplikácii systémov dronov v presnom poľnohospodárstve. Procedia Comp. Sci. 133, 502-509.
Moharana, S., Dutta, S., 2016. Priestorová variabilita obsahu chlorofylu a dusíka v ryži z hyperspektrálnych snímok. ISPRS J. Photogramm. Diaľkový senzor 122, 17–29.
Muangprathub, J., Boonnam, N., Kajornkasirat, S., Lekbangpong, N., Wanichsombat, A.,
Nillaor, P., 2019. Analýza dát internetu vecí a poľnohospodárstva pre inteligentnú farmu. Výpočet. Electron. Agric. 156, 467-474.
Nansen, C., Elliott, N., 2016. Diaľkové snímanie a profilovanie odrazu v entomológii. Annu. Entomol. 61 (1), 139-158. https://doi.org/10.1146/annurev-ento010715-023834.
Navia, J., Mondragon, I., Patino, D., Colorado, J., 2016. Multispektrálne mapovanie v poľnohospodárstve: terénna mozaika pomocou autonómnej kvadrokoptéry UAV. Int. Conf.
Systém bezpilotného lietadla. (ICUAS) 2016, 1351–1358. https://doi.org/10.1109/ ICUAS.2016.7502606.
Nayyar, A., Nguyen, B.-L., Nguyen, NG, 2020. Internet dronových vecí (Iodt): budúca predstava inteligentných dronov. Adv. Intell. Syst. Výpočet. 1045, 563–580. https://doi.org/10.1007/978-981-15-0029-9_45.
Nebiker, S., Annen, A., Scherrer, M., Oesch, D., 2008. Ľahký multispektrálny senzor pre mikro UAV – možnosti pre vzdušné diaľkové snímanie s veľmi vysokým rozlíšením. Int. Arch. Photogramm. Diaľkový senzor Spat. Inf. Sci 37 (B1), 1193-1200.
Negash, L., Kim, H.-Y., Choi, H.-L., 2019. Nové aplikácie UAV v poľnohospodárstve. In: 2019 7th International Conference on Robot Intelligence Technology and
Aplikácie (RiTA), s. 254–257. https://doi.org/10.1109/RITAPP.2019.8932853.
Nerur, SP, Rasheed, AA, Natarajan, V., 2008. Intelektuálna štruktúra oblasti strategického manažmentu: analýza spolucitovania autorov. Strateg. Manag. J. 29 (3),
319-336.
Neupane, K., Baysal-Gurel, F., 2021. Automatická identifikácia a monitorovanie chorôb rastlín pomocou bezpilotných lietadiel: prehľad. Diaľkové snímanie 13 (19), 3841. https://doi.org/10.3390/rs13193841.
Nex, F., Remondino, F., 2014. UAV pre aplikácie 3D mapovania: recenzia. Appl. Geomatika 6 (1), 1–15. https://doi.org/10.1007/s12518-013-0120-x.
Niu, H., Hollenbeck, D., Zhao, T., Wang, D., Chen, Y., 2020. Odhad evapotranspirácie s malými UAV v presnom poľnohospodárstve. Senzory 20 (22), 6427. https://
doi.org/10.3390/s20226427.
Osareh, F., 1996. Bibliometria, citačná analýza a kocitačná analýza. Prehľad literatúry I 46 (3), 149–158. https://doi.org/10.1515/libr.1996.46.3.149.
P´ adua, L., Vanko, J., Hruška, J., Ad˜ ao, T., Sousa, JJ, Peres, E., Morais, R., 2017. UAS, senzory a spracovanie dát v agrolesníctve: prehľad smerom k praktickým aplikáciám. Int. J. Remote Sens. 38 (8–10), 2349–2391. https://doi.org/10.1080/01431161.2017.1297548.
Panday, USA, Pratihast, AK, Aryal, J., Kayastha, RB, 2020. Prehľad dátových riešení založených na dronoch pre obilniny. Drony 4 (3), 1–29. https://doi.org/10.3390/
drony4030041.
Parsaeian, M., Shahabi, M., Hassanpour, H., 2020. Odhad obsahu oleja a bielkovín v sezamových semienkach pomocou spracovania obrazu a umelej neurónovej siete. J. Am. Olej
Chemici Soc. 97 (7), 691-702.
Pena, ˜ JM, Torres-S´anchez, J., de Castro, AI, Kelly, M., Lopez-Granados, ´ F., Suarez, O., Mapovanie buriny na poliach kukurice v rannej sezóne pomocou objektovej analýzy z
Snímky bezpilotných lietadiel (UAV). PLoS ONE 8 (10), e77151.
P'erez-Ortiz, M., Pena, ˜ JM, Guti'errez, PA, Torres-S' anchez, J., Herv' as-Martínez, C.,
Lopez-Granados, ´ F., 2015. Poloriadený systém na mapovanie buriny v porastoch slnečnice pomocou bezpilotných lietadiel a metódy detekcie riadkov plodín. Appl. Soft Comp. J. 37, 533-544. https://doi.org/10.1016/j.asoc.2015.08.027.
Pincheira, M., Vecchio, M., Giaffreda, R., Kanhere, SS, 2021. Nákladovo efektívne zariadenia internetu vecí ako dôveryhodné zdroje údajov pre systém riadenia vody založený na blockchaine v presnom poľnohospodárstve. Výpočet. Electron. Agric. 180, 105889.
Popescu, D., Stoican, F., Stamatescu, G., Ichim, L., Dragana, C., 2020. Pokročilý systém UAV–WSN pre inteligentné monitorovanie v presnom poľnohospodárstve. Senzory 20 (3), https://doi.org/10.3390/s20030817.
Pournader, M., Shi, Y., Seuring, S., Koh, SL, 2020. Aplikácie blockchainu v dodávateľských reťazcoch, doprave a logistike: systematický prehľad literatúry. Int. J. Prod. Res. 58 (7), 2063-2081.
Primicerio, J., Di Gennaro, SF, Fiorillo, E., Genesio, L., Lugato, E., Matese, A., Vaccari, FP, 2012. Flexibilné bezpilotné lietadlo pre presné poľnohospodárstvo.
Presné. Agric. 13 (4), 517-523. https://doi.org/10.1007/s11119-012-9257-6.
Pritchard, A., 1969. Štatistická bibliografia alebo bibliometria. J. Document. 25 (4), 348-349.
Pudelko, R., Stuczynski, T., Borzecka-Walker, M., 2012. Vhodnosť bezpilotného lietadla (UAV) na hodnotenie pokusných polí a plodín. Poľnohospodárstvo 99 (4), 431–436.
Puri, V., Nayyar, A., Raja, L., 2017. Poľnohospodárske drony: moderný prielom v presnom poľnohospodárstve. J. Statis. Manag. Syst. 20 (4), 507-518.
Radoglou-Grammatikis, P., Sarigiannidis, P., Lagkas, T., Moscholios, I., 2020. Kompilácia aplikácií UAV pre presné poľnohospodárstvo. Výpočet. Netw. 172,
107148 https://doi.org/10.1016/j.comnet.2020.107148.
Ramesh, KV, Rakesh, V., Prakasa Rao, EVS, 2020. Aplikácia analýzy veľkých dát a umelej inteligencie v agronomickom výskume. Ind J. Agron. 65 (4), 383-395.
Raparelli, E., Bajocco, S., 2019. Bibliometrická analýza používania bezpilotných lietadiel v poľnohospodárskych a lesníckych štúdiách. 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.
Potenciálne využitie systémov malých bezpilotných lietadiel (UAS) pri výskume burín. Weed Res. 53 (4), 242-248.
Rasmussen, J., Ntakos, G., Nielsen, J., Svensgaard, J., Poulsen, RN, Christensen, S., Sú vegetačné indexy odvodené od spotrebiteľských kamier namontovaných na
UAV dostatočne spoľahlivé na hodnotenie experimentálnych pozemkov? 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. Digitalizácia v potravinových dodávateľských reťazcoch: bibliometrický prehľad a hlavná cesta kľúčovej cesty
analýza. Udržateľnosť 14 (1), 83. https://doi.org/10.3390/su14010083.
Rejeb, A., Rejeb, K., Simske, SJ, Treiblmaier, H., 2021a. Drony pre riadenie dodávateľského reťazca a logistiku: program preskúmania a výskumu. 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 technológie v logistike a manažmente dodávateľského reťazca: bibliometrický prehľad. Logistika 5 (4), 72.
https://doi.org/10.3390/logistics5040072.
Rejeb, A., Rejeb, K., Simske, S., Treiblmaier, H., 2021c. Humanitárne drony: program preskúmania a výskumu. Internet of Things 16, 100434. https://doi.org/10.1016/j.
iot.2021.100434.
Rejeb, A., Treiblmaier, H., Rejeb, K., Zailani, S., 2021d. Blockchainový výskum v zdravotníctve: bibliometrický prehľad a súčasné trendy výskumu. J. of Data, Inf. a
Manag. 3 (2), 109-124.
Rejeb, A., Simske, S., Rejeb, K., Treiblmaier, H., Zailani, S., 2020. Výskum internetu vecí v manažmente dodávateľského reťazca a logistike: bibliometrická analýza. Internet
vecí 12, 100318.
ReportLinker, 2021. Globálny trh s dronmi v poľnohospodárstve dosiahne podľa YearGlobeNewswire News Room 15.2 miliardy USD. https://www.globenewswire.com/news-release/2021/08/10/2277986/0/en/Global-Agriculture-Drones-Market-to-Reach-US-15-2-Billion-by-the- Rok-2027.html.
Ribeiro-Gomes, K., Hernandez-L' opez, ' D., Ortega, JF, Ballesteros, R., Poblete, T., Moreno, MA, 2017. Kalibrácia a optimalizácia nechladenej termokamery
proces fotogrametrie pre aplikácie UAV v poľnohospodárstve. Snímače (Švajčiarsko) 17 (10). https://doi.org/10.3390/s17102173.
Rivera, MA, Pizam, A., 2015. Pokroky vo výskume pohostinstva: „Od Rodneyho Dangerfielda k Arethe Franklinovej“. Int. J. Contempor. NEMOCNICA. Manag. 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. Senzorický systém založený na mini-UAV na meranie environmentálnych premenných v skleníkoch. Senzory 15 (2), 3334–3350. https://doi.org/10.3390/s150203334.
Rozenberg, G., Kent, R., Blank, L., 2021. Spotrebiteľské UAV používané na detekciu a analýzu vzorov priestorového rozloženia burín v neskorej sezóne na komerčných cibuľových poliach. Presné. 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. Bez posádky spektrálny kamerový systém prevádzkovaný leteckým vozidlom (UAV) pre lesné a poľnohospodárske aplikácie. Pokračujte. SPIE – Int. Soc. Opt. Ing. 8174 https://doi.org/10.1117/12.897585.
Sah, B., Gupta, R., Bani-Hani, D., 2021. Analýza prekážok implementácie logistiky dronov. 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, dron na báze IOT na zlepšenie kvality plodín v poľnohospodárskej oblasti. V SH
N. Chakrabarti S. (Ed.), 2018 IEEE 8th Annual Computing and Communication Workshop and Conference, CCWC 2018 (zväzky 2018 – január, s. 612–615). inštitútu
of Electrical and Electronics Engineers Inc. doi: 10.1109/CCWC.2018.8301662.
Sai Vineeth, KV, Vara Prasad, YR, Dubey, SR, Venkataraman, H., 2019. LEDCOM: nová a efektívna komunikácia založená na LED pre presné poľnohospodárstvo. IEEE Conf. Info. komun. Technol. 2019, 1.–5. https://doi.org/10.1109/CICT48419.2019.9066177.
Salamí, E., Barrado, C., Pastor, E., 2014. Letové experimenty UAV aplikované na diaľkový prieskum vegetačných plôch. Diaľkový prieskum Zeme 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.
Letecké zobrazovacie systémy v nízkej nadmorskej výške s vysokým rozlíšením na fenotypizáciu riadkových a poľných plodín: prehľad. 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. Tepelné zobrazovanie založené na UAV s vysokým rozlíšením na odhad
okamžitá a sezónna variabilita stavu vody rastlín vo vinohrade. Agric. Vodné hospodárstvo. 183, 49-59. https://doi.org/10.1016/j.agwat.2016.08.026.
Sarli, CC, Dubinsky, EK, Holmes, KL, 2010. Okrem citačnej analýzy: Model na hodnotenie dopadu výskumu. J. Med. Knižnica doc. : 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. Zobrazovacia spektroskopia súvisiaca so systémom Zeme – hodnotenie. Vzdialený senzor prostredia. 113, S123 – S137.
Schirrmann, M., Giebel, A., Gleiniger, F., Pflanz, M., Lentschke, J., Dammer, K.-H., 2016. Monitorovanie agronomických parametrov porastov ozimnej pšenice s nízkonákladovým UAV
obraznosť. Diaľkové snímanie 8 (9). https://doi.org/10.3390/rs8090706.
Schmale III, DG, Dingus, BR, Reinholtz, C., 2008. Vývoj a aplikácia autonómneho bezpilotného lietadla na presné aerobologické odbery vyššie
poľnohospodárske polia. J. Field Rob. 25 (3), 133-147. https://doi.org/10.1002/rob.20232.
Shadrin, D., Menshchikov, A., Somov, A., Bornemann, G., Hauslage, J., Fedorov, M.,
Umožnenie presného poľnohospodárstva prostredníctvom zabudovaného snímania s umelou inteligenciou. IEEE Trans. Prístroj. 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. Bezpilotné lietadlá (UAV): prieskum o civilných aplikáciách a kľúčových výskumných výzvach. IEEE prístup 7,
48572–48634. https://doi.org/10.1109/ACCESS.2019.2909530.
Shakoor, N., Northrup, D., Murray, S., Mockler, TC, 2019. Poľnohospodárstvo riadené veľkými údajmi: analýza veľkých údajov v šľachtení rastlín, genomike a využívaní diaľkového prieskumu
technológie na zvýšenie produktivity plodín. Rastlinný jav J. 2 (1), 1–8.
Sharma, BK, Chandra, G., Mishra, VP, 2019. Porovnávacia analýza a implikácia UAV a AI vo forenzných vyšetrovaniach. In: Zborník – 2019 Amity International
Konferencia o umelej inteligencii. https://doi.org/10.1109/AICAI.2019.8701407.
Sharma, R., Shishodia, A., Gunasekaran, A., Min, H., Munim, ZH, 2022. Úloha umelej inteligencie v manažmente dodávateľského reťazca: mapovanie územia. 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., Valašek, 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. Bezpilotné lietadlá pre vysokovýkonnú fenotypizáciu a agronomický výskum. PLoS ONE
11 (7), e0159781.
Shuai, G., Martinez-Feria, RA, Zhang, J., Li, S., Price, R., Basso, B., 2019. Zachytenie heterogenity porastu kukurice v zónach stability výnosu pomocou bezpilotnej antény
Vozidlá (UAV). Senzory 19 (20), 4446. https://doi.org/10.3390/s19204446.
Small, H., 1973. Kocitovanie vo vedeckej literatúre: nová miera vzťahu dvoch dokumentov. J. Am. Soc. Info. Sci. 24 (4), 265-269.
Small, H., Rorvig, ME, Lunin, LF, 1999. Vizualizácia vedy citačným mapovaním. J. Am. Soc. Info. Sci. 50 (9), 799-813.
Soares, VHA, Ponti, MA, Gonçalves, RA, Campello, RJGB, 2021. Počítanie dobytka vo voľnej prírode s geolokovanými leteckými snímkami na veľkých pastvinách. Výpočet. Electron. Agric. 189, 106354 https://doi.org/10.1016/j.compag.2021.106354.
Srivastava, K., Pandey, PC, Sharma, JK, 2020. Prístup k optimalizácii trasy v aplikáciách presného poľnohospodárstva pomocou UAV. Drony 4 (3), 58. https://doi.org/ 10.3390/drones4030058.
Stafford, JV, 2000. Implementácia presného poľnohospodárstva v 21. storočí. J. Agric. Ing. Res. 76 (3), 267-275.
Su, J., Coombes, M., Liu, C., Guo, L., Chen, W.-H., 2018. Hodnotenie sucha pšenice pomocou snímok diaľkového snímania pomocou bezpilotného leteckého prostriedku. V roku 2018 37. čínska kontrolná konferencia (CCC).
Su, J., Liu, C., Coombes, M., Hu, X., Wang, C., Xu, X., Li, Q., Guo, L., Chen, W.-H., 2018. Monitorovanie žltej hrdze pšenice učením sa z multispektrálnych leteckých snímok UAV.
Výpočet. Electron. Agric. 155, 157–166. https://doi.org/10.1016/j. compag.2018.10.017.
Su, Y., Wang, X., 2021. Inovácia hospodárenia v poľnohospodárstve v procese budovania inteligentného poľnohospodárstva pomocou veľkých dát. Udržateľný počítač. Inf. Syst. 31, 100579 https://doi.org/10.1016/j.suscom.2021.100579.
Sullivan, DG, Fulton, JP, Shaw, JN, Bland, GL, 2007. Hodnotenie citlivosti bezpilotného tepelného infračerveného vzdušného systému na detekciu vodného stresu v bavlnenom baldachýne. Trans. ASABE 50 (6), 1955–1962.
Sumesh, KC, Ninsawat, S., Som-ard, J., 2021. Integrácia vegetačného indexu založeného na RGB, modelu povrchu plodín a objektovej analýzy obrazu na odhad výnosu cukrovej trstiny pomocou bezpilotného leteckého prostriedku. Výpočet. Electron. 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. Ľahký hyperspektrálny mapovací systém pre
bezpilotné lietadlá – prvé výsledky. In: 2013 5. workshop o hyperspektrálnom spracovaní obrazu a signálu: Evolúcia v diaľkovom snímaní (WHISPERS), s. 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. Ľahký hyperspektrál
mapovací systém a reťazec fotogrametrického spracovania pre bezpilotné lietadlá. Diaľkový prieskum Zeme 6 (11), 11013–11030. https://doi.org/10.3390/
rs61111013.
Syeda, IH, Alam, MM, Illahi, U., Su'ud, MM, 2021. Pokročilé riadiace stratégie využívajúce spracovanie obrazu, UAV a AI v poľnohospodárstve: Prehľad. Svet J. Eng. 18 (4),
579–589. https://doi.org/10.1108/WJE-09-2020-0459.
Tahai, A., Rigsby, JT, 1998. Spracovanie informácií pomocou citácií na skúmanie vplyvu časopisov v účtovníctve. Inf. Proces. Spravovať. 34 (2–3), 341–359.
Tang, Y., Dananjayan, S., Hou, C., Guo, Q., Luo, S., He, Y., 2021. Prieskum o sieti 5G a jej vplyve na poľnohospodárstvo: výzvy a príležitosti. Výpočet.
Electron. Agric. 180, 105895 https://doi.org/10.1016/j.compag.2020.105895.
Tantalaki, N., Souravlas, S., Roumeliotis, M., 2019. Rozhodovanie založené na údajoch v presnom poľnohospodárstve: vzostup veľkých údajov v poľnohospodárskych systémoch. J. Agric. Informácie o jedle.
20 (4), 344 - 380.
Tao, H., Feng, H., Xu, L., Miao, M., Yang, G., Yang, X., Fan, L., 2020. Odhad úrody a výšky rastlín ozimnej pšenice pomocou UAV- založené na hyperspektrálnych snímkach.
Senzory 20 (4), 1231.
Techy, L., Schmale III, DG, Woolsey, CA, 2010. Koordinovaný aerobologický odber vzoriek rastlinného patogénu v spodnej atmosfére pomocou dvoch autonómnych bezpilotných lietadiel. J. Field 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. Detekcia a klasifikácia škodcov sóje pomocou hlbokého učenia
s obrázkami UAV. Výpočet. Electron. Agric. 179, 105836.
Thamm, H.-P., Menz, G., Becker, M., Kuria, DN, Misana, S., Kohn, D., 2013. The Use of Uas for Assessing Agricultural Systems in AN Wetland in Tanzánia in the— A WetSeason pre trvalo udržateľné poľnohospodárstvo a poskytovanie základnej pravdy pre údaje Terra-Sar X. In: ISPRS – International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, s. 401–406. https://doi.org/10.5194/isprsarchivesXL-1-W2-401-2013.
Thelwall, M., 2008. Od bibliometrie k webometrii. J. Info. Sci. 34 (4), 605-621.
Torres-Sanchez, ´ J., Lopez-Granados, ´ F., Pena, ˜ JM, 2015. Automatická objektová metóda pre optimálne prahovanie v UAV snímkach: aplikácia na detekciu vegetácie v bylinných plodinách. Výpočet. Electron. 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. Vysokovýkonný 3-D monitoring plantáží poľnohospodárskych stromov s Technológia bezpilotných lietadiel (UAV). PLoS ONE 10 (6), e0130479.
Torres-Sanchez, ´ J., Pena, ˜ JM, de Castro, AI, Lopez-Granados, ´ F., 2014. Multičasové mapovanie vegetačnej frakcie na poliach pšenice v skorej sezóne pomocou snímok z UAV. Výpočet. Electron. Agric. 103, 104-113. https://doi.org/10.1016/j. compag.2014.02.009.
Tsouros, DC, Bibi, S., Sarigiannidis, PG, 2019. Prehľad aplikácií založených na UAV pre presné poľnohospodárstvo. Informácie (Švajčiarsko) 10 (11). https://doi.org/10.3390/info10110349.
Tu, Y.-H., Phinn, S., Johansen, K., Robson, A., Wu, D., 2020. Optimalizácia plánovania letu s dronom na meranie štruktúry plodín záhradných stromov. 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 vecí v poľnohospodárstve, nedávne pokroky a budúce výzvy. Biosyst. Ing. 164, 31–48.
https://doi.org/10.1016/j.biosystemseng.2017.09.007.
Uddin, A., Singh, VK, Pinto, D., Olmos, I., 2015. Scientometrické mapovanie výskumu počítačovej vedy v Mexiku. Scientometria 105 (1), 97–114.
OSN., 2019. Vyhliadky svetovej populácie 2019. https://population.un.org/wpp/ (Prístupné dňa 15).
Uto, K., Seki, H., Saito, G., Kosugi, Y., 2013. Charakterizácia ryžových polí pomocou miniatúrneho hyperspektrálneho senzorového systému namontovaného na UAV. IEEE J. Sel. Hore. Appl. Earth Obs.
Remote 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. Drony v
poľnohospodárstvo. Adv. Agron. 162, 1–30.
Velusamy, P., Rajendran, S., Mahendran, RK, Naseer, S., Shafiq, M., Choi, J.-G., 2022.
Bezpilotné lietadlá (UAV) v presnom poľnohospodárstve: aplikácie a výzvy. Energies 15 (1), 217. https://doi.org/10.3390/en15010217.
Ventura, D., Bonifazi, A., Gravina, MF, Belluscio, A., Ardizzone, G., 2018. Mapovanie a klasifikácia ekologicky citlivých morských biotopov pomocou bezpilotných lietadiel
Snímky vozidiel (UAV) a objektovo-založená obrazová analýza (OBIA). Diaľkové snímanie 10 (9), 1331. https://doi.org/10.3390/rs10091331.
Verger, A., Vigneau, N., Ch´eron, C., Gilliot, J.-M., Comar, A., Baret, F., 2014. Index zelenej plochy z bezpilotného leteckého systému na plodinách pšenice a repky . Vzdialený senzor prostredia. 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. Nasadenie štyroch optických senzorov založených na UAV na pastvinách: výzvy a
obmedzenia. Biogeosciences 12 (1), 163–175. https://doi.org/10.5194/bg-12-163-2015.
Vuran, MC, Salam, A., Wong, R., Irmak, S., 2018. Internet podzemných vecí v presnom poľnohospodárstve: architektúra a technologické aspekty. Ad Hoc Netw. 81,
160-173. https://doi.org/10.1016/j.adhoc.2018.07.017.
Wamba, SF, Queiroz, MM, 2021. Zodpovedná umelá inteligencia ako tajná zložka pre digitálne zdravie: bibliometrická analýza, poznatky a smery výskumu.
Info. Syst. Predné. 1–16.
Wang, L., Zhang, G., Wang, Z., Liu, J., Shang, J., Liang, L., 2019. Bibliometrická analýza trendu výskumu diaľkového snímania v monitorovaní rastu plodín: Prípadová štúdia v Číne. Diaľkový prieskum Zeme 11 (7). https://doi.org/10.3390/rs11070809.
White, HD, Griffith, BC, 1981. Kocitácia autora: Literatúra miera intelektuálnej štruktúry. J. Am. Soc. Info. Sci. 32 (3), 163-171.
Xiang, H., Tian, L., 2011. Vývoj nízkonákladového poľnohospodárskeho systému diaľkového snímania založeného na autonómnom bezpilotnom lietadle (UAV). Biosyst. Ing. 108 (2), 174–190. https://doi.org/10.1016/j.biosystemseng.2010.11.010.
Xie, C., Yang, C., 2020. Prehľad o vysokovýkonných fenotypových vlastnostiach rastlín pomocou senzorov založených na UAV. Výpočet. Electron. Agric. 178, 105731 https://doi.org/10.1016/j.
compag.2020.105731.
Yao, H., Qin, R., Chen, X., 2019. Bezpilotné vzdušné vozidlo pre aplikácie diaľkového snímania – prehľad. Diaľkový prieskum Zeme 11 (12). https://doi.org/10.3390/
rs11121443.
Yeom, S., 2021. Sledovanie pohybu ľudí a odstraňovanie falošných stôp pomocou infračerveného tepelného zobrazovania pomocou multirotora. Drony 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. Porovnanie odhadu parametrov plodiny pomocou obrázkov z UAV namontované
snímkový hyperspektrálny snímač a digitálny fotoaparát s vysokým rozlíšením. Diaľkové snímanie 10 (7), 1138. https://doi.org/10.3390/rs10071138.
Yue, J., Yang, G., Li, C., Li, Z., Wang, Y., Feng, H., Xu, B., 2017. Odhad nadzemnej biomasy ozimnej pšenice pomocou bezpilotných lietadiel- založená snímka
hyperspektrálny snímač a modely s vylepšenou výškou orezania. Diaľkový prieskum Zeme 9 (7). https://doi.org/10.3390/rs9070708.
Zahawi, RA, Dandois, JP, Holl, KD, Nadwodny, D., Reid, JL, Ellis, EC, 2015. Používanie ľahkých bezpilotných lietadiel na monitorovanie obnovy tropických pralesov. 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.
Inteligentná farmárska IoT platforma založená na edge a cloud computingu. Biosyst. Ing. 177,
4-17.
Zarco-Tejada, PJ, Diaz-Varela, R., Angileri, V., Loudjani, P., 2014. Kvantifikácia výšky stromu pomocou snímok s veľmi vysokým rozlíšením získaných z bezpilotnej antény
vozidla (UAV) a metódy automatickej 3D fotorekonštrukcie. 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. Fenotypizácia intenzity kvitnutia v chladnom období na základe obrázkov. Senzory 20 (5), 1450. https://doi.org/10.3390/s20051450.
Zhang, C., Kovacs, JM, 2012. Aplikácia malých bezpilotných leteckých systémov pre presné poľnohospodárstvo: prehľad. Presné. Agric. 13 (6), 693-712. https://doi.org/
10.1007/s11119-012-9274-5.
Zhang, L., Zhang, H., Niu, Y., Han, W., 2019. Mapovanie vodného stresu kukurice na základe UAV multispektrálneho diaľkového snímania. Diaľkový prieskum Zeme 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. Prístup založený na hlbokom učení pre automatizovanú žltú hrdzu
detekcia ochorenia z hyperspektrálnych UAV obrazov s vysokým rozlíšením. Diaľkový prieskum Zeme 11 (13), 1554.
Zhao, X., Zhang, J., Huang, Y., Tian, Y., Yuan, L., 2022. Detekcia a diskriminácia chorobného a hmyzieho stresu čajových rastlín pomocou hyperspektrálneho zobrazovania v kombinácii s vlnkovou analýzou. Výpočet. Electron. Agric. 193, 106717 https://doi.org/10.1016/j. compag.2022.106717.
Zheng, A., Wang, M., Li, C., Tang, J., Luo, B., 2022. Entropia riadená adversarial domain adaptation for air image sémantic segmentation. IEEE Trans. G
Zheng, H., Cheng, T., Yao, X., Deng, X., Tian, Y., Cao, W., Zhu, Y., 2016. Detekcia fenológie ryže prostredníctvom analýzy časových radov pozemného spektrálneho indexové údaje. Field Crops Res. 198, 131-139. https://doi.org/10.1016/j.fcr.2016.08.027.
Zheng, J., Yang, W., 2018. Návrh presného poľnohospodárskeho výsevného systému na báze bezdrôtových senzorov. Int. J. Online Ing. 14 (05), 184.
Zhou, L., Gu, X., Cheng, S., Yang, G., Shu, M., Sun, Q., 2020. Analýza zmien výšky rastlín položenej kukurice pomocou údajov UAV-LiDAR. Poľnohospodárstvo 10 (5), 146. https://
doi.org/10.3390/agriculture10050146.
Zhou, S., Chai, X., Yang, Z., Wang, H., Yang, C., Sun, T., 2021. Kukurica-IAS: Softvér na analýzu obrazu kukurice využívajúci hlboké učenie na vysokovýkonné fenotypovanie rastlín . Plant Methods 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. Predpovedanie výnosu zrna v r. ryža využívajúca viacčasovú vegetáciu
indexy z multispektrálnych a digitálnych snímok založených na UAV. ISPRS J. Photogramm. Remote Sens. 130, 246–255. https://doi.org/10.1016/j.isprsjprs.2017.05.003.
Zhou, Y., Xie, Y., Shao, L., 2016. Simulácia základnej technológie systému monitorovania skleníkov na báze bezdrôtovej senzorovej siete. Int. J. Online Ing. 12 (05),
43.
Zhou, Z., Majeed, Y., Diverres Naranjo, G., Gambacorta, EMT, 2021. Posúdenie stresu plodín s vodou pomocou infračerveného tepelného zobrazenia v presnom poľnohospodárstve: prehľad
a budúce vyhliadky aplikácií hlbokého učenia. Výpočet. Electron. Agric. 182, 106019 https://doi.org/10.1016/j.compag.2021.106019.