人口的大幅增加极大地影响了粮食供应。农民需要健康的土壤和天然矿物进行传统农业，生产需要更长的时间。被称为垂直农业(VF)的无土壤耕作方法需要很小的土地，但比传统的土壤依赖农业技术消耗了大量的水。随着水培学、雾培学和鱼菜共生等现代技术的发展，VF的概念在耕地非常稀缺的城市地区似乎有一个很好的未来。VF在同时监测多种指标、营养建议和植物诊断系统方面面临着困难，然而，这些问题可以通过实现当前的技术进步来解决，比如基于人工智能（AI）的控制技术，如机器学习（ML）、深度学习（DL）、物联网（IoT）、图像处理以及计算机视觉。本文深入分析了机器学习和物联网在VF系统中的应用。主要关注的领域包括疾病检测、作物产量预测、营养和灌溉控制管理。为了预测作物产量和作物病害，计算机视觉技术根据不同的作物图像集合的分类进行了研究。本文还说明了基于ML和物联网的VF系统，它们可以通过长期的检测提高产品质量和产量。本文还概述了基于知识的VF系统的评估和评估，并概述了ML和物联网在VF系统中的潜在结果、优势和局限性。

 

图1 世界人口增长和农业用地减少

 

图2 按界别划分的用水量

 

图3 垂直农业系统（VF）

 

图4 垂直农业系统（VF）的主要组件

VF系统可分为三种不同的类型，即水培系统、雾培系统和鱼菜共生系统。

 

图5 水培农业

基于构建完整水培体系的结构，水培体系可以再细分为多种类型。

 

图6 Wick水培系统

 

图7 深水养殖（DWC）水培系统

 

图8 潮汐式和流水式水培系统

 

图9 NFT(营养膜技术)水培系统

 

图10 滴式水培系统

 

表1 水培系统的优点

 

图11 雾培系统

 

图12 鱼菜共生系统

 

图13 机器学习（ML）算法的工作流程

 

图14 ML算法的分类

 

图15 物联网（IoT）的工作模式

 

图16 物联网（IoT）的传感器类型

 

表2 物联网（IoT）的传感器规格功能清单

 

图17 ML和物联网启用了VF系统

 

图18 ML和物联网支持的水培VF系统的体系结构

 

图19 物联网（IoT）的五层体系结构

 

图20 ML和物联网在VF系统中的应用

 

图21 水培法VF系统中植物病害检测的方框图

 

图22 利用机器学习算法的产量预测框图

 

图23 利用物联网和机器学习算法实现的VF自动化方框图

 

本文对在垂直农业（VF）系统中使用的物联网和机器学习算法技术进行了全面的综述，通过列举许多已建立的VF策略，如水培、雾培和鱼菜共生系统以帮助农民理解VF系统的技术基础。此外，本文还研究了机器学习算法技术和物联网如何使研究者能够在所有类型的VF系统中预测作物的疾病检测、作物产量预测、营养和灌溉控制管理。最后，这篇综述文章将产生丰富的信息，这将对从事智能VF系统开发的农学家、学者、决策者和技术人员非常有帮助。

 

来 源

Rathor, Ajit Singh et al. “Empowering Vertical Farming through IoT and AI-Driven Technologies: A Comprehensive Review.” Heliyon. July 23, 2024

 

编辑

郑静文