Adaptive Decision Support System for Smart Agricultural Crop Cultivation to Support Food Safety Standard
Système d'aide à la décision adaptatif pour la culture agricole intelligente afin de soutenir la norme de sécurité alimentaire
Résumé
Agriculture is crucial since it provides food for the world's people. To meet market demands, farmers must control yield quality and quantity throughout crop cultivation. Farmers must therefore be knowledgeable in order to develop and preserve crops. During the crop's life cycle, crop management activities safeguard the crop cultivation from difficulties that affect yields, such as weather, infections, and insects, among others. To meet the aim of crop cultivation in each cultivation stage, a range of cultural treatments may be required.
The Food and Agriculture Organization of the United Nations (FAO) predicts that by 2050, the world's population will have risen to 9.1 billion people [FAO, 2009]. Food demand has risen in tandem with global population growth. To supply this demand for food, farmers must plant crops. As a result, agricultural resource use will rise. Water is the most vital resource for cultivation, followed by fertilizers, herbicides, and crop disease control agents, among other things. Because water is the most crucial ingredient in plant growth, agriculture's water consumption, as well as fertilizer, pesticides, and plant diseases, must increase as a result of the increased production volume. However, each crop has different water, fertilizer, and pesticide requirements, and crop diseases vary depending on the growing season. As a result, understanding how to manage these resources is essential. Furthermore, the current climate change issue has had a significant impact on agricultural production and quality [United States Environmental Protection Agency, 2016]. As an outcome, the use of smart technology for agriculture, also known as "Smart Agriculture," is another way to assist farmers in improving their crop cultivation processes in the current situation.
Smart Agriculture is a trend that emphasizes the use of information and communication technology in agriculture field. Smart Agriculture assists in guiding actions required to modify and reorient agricultural systems in order to effectively support development and ensure food safety (production and quality of yields) in an ever-changing climate. Smart agriculture technology is made up of various technological implementations and information, such as smart sensing and monitoring, smart control, could-based computing, smart analysis and planning to manage cultivation production as an automatic system, decision support system, or expert system. At the moment, the existing decision support system for smart agriculture relies solely on data collected by intelligent sensors. According to experts, this is insufficient for making crop-maintenance decisions. Furthermore, existing knowledge-based systems or expert systems rely solely on data captured from human experts, which is insufficient for crop maintenance decisions. As a result, improving the functionality of decision-making systems requires combining smart technologies and human experts to provide appropriate recommendations to farmers based on data collected from smart sensors and technologies and expert judgment, which is the primary goal of this research.
As a result, in this thesis, an Adaptive Decision Support System (Adaptive DSS) was proposed to analyze data collected through the use of intelligent technology, both on and off the farm. Including rules for caring for plants in each growing season obtained from expert knowledge. Through a chat application, farmers will be given appropriate advice on how to care for their crops during each growing season or crop life-cycle, which includes watering, fertilizing, pest control, crop disease control, and weed control. This research is divided into three sections: Knowledge Engineering (KE), Adaptive Decision Support System (Adaptive DSS), and Data Visualization.
The first section involves using knowledge engineering (KE) approaches to capture knowledge from experts, extract knowledge from experts, and create rules for crop management in each growth phase based on the knowledge captured by experts. A knowledge matrix is used to define cognitive conflicts between experts by matching captured and extracted expert knowledge to the body of knowledge and crop maintenance process parameters. The crop maintenance rule-base was developed based on best practices and an analysis of expert knowledge conflicts. Furthermore, crop maintenance knowledge videos were created. These videos discuss the effects of each parameter on crops, as well as the reading and interpretation of data captured by sensor technology for use in sharing knowledge with farmers. Adaptive DSS is a system that analyzes on-farm and off-farm data, as well as the crop maintenance rule-base, in order to provide farmers with appropriate crop maintenance recommendations. The sensors are used to collect data on farms. The open weather station website is used to collect data from off-farm sources. As the management of water resources in crop cultivation is critical due to today's limited availability of natural fresh water, water management also needs to be anticipated. In crop irrigation, soil moisture value is very important to help determine if soil water is sufficient for crop growth or not. The soil moisture value in the near future is also predicted in the Adaptive DSS using a Long-Short Term Memory (LSTM) machine learning approach (Machine Learning, ML) to provide recommendations to farmers for water management on their farm. In terms of data visualization, it functions similarly to an interface used to control and communicate between the system and farmers via a mobile chat application. Farmers can monitor their farms and control crop maintenance of their own farm crops at any time and from any location. Farmers were overwhelmingly pleased with it, giving it a 96% satisfaction rating based on the implementation results.
L'agriculture est cruciale car elle fournit de la nourriture à la population mondiale. Pour répondre aux demandes du marché, les agriculteurs doivent contrôler la qualité et la quantité des rendements tout au long de la culture. Les agriculteurs doivent donc être bien informés pour développer et préserver les cultures. Pendant le cycle de vie de la culture, les activités de gestion des cultures protègent la culture des difficultés qui affectent les rendements, telles que les conditions météorologiques, les infections et les insectes, entre autres. Pour atteindre l'objectif de la culture à chaque étape de la culture, une gamme de traitements culturels peut être nécessaire.
L'Organisation des Nations Unies pour l'alimentation et l'agriculture (FAO) prévoit que d'ici 2050, la population mondiale atteindra 9,1 milliards de personnes [FAO, 2009]. La demande alimentaire a augmenté parallèlement à la croissance démographique mondiale. Pour répondre à cette demande de nourriture, les agriculteurs doivent planter des cultures. En conséquence, l'utilisation des ressources agricoles augmentera. L'eau est la ressource la plus vitale pour la culture, suivie par les engrais, les herbicides et les agents de lutte contre les maladies des cultures, entre autres. Parce que l'eau est l'ingrédient le plus crucial dans la croissance des plantes, la consommation d'eau de l'agriculture, ainsi que les engrais, les pesticides et les maladies des plantes, doit augmenter en raison de l'augmentation du volume de production. Cependant, chaque culture a des besoins différents en eau, en engrais et en pesticides, et les maladies des cultures varient en fonction de la saison de croissance. Par conséquent, il est essentiel de comprendre comment gérer ces ressources. De plus, le problème actuel du changement climatique a eu un impact significatif sur la production et la qualité agricoles [United States Environnemental Protection Agency, 2016]. En conséquence, l'utilisation de la technologie intelligente pour l'agriculture, également connue sous le nom ‘d'agriculture intelligente’, est un autre moyen d'aider les agriculteurs à améliorer leurs processus de culture dans la situation actuelle.
L'agriculture intelligente est une tendance qui met l'accent sur l'utilisation des technologies de l'information et de la communication dans le domaine agricole. Smart Agriculture aide à orienterles actions nécessaires pour modifier et réorienter les systèmes agricoles afin de soutenir efficacement le développement et d'assurer la sécurité alimentaire (production et qualité des rendements) dans un climat en constante évolution. La technologie de l'agriculture intelligente est composée de diverses implémentations et informations technologiques, telles que la détection et la surveillance intelligentes, le contrôle intelligent, l'informatique basée sur le potentiel, l'analyse intelligente et la planification pour gérer la production agricole en tant que système automatique, système d'aide à la décision ou système expert. À l'heure actuelle, le système d'aide à la décision existant pour l'agriculture intelligente repose uniquement sur des données collectées par des capteurs intelligents. Selon les experts, cela est insuffisant pour prendre des décisions en matière d'entretien des cultures. De plus, les systèmes basés sur les connaissances ou les systèmes experts existants reposent uniquement sur des données recueillies auprès d'experts humains, ce qui est insuffisant pour les décisions d'entretien des cultures. En conséquence, l'amélioration de la fonctionnalité des systèmes de prise de décision nécessite de combiner des technologies intelligentes et des experts humains pour fournir des recommandations appropriées aux agriculteurs sur la base des données collectées à partir de capteurs et de technologies intelligents et du jugement d'experts, ce qui est l'objectif principal de cette recherche.
En conséquence, dans cette thèse, un système d'aide à la décision adaptatif (Adaptatif DSS) a été proposé pour analyser les données collectées grâce à l'utilisation de technologies intelligentes, à la fois sur et hors de la ferme. Y compris les règles d'entretien des plantes à chaque saison de croissance obtenues à partir des connaissances d'experts. Grâce à une application de chat, les agriculteurs recevront des conseils appropriés sur la façon de prendre soin de leurs cultures au cours de chaque saison de croissance ou cycle de vie des cultures, ce qui comprend l'arrosage, la fertilisation, la lutte antiparasitaire, la lutte contre les maladies des cultures et la lutte contre les mauvaises herbes. Cette recherche est divisée en trois sections : l'ingénierie des connaissances (KE), le système d'aide à la décision adaptatif (Adaptatif DSS) et la visualisation des données.
La première section implique l'utilisation d'approches d'ingénierie des connaissances (KE) pour capturer les connaissances des experts, extraire les connaissances des experts et créer des règles pour la gestion des cultures dans chaque phase de croissance sur la base des connaissances capturées par les experts. Une matrice de connaissances est utilisée pour définir les conflits cognitifs entre experts en faisant correspondre les connaissances d'experts capturées et extraites au corpus de connaissances et aux paramètres du processus d'entretien des cultures. La base de règles d'entretien des cultures a été développée sur la base des meilleures pratiques et d'une analyse des conflits de connaissances des experts. De plus, des vidéos de connaissances sur l'entretien des cultures ont été créées. Ces vidéos traitent des effets de chaque paramètre sur les cultures, ainsi que de la lecture et de l'interprétation des données capturées par la technologie des capteurs pour une utilisation dans le partage des connaissances avec les agriculteurs. Adaptive DSS est un système qui analyse les données à la ferme et hors ferme, ainsi que la base de règles d'entretien des cultures, afin de fournir aux agriculteurs des recommandations appropriées pour l'entretien des cultures. Des équipements intelligents et la technologie des capteurs sont utilisés pour collecter des données dans les fermes. Le site Web ouvert de la station météorologique est utilisé pour collecter des données provenant de sources extérieures à la ferme. Comme la gestion des ressources en eau dans les cultures est critique en raison de la disponibilité limitée actuelle de l'eau naturelle, la gestion de 'eau doit également être anticipée. Dans l'irrigation des cultures, la valeur de l'humidité du sol est très importante pour aider à déterminer si l'eau du sol est suffisante pour la croissance des cultures ou non. La valeur de l'humidité du sol dans un avenir proche est également prédite dans le DSS adaptatif à l'aide d'une approche d'apprentissage automatique à mémoire à long terme (LSTM) (Machine Learning, ML) pour fournir des recommandations aux agriculteurs pour la gestion de l'eau sur leur ferme. En termes de visualisation des données, il fonctionne de manière similaire à une interface utilisée pour contrôler et communiquer entre le système et les agriculteurs via une application de chat mobile. Les agriculteurs peuvent surveiller leurs exploitations et contrôler l'entretien de leurs propres cultures à tout moment et à partir de n'importe quel endroit. Sur la base du résultat de la mise en oeuvre, les agriculteurs en étaient extrêmement satisfaits, lui attribuant un taux de satisfaction de 96 %.
Mots clés
Origine : Fichiers produits par l'(les) auteur(s)