Drones in Precision Agriculture: A Comprehensive Review of Applications, Technologies, and Challenges
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the face of growing challenges in modern agriculture, such as climate change, sustainable resource management, and food security, drones are emerging as essential tools for transforming precision agriculture. This systematic review, based on an in-depth analysis of recent scientific literature (2020–2024), provides a comprehensive synthesis of current drone applications in the agricultural sector, primarily focusing on studies from this period while including a few notable exceptions of particular interest. Our study examines in detail the technological advancements in drone systems, including innovative aerial platforms, cutting-edge multispectral and hyperspectral sensors, and advanced navigation and communication systems. We analyze diagnostic applications, such as crop monitoring and multispectral mapping, as well as interventional applications like precision spraying and drone-assisted seeding. The integration of artificial intelligence and IoTs in analyzing drone-collected data is highlighted, demonstrating significant improvements in early disease detection, yield estimation, and irrigation management. Specific case studies illustrate the effectiveness of drones in various crops, from viticulture to cereal cultivation. Despite these advancements, we identify several obstacles to widespread drone adoption, including regulatory, technological, and socio-economic challenges. This study particularly emphasizes the need to harmonize regulations on beyond visual line of sight (BVLOS) flights and improve economic accessibility for small-scale farmers. This review also identifies key opportunities for future research, including the use of drone swarms, improved energy autonomy, and the development of more sophisticated decision-support systems integrating drone data. In conclusion, we underscore the transformative potential of drones as a key technology for more sustainable, productive, and resilient agriculture in the face of global challenges in the 21st century, while highlighting the need for an integrated approach combining technological innovation, adapted policies, and farmer training.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle