Cette étude présente l'agriculture de précision pilotée par l'Internet des objets (IoT-PA), qui utilise des réseaux de capteurs, une surveillance en temps réel et une irrigation intelligente afin d'augmenter la production agricole et l'efficacité de l'utilisation de l'eau. Ce cadre favorise une agriculture durable ainsi que les objectifs de développement durable 2 (Faim zéro) et 12 (Consommation et production responsables).
Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.
Article de recherche
Exploiter les technologies numériques dans le secteur agroalimentaire : un cadre d'agriculture de précision piloté par l'IdO pour atteindre les objectifs de développement durable
Dans cet article
Résumé
Résumé
L'industrie agroalimentaire s'oriente rapidement vers le numérique afin de répondre aux contraintes de ressources, à l'imprévisibilité climatique et à la production alimentaire durable, en utilisant l'Internet des objets (IoT), l'intelligence artificielle (AI), le cloud computing et l'analyse de données. En raison de plannings d'irrigation rigides et d'une surveillance limitée des champs, l'agriculture traditionnelle gaspille de l'eau, réduit le rendement des cultures et nuit à l'environnement. Le système d'agriculture de précision piloté par l'Internet des objets (IoT-PA) présenté dans cet article optimise l'utilisation des ressources agricoles grâce à des réseaux de capteurs distribués, à une surveillance en temps réel de l'humidité du sol et des conditions météorologiques, ainsi qu'à un contrôle intelligent de l'irrigation. La plateforme proposée collecte des données environnementales, analyse les conditions sur le terrain et recommande automatiquement des interventions d'irrigation afin de maximiser la croissance des cultures et d'éviter le gaspillage d'eau. Grâce à une surveillance continue et à des notifications rapides fournies par le système, les agriculteurs peuvent prendre des décisions agricoles fondées sur des données. Par rapport à l'agriculture traditionnelle, l'architecture IoT-PA améliore l'efficacité de l'irrigation, le rendement agricole et la gestion durable des ressources. Une production agricole accrue et une utilisation efficace de l'eau et des ressources contribuent à l'Objectif de développement durable (ODD) 2 (Faim zéro) et à l'ODD 12 (Consommation et production responsables) des Objectifs de développement durable des Nations Unies. Le système agricole intelligent proposé est évolutif et applicable, favorisant ainsi une production alimentaire durable et la conservation de l'environnement.
Introduction
La sécurité alimentaire, la durabilité environnementale et la résilience économique dépendent des entreprises agroalimentaires1. L'agriculture doit s'adapter afin de produire davantage de nourriture avec moins de ressources tout en minimisant son impact environnemental, car la population mondiale devrait atteindre environ 10,3 milliards vers le milieu des années 2080, augmentant considérablement la demande en production alimentaire durable et en gestion efficace des ressources2. Des pratiques agricoles simples ne suffisent pas à résoudre ces problèmes3. Cela est particulièrement vrai face au changement climatique, à la dégradation des sols, aux pénuries d'eau et aux fluctuations des marchés4. Les technologies numériques innovantes pourraient répondre à divers besoins et relier la réussite agricole aux Objectifs de développement durable des Nations Unies (ODD)5. L'agriculture numérique utilise l'intelligence artificielle (IA), l'Internet des objets (IdO), la télédétection et l'analyse de données6. Ces outils permettent un suivi précis des performances agricoles, des intrants en ressources et des conditions climatiques7. Ils facilitent une prise de décision optimale et améliorent les pratiques agricoles8. Cela inclut des dispositifs alimentés par l'IdO qui surveillent en continu des paramètres essentiels9. État des cultures, humidité du sol, température et taux d'humidité10. L'agriculture de précision utilise l'eau et les nutriments uniquement lorsque cela est nécessaire, réduisant ainsi le gaspillage et renforçant la durabilité11. L'IdO peut accroître la résilience et la productivité de la chaîne de valeur agroalimentaire12. L'irrigation contrôlée et la surveillance basée sur des capteurs permettent d'irriguer les cultures selon les besoins13. Les agriculteurs utilisent l'analyse de données par IA pour identifier des tendances, améliorer la qualité et la quantité des récoltes, et anticiper les éclosions d'insectes nuisibles14. Cela permet d'économiser de l'eau et de favoriser la croissance des plantes15. Malgré ces avancées prometteuses, l'adoption des technologies numériques en agriculture reste limitée, notamment dans les pays en développement16. Une faible alphabétisation numérique, des contraintes d'infrastructure, des investissements initiaux élevés et une réglementation insuffisante freinent leur déploiement17. En outre, il est difficile d'atteindre une efficacité optimale des ressources ou de préserver l'environnement, car les activités agricoles actuelles reposent principalement sur des interventions humaines et des données fixes.
Cet article présente un cadre intégré pour l'agriculture de précision pilotée par l'Internet des objets (IoT-PA). Cette technologie combine des données en temps réel provenant de capteurs avec des systèmes d'irrigation automatisés afin de résoudre les inefficacités liées à l'utilisation de l'eau et à la gestion des cultures. En fournissant des orientations adaptées à la transformation numérique de l'agriculture, ce cadre se veut évolutif, souple et avantageux pour les agriculteurs. Il offre également des opportunités de transformation numérique. S'appuyant sur des données en temps réel concernant le sol et le climat, le cadre d'agriculture de précision et de l'Internet des objets vise à optimiser les plannings d'irrigation, permettant ainsi de préserver l'eau, d'améliorer la santé des cultures et, in fine, d'augmenter le rendement alimentaire.
Une production accrue grâce à une disponibilité alimentaire plus importante contribue à l'Objectif de développement durable 2 (Faim zéro) et favorise simultanément l'Objectif de développement durable 12 (Consommation et production responsables) par une utilisation efficace des ressources. L'innovation numérique peut renforcer la résilience et la durabilité des systèmes agroalimentaires par une validation empirique, ouvrant la voie vers un avenir plus durable.
L'agriculture mondiale doit évoluer pour répondre aux besoins alimentaires et à la durabilité. Les changements climatiques et les ressources limitées exigent des approches innovantes afin d'augmenter la production et de réduire les dommages environnementaux. Les technologies numériques, en particulier celles basées sur l'Internet des objets (IoT), pourraient transformer l'agriculture. Cet article traite de l'utilisation de ces technologies pour une agriculture rentable et durable.
L'agriculture traditionnelle gaspille les ressources, ne permet pas une surveillance en temps réel et limite la prise de décision fondée sur les données. Ces problèmes entraînent un gaspillage d'eau, nuisent à l'environnement et réduisent le rendement agricole. Les technologies numériques dans l'agriculture, notamment l'irrigation de précision, restent limitées. L'internet des objets (IoT) utilise des données en temps réel et l'automatisation pour permettre l'extension et l'intégration des systèmes. Le système doit maximiser la production tout en optimisant la consommation d'eau. De récentes études ont examiné l'utilisation de l'IoT, de l'intelligence artificielle (IA) et de l'analyse de données en agriculture de précision, mais la plupart se concentrent sur la détection de l'humidité du sol, l'irrigation automatisée, la surveillance des cultures et la prédiction des rendements. Ces solutions fonctionnent souvent de manière isolée, ce qui limite leur capacité à soutenir la prise de décision en matière de gestion agricole durable. L'intégration en temps réel de données environnementales hétérogènes, la gestion adaptative de l'irrigation et l'alignement sur la durabilité font défaut dans de nombreux systèmes. Cette recherche présente le système IoT-PA, qui surmonte ces limites grâce à des capteurs IoT distribués, une surveillance environnementale en temps réel, une planification intelligente de l'irrigation et un soutien décisionnel continu. Contrairement aux techniques existantes, le cadre proposé optimise la consommation d'eau, la production agricole, le gaspillage de ressources, ainsi que les objectifs de développement durable (ODD) 2 (Faim zéro) et 12 (Consommation et production responsables). La gestion des ressources innovante, évolutible et orientée durabilité d'IoT-PA, basée sur la détection, la communication et l'analyse, permet une prise de décision agricole fondée sur les données, opérationnellement efficace et écologiquement durable. Ce projet vise à concevoir et évaluer un cadre IoT-PA soutenant l'agriculture de précision par la surveillance environnementale en temps réel, le stockage des données dans le cloud et la planification automatisée de l'irrigation. Le cadre proposé utilise des capteurs compatibles IoT pour surveiller en continu l'humidité du sol, la température de l'air, l'humidité relative, les précipitations et l'intensité lumineuse afin d'optimiser les décisions d'irrigation en temps réel. L'étude cherche également à évaluer les performances du cadre proposé à l'aide de métriques quantitatives, notamment l'efficacité de l'utilisation de l'eau, l'amélioration du rendement des cultures, le temps de réponse de l'irrigation, l'efficacité du système, la fiabilité des communications et la consommation d'énergie, en comparaison avec les pratiques d'irrigation conventionnelles. En outre, l'étude vise à démontrer comment l'intégration des technologies IoT peut améliorer l'utilisation des ressources, réduire la consommation inutile d'eau et accroître la productivité agricole, tout en contribuant aux objectifs de développement durable (ODD) 2 (Faim zéro) et ODD 12 (Consommation et production responsables) par une gestion durable des ressources agricoles.
Cadre intégré d'agriculture numérique et de systèmes alimentaires (IDAFS)
Cet article examine la manière dont les technologies numériques renforcent la résilience agricole face aux pandémies, aux inégalités, au changement climatique et à la pénurie alimentaire mondiale croissante18. En mettant l'accent sur l'intelligence artificielle, les mégadonnées et l'agriculture de précision comme moyens d'améliorer la productivité, de réduire les pertes de 5 % et de réaliser des économies de 23 %, il aborde également ces questions. L'article prône la transformation numérique afin d'atteindre les ODD de 2030 et met en lumière des tendances émergentes telles que la blockchain et la nutrition personnalisée pour des systèmes alimentaires durables et efficaces.
Modèle d'analyse d'impact numérique-ODD (DSIAM)
Cet article étudie, à l'aide de la transformation numérique, la réalisation des ODD liés à la sécurité alimentaire en utilisant des données de l'indice de l'économie et de la société numériques (DESI). En analysant l'impact de la connectivité numérique, des compétences numériques et des services publics sur les ODD 1, 2, 3 et 1019, il recourt à la modélisation par équations structurelles et à l'analyse de regroupement à partir de données de l'UE (2017–2022). L'étude montre à quel point la numérisation est essentielle pour réduire la pauvreté, promouvoir l'égalité et améliorer la santé.
Cadre d'intégration et de revitalisation du village numérique (DVIRF)
Des données de panel provenant de trente provinces chinoises (2013–2023) permettent à cet article d'explorer expérimentalement la manière dont la numérisation rurale soutient le développement industriel intégré des zones rurales20. L'étude met en évidence des effets directs (services numériques, infrastructures) et indirects (réallocation des facteurs de production, changement structurel) de la transformation numérique, à l'aide d'une méthode d'apprentissage automatique en deux étapes. En particulier, les régions de l'Est et les régions productrices de céréales exercent une influence plus marquée. L'article propose des mesures législatives visant à promouvoir les communautés numériques et à maximiser le financement du réaménagement rural.
Modèle de transformation du système agroalimentaire circulaire (CAFSTM)
La transformation numérique transforme le secteur agroalimentaire en intégrant une prise de conscience environnementale, une interopérabilité et une conception centrée sur l’utilisateur21, augmentant ainsi l’efficacité et les modèles économiques. L’alimentation personnalisée et les systèmes agroalimentaires circulaires réduisent les déchets grâce à l’utilisation de boucles de rétroaction. La confidentialité des données et l’interopérabilité sont abordées dans le rapport, qui propose une approche technologique, de gouvernance et écologique en faveur de systèmes agricoles numériques durables.
Cadre d'innovation pour les systèmes alimentaires durables (SFSIF)
L'agriculture durable profite de l'intelligence artificielle, de l'Internet des objets, de la robotique et de l'édition de gènes. Des mesures politiques, des changements d'attitude, un soutien financier et le renforcement de la confiance favorisent l'innovation22. Selon la gestion des déchets, la transformation alimentaire et l'utilisation des terres, les technologies numériques et l'aide gouvernementale pourraient accroître la durabilité, la résilience et la sécurité nutritionnelle du système agroalimentaire.
Modèle d'amélioration de la chaîne de valeur de transformation agricole (APVCEM)
Cet article propose que les chaînes de valeur et la transformation agroalimentaire rendent l'agriculture mondiale et compétitive. L'agriculture communautaire et les chaînes d'approvisionnement sont saluées23. De solides chaînes de valeur en Inde augmentent l'offre alimentaire et stimulent les affaires. L'économie mondiale et les communautés rurales tirent profit de ces réseaux.
Cadre d'impact de durabilité numérique (DSIF)
Par la production agricole, la pollution, les déchets municipaux et l'objectif de développement durable (ODD) 12, les technologies numériques compromettent la durabilité alimentaire. Selon une modélisation par équations structurelles24, les technologies numériques pourraient réduire les déchets municipaux, les émissions de gaz à effet de serre et influencer positivement le comportement des consommateurs. La numérisation améliore la durabilité de la chaîne d'approvisionnement, mais des études montrent qu'elle entrave la consommation responsable ; une mise en œuvre équilibrée est donc nécessaire.
Cadre de transition vers l'agriculture 4.0 (A4TF)
L'agriculture 4.0 désigne l'intégration de l'Internet des objets (IoT), de l'intelligence artificielle (AI), du cloud computing, de la robotique, de l'analyse des mégadonnées et de l'automatisation afin de permettre des pratiques agricoles intelligentes, fondées sur les données et de précision. La transition numérique en agriculture selon l'agriculture 4.0 est décrite dans cet article. Nous abordons l'IoT, l'IA, les drones, la blockchain et les énergies renouvelables25. Nous étudions l'agrivoltaïsme, l'irrigation intelligente et le suivi en temps réel des animaux. Selon la recherche, la transformation numérique améliore la production durable d'aliments, l'efficacité des ressources et la préservation de l'environnement lorsqu'elle est utilisée pour résoudre les problèmes liés au climat, à l'eau et à l'alimentation.
Des études existantes ont démontré le potentiel de l'Internet des objets (IoT), de l'intelligence artificielle, du cloud computing et des technologies numériques pour améliorer la productivité et la durabilité agricoles18,19,20. La plupart des études se concentrent sur des évaluations conceptuelles de l'agriculture numérique18, sur la transformation numérique axée sur les politiques et l'économie19, ou sur le développement numérique rural sans technologies agricoles de précision au niveau des champs20. Ainsi, la combinaison de la détection en temps réel, de l'analyse basée sur le cloud, de l'irrigation automatisée et du soutien à la décision a reçu peu d'attention. Plusieurs techniques manquent de méthodes de mise en œuvre reproductibles et de mécanismes approfondis d'optimisation des ressources. Le cadre proposé d'agriculture de précision pilotée par l'Internet des objets (IoT-PA) intègre la détection par IoT, le cloud computing, la surveillance en temps réel de l'environnement et la gestion intelligente de l'irrigation au sein d'une architecture unique afin d'améliorer l'utilisation de l'eau, la productivité des cultures et la gestion durable des ressources agricoles, tout en soutenant les ODD 2 et 12.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Protocole
L'agroalimentaire devient un écosystème durable et piloté par les données grâce aux technologies numériques. L'Internet des objets (IoT), l'intelligence artificielle (IA) et la blockchain améliorent la transparence de la chaîne d'approvisionnement, la sécurité alimentaire et la productivité. L'agriculture de précision, l'agriculture intelligente et la résilience post-pandémique soutiennent les Objectifs de développement durable, notamment l'objectif Faim zéro, Action pour le climat et Consommation et production responsables.
Le cadre de l'agriculture de précision pilotée par l'Internet des objets (IoT-PA) comprenait un microcontrôleur ESP32, des capteurs d'humidité du sol, de température de l'air, d'humidité relative (DHT22), de précipitations et d'intensité lumineuse (BH1750), une passerelle IoT, une base de données dans le cloud et un contrôleur d'irrigation automatisé. Afin de fournir des données représentatives du terrain, les capteurs d'humidité du sol ont été placés à une profondeur de 15 à 20 cm dans la zone racinaire des cultures, et les capteurs environnementaux à 2 m au-dessus du sol. Avant le déploiement, seuls les capteurs dont les erreurs de mesure se situaient dans une marge de ±2 % ont été utilisés pour les tests, après étalonnage selon les spécifications du fabricant. Les données environnementales étaient transmises du contrôleur ESP32 à la plateforme cloud toutes les 10 minutes via Wi-Fi (802.11 b/g/n) ou LoRaWAN (915 MHz). Lors de l'expérience, le système a enregistré l'humidité du sol (%), la température de l'air (°C), l'humidité relative (%), les précipitations (mm) et l'intensité lumineuse (lux). Avant la normalisation Min–Max qui a standardisé les données, les observations des capteurs étaient téléchargées dans la base de données cloud toutes les 10 minutes, et les valeurs en double ou manquantes étaient supprimées. Le moteur de décision IoT-PA utilisait les données des capteurs pour décider de l'irrigation. Lorsque l'humidité du sol descendait en dessous de 35 % de teneur en eau volumique, l'irrigation était automatiquement déclenchée et interrompue à 45 % afin d'éviter le stress hydrique et une irrigation excessive. Lorsque les prévisions météorologiques annonçaient plus de 5 mm de pluie dans les 12 heures à venir, l'irrigation était arrêtée pour préserver l'eau. Pendant 90 jours de développement des cultures dans des conditions de terrain similaires, le système a fonctionné en continu. À chaque cycle d'irrigation, la durée d'irrigation, la consommation totale d'eau, la latence de communication, l'état des capteurs et la consommation énergétique du système étaient enregistrés dans la base de données cloud toutes les 30 minutes. Après chaque cycle de décision, les agriculteurs recevaient via une application mobile des instructions d'arrosage en temps réel ainsi que des mises à jour sur l'état du terrain. L'expérience a été répétée trois fois en utilisant le même système et les mêmes conditions opérationnelles afin de vérifier sa reproductibilité.
L'expérience a été réalisée sur un champ planté de tomates. La parcelle expérimentale de 20 m x 20 m (400 m2) présentait un sol limoneux avec un pH de 6,7 à 7,0. Un système de surveillance IoT basé sur ESP32 était équipé de capteurs capacitifs d'humidité du sol placés à une profondeur de 15 à 20 cm, ainsi que de capteurs DHT22 de température et d'humidité, d'un capteur d'intensité lumineuse BH1750 et d'un capteur de pluviométrie fixés à 2 m au-dessus du sol. Un réseau d'irrigation goutte à goutte a été installé avec des émetteurs espacés de 30 cm et des conduites latérales espacées de 1 m. La plateforme cloud recevait toutes les 10 minutes les données des capteurs transmises par MQTT. Après 90 jours, le rendement des cultures correspondait au poids frais total des tomates récoltées (kg par parcelle).
Précision concernant la source des données : Le cadre d'agriculture de précision pilotée par l'IoT (IoT-PA) proposé a été mis en œuvre et évalué au cours d'une expérience sur le terrain de 90 jours, menée dans les conditions décrites dans la section Protocole. Le rapport sur le marché du jumeau numérique agricole (DataIntelo) a été utilisé uniquement comme référence complémentaire pour les informations contextuelles et l'élaboration du cadre. Toutes les métriques de performance indiquées dans la section Résultats proviennent de l'évaluation expérimentale du cadre IoT-PA proposé, et non du rapport sectoriel de DataIntelo.
Contribution 1 : Proposition d'un cadre d'agriculture de précision pilotée par l'Internet des objets (IoT-PA)
Un système d'automatisation de l'irrigation basé sur des données météorologiques et pédologiques en temps réel a été mis en place. Les progrès numériques stimulent la croissance agroalimentaire (Figure 1). D'abord, l'agriculture de précision pilotée par l'Internet des objets (IoT), l'intelligence artificielle (IA) et les drones, puis la prise de décision fondée sur les données et l'efficacité des ressources. La révolution numérique améliore la traçabilité des aliments, la chaîne d'approvisionnement et l'accès aux marchés. Ces technologies responsabilisent les agriculteurs, garantissent la sécurité alimentaire et favorisent un développement inclusif. Le cadre d'agriculture de précision piloté par l'IoT (IoT-PA) encourage une utilisation durable des ressources et une agriculture intelligente résiliente au climat, en intégrant une surveillance environnementale en temps réel, des analyses basées sur le cloud et une irrigation automatisée. Ce cadre soutient les Objectifs de développement durable (ODD) 2 (Faim zéro), 12 (Consommation et production responsables) et 13 (Action pour le climat).
Équation (1) où S(t) représente les données environnementales recueillies à l'instant t, M(t) désigne l'humidité du sol (%), T(t) est la température de l'air (°C), H(t) est l'humidité relative (%RH), R(t) est la pluviométrie (mm), et L(t) est l'intensité lumineuse (lux). L'équation (1) définit l'ensemble des paramètres environnementaux en temps réel acquis en continu par le réseau de capteurs IoT et transmis à la plateforme cloud pour la surveillance et la prise de décision.
Comme indiqué dans l'équation (2), où I(t) représente le signal de commande de l'irrigation, M(t) est l'humidité du sol mesurée, et Mth désigne le seuil d'irrigation prédéfini (35 % de teneur en eau volumétrique). Lorsque l'humidité du sol mesurée tombe en dessous du seuil, le contrôleur IoT-PA active automatiquement la pompe d'irrigation 
; sinon, l'irrigation reste inactive 
. L'irrigation est automatiquement arrêtée lorsque l'humidité du sol atteint le niveau cible de 45 %, améliorant ainsi l'efficacité de l'utilisation de l'eau et évitant une irrigation excessive.
L'agriculture est axée sur les données et durable grâce aux technologies numériques, comme illustré dans la Figure 2. Les caméras et les robots améliorent la qualité des cultures et l'efficacité des intrants, tandis que les capteurs détectent la localisation et la température. Un système de gestion des données reçoit les informations de température et d'humidité provenant d'un microcontrôleur central. Le serveur collecte en temps réel des données de surveillance agricole et d'aide à la décision. Les agriculteurs utilisent des téléphones dans leur langue régionale. En surveillant les conditions environnementales, en optimisant les décisions d'irrigation, en réduisant le gaspillage d'eau et en soutenant des pratiques agricoles durables conformes aux ODD 2 (Faim zéro), ODD 12 (Consommation et production responsables) et ODD 13 (Mesures relatives au changement climatique), la commande en boucle fermée accroît la productivité agricole.
Tel que déduit de l'équation (3), où L(t) représente les données agrégées de surveillance environnementale à l'instant t, Si(t) désigne la mesure obtenue à partir du capteur IoT ième, et N est le nombre total de capteurs déployés. L'équation (3) calcule l'état environnemental moyen à partir de nombreux capteurs afin d'aider à la prise de décision pour l'irrigation, tout en minimisant les fluctuations des capteurs.
![Équation de désintégration bêta β(t)=[L(t)-Mth]/Mth, formule mathématique dans l'analyse théorique.](/files/ftp_upload/73067/73067eq18v2.jpg "figure-protocol-6")
Tel que trouvé dans l'équation (4), où β(t) désigne l'indice de décision d'irrigation normalisé, L(t) représente la mesure agrégée d'humidité du sol obtenue à partir de l'équation (3), et Mth est le seuil prédéfini d'humidité du sol (35 % de teneur en eau volumétrique). Une valeur négative de β(t) indique une humidité du sol insuffisante et déclenche l'irrigation, tandis qu'une valeur non négative indique que l'humidité du sol est au seuil ou au-dessus, et l'irrigation reste inactive.
Contribution 2 : Démontré des avantages pratiques à travers des résultats empiriques.
Il a démontré la viabilité du cadre et une amélioration de la production agricole tout en réduisant substantiellement l'utilisation de l'eau.
Figure 3 illustre comment l'agriculture de précision activée par l'IoT permet de remédier au gaspillage des ressources et à la faible productivité agricole. Premièrement, l'IoT, l'intelligence artificielle et les analyses en temps réel des données permettent une prise de décision intelligente, un arrosage automatique et une surveillance fondée sur des capteurs. Ces améliorations favorisent la santé des cultures et une utilisation plus efficace de l'eau. Le cadre proposé d'agriculture de précision pilotée par l'IoT (IoT-PA) soutient l'Objectif de développement durable (ODD) 2 (Faim zéro) et l'ODD 12 (Consommation et production responsables) en intégrant une surveillance environnementale en temps réel, un contrôle automatisé de l'irrigation et une gestion efficace des ressources afin d'améliorer la productivité agricole tout en minimisant la consommation d'eau.
où 
désigne l'indice composite de surveillance environnementale au temps t, M(t) est l'humidité du sol (%), T(t) est la température de l'air (°C), H(t) est l'humidité relative (%RH), R(t) est les précipitations (mm), et L(t) est l'intensité lumineuse (lux). L'équation (5) combine les paramètres environnementaux normalisés en un indice de surveillance unique qui représente l'état général du terrain utilisé par le cadre IoT-PA.
où G(t) représente la condition environnementale agrégée obtenue à partir des intervalles de surveillance ou des nœuds de détection, et 
est l'indice composite de surveillance environnementale calculé à l'aide de l'équation (5) pour la kème observation. L'équation (6) moyenne plusieurs mesures afin de prédire l'état du terrain, éliminant ainsi les fluctuations de mesure et fournissant une entrée fiable pour la programmation automatique de l'irrigation.
Figure 4 illustre l'influence de chaque révolution industrielle sur l'industrie mondiale, de la vapeur à l'ère numérique. Enfin, l'intelligence artificielle, la blockchain et l'agriculture de précision transforment le secteur agroalimentaire dans le cadre de l'Industrie 4.0. Ces résultats permettent d'accroître l'agriculture, l'efficacité des ressources et la durabilité. Le cadre proposé d'agriculture de précision pilotée par l'Internet des objets (IoT-PA) montre comment la détection numérique, l'analyse basée sur le cloud et l'irrigation automatisée améliorent la productivité agricole et l'utilisation des ressources afin de soutenir l'ODD 2 (Faim zéro) et l'ODD 12 (Consommation et production responsables).
où V(t) désigne la condition globale du champ à l'instant t, Gi(t) représente l'indice de surveillance environnementale obtenu à partir du ième nœud de détection, et N est le nombre total de nœuds capteurs IoT déployés. L'équation (7) estime la condition moyenne du champ en regroupant les mesures provenant de tous les emplacements de détection, améliorant ainsi la fiabilité des décisions d'irrigation.
où αeq désigne l'indice de décision équivalent utilisé pour la planification de l'irrigation, V(t) est la condition environnementale agrégée obtenue à partir de l'équation (7), M(t) est l'humidité du sol mesurée, et 
est un coefficient de pondération qui équilibre l'influence de l'état global du champ et de la mesure actuelle de l'humidité du sol. L'équation (8) calcule l'indice de décision final utilisé par le cadre IoT-PA pour soutenir l'irrigation automatisée et une gestion efficace des ressources en eau.
Contribution 3 : Fait progresser le programme d'agriculture durable
Conformément aux ODD 2 et 12, cela a permis la transformation numérique afin d'améliorer la sécurité alimentaire agricole et l'efficacité des ressources.
Figure 5 illustre la résilience post-pandémique et le développement durable grâce à la transition vers un système agroalimentaire numérique. Les capteurs remplacent les instruments traditionnels en agriculture pilotée par l'Internet des objets (IoT) afin d'optimiser les ressources. La blockchain et l'automatisation permettent une distribution alimentaire sécurisée et transparente ; l'intelligence artificielle assure une fabrication et une transformation efficaces et sanitaires. Les alertes en matière de sécurité alimentaire et la surveillance en temps réel aident les consommateurs. Ces cycles améliorent la sécurité alimentaire mondiale, la santé et l'efficacité. Une approche cohérente de l'agriculture numérique utilise la détection en temps réel, le calcul en nuage et l'irrigation automatisée afin d'améliorer la productivité des cultures, l'utilisation de l'eau et les pratiques agricoles durables, contribuant ainsi aux Objectifs de développement durable (ODD) 2 (Faim zéro), 3 (Bonne santé et bien-être) et 12 (Consommation et production responsables).
où R(t) désigne l'indice des besoins en irrigation au temps t, Mi(t) est l'humidité du sol mesurée par le ième nœud capteur, Mth est le seuil prédéfini d'humidité du sol, et N est le nombre total de nœuds de détection. L'équation (9) calcule le besoin d'irrigation du champ surveillé en estimant l'écart moyen de l'humidité du sol par rapport au seuil cible.
où 
représente l'indice de commande d'irrigation intelligente, R(t) est l'indice de besoin en irrigation obtenu à partir de l'équation (9), V(t) est l'indice agrégé de surveillance environnementale obtenu à partir de l'équation (7), et 
est un coefficient de pondération. La valeur finale de commande pour la planification automatisée de l'irrigation dans le système IoT-PA proposé est calculée à partir de la demande d'irrigation et des conditions environnementales à l'aide de l'équation (10).
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Résultats
Les indicateurs de performance de l'architecture IoT-PA comprennent la consommation d'eau, le rendement agricole, l'efficacité du système, l'optimisation durable des ressources et la contribution aux ODD. Des choix technologiques intelligents améliorent la production agricole, la durabilité et la gestion des ressources.
Description du jeu de données : Le rapport sur le marché du jumeau numérique agricole de DataIntelo26 a été utilisé comme information d...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Discussion
Grâce à l'IoT-PA, l'agriculture numérique pourrait résoudre les problèmes actuels. Pour les économies de ressources et la production agricole, cet article propose une surveillance en temps réel, un arrosage basé sur des capteurs et une prise de décision fondée sur les données. La consommation d'eau a diminué de 24,62 % et la production agricole a augmenté de 95,13 % grâce à l'Internet des objets, démontrant ainsi son potentiel révolutionnaire en matière de durabilité. Les objectifs de développement durable 2 (Faim zéro) ...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Déclarations de divulgation
Les auteurs déclarent ne pas avoir de conflit d'intérêts.
Remerciements
Cette recherche n'a reçu aucune subvention spécifique d'un organisme de financement public, commercial ou à but non lucratif.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Matériaux
| Nom | Entreprise | Numéro de catalogue | Commentaires |
|---|---|---|---|
| IDE Arduino | Arduino | Version 2.x https://www.arduino.cc/en/software | Environnement de développement intégré, développement de firmware pour ESP32 |
| Sonde de teneur en eau du sol capacitive | DFRobot | SEN0193 | Mesure l'humidité volumique du sol ; Tension de fonctionnement 3,3–5,5 V |
| Plateforme Cloud IoT | Amazon Web Services | AWS IoT Core https://aws.amazon.com/iot-core | Plateforme IoT basée sur le cloud pour le stockage, la visualisation des données et la surveillance à distance |
| Alimentation électrique CC | Mean Well | / | Fournit l'alimentation au contrôleur et à la pompe ; Sortie régulée 12 V CC, Modèle : LRS-50-12 |
| Pompe à eau CC | Disponible commercialement | / | Irrigation automatisée ; Pompe 12 V CC |
| Sonde numérique d'intensité lumineuse | Rohm Semiconductor | BH1750FVI | Mesure l'intensité lumineuse ambiante ; 1–65535 lux |
| Carte de développement ESP32 | Espressif Systems | ESP32-DEVKITC-32D | Microcontrôleur double cœur à 240 MHz, Wi-Fi/Bluetooth ; Contrôleur principal pour l'acquisition des capteurs et la gestion de l'irrigation |
| Microsoft Excel | Microsoft Corporation | Microsoft 365 https://www.microsoft.com/microsoft-365/excel | Logiciel de tableur pour l'organisation et la visualisation des données |
| Broker MQTT | Fondation Eclipse | Mosquitto v2.x https://mosquitto.org | Communication de messages IoT ; protocole MQTT |
| Python | Fondation Python | Version 3.x https://www.python.org | Langage de programmation pour le prétraitement des données et l'analyse statistique |
| Module capteur de pluie | DFRobot | / | Sortie analogique/numérique ; détecte les épisodes de pluie ; Modèle : SEN0308 |
| Module relais à un canal | Songle | SRD-05VDC-SL-C | Commande l'activation/désactivation de la pompe d'irrigation ; relais 5 V |
| Sonde de température et d'humidité | Adafruit Industries | DHT22 (AM2302) | Surveillance environnementale ; Température ±0,5 °C ; Humidité ±2 % HR |
| Navigateur Web | Google LLC | Google Chrome (dernière version stable) https://www.google.com/chrome | Accès au tableau de bord AWS IoT |
| Routeur Wi-Fi | TP-Link Technologies | / | Communication sans fil entre l'ESP32 et le cloud ; IEEE 802.11 b/g/n/ac ; Modèle : Archer C6 |
Références
- Nhamo G, Chikodzi D, Dube K. Sustainable Development Goals for Society. Vol. 1. Springer International Publishing; 2021.
- Venkatesh R. Effect of hybrid nanofluid and polyethylene glycol/aluminium foam on thermal characteristics and energy storage performance of solar air heater. Appl Therm Eng. 2026;291:130213.
- Ajaj R, Buheji M, Hassoun A. Optimizing the readiness for industry 4.0 in fulfilling the Sustainable Development Goal 1: Focus on poverty elimination in Africa. Front Sustain Food Syst. 2024;8:1393935.
- Hiywotu AM. Advancing sustainable agriculture for goal 2: zero hunger-a comprehensive overview of practices, policies, and technologies. Agroecol Sustain Food Syst. 2025;49(7):1027–55.
- Venkatesh R. Effect of Boron Nitride on Mechanical Characteristics of LDPE Nanocomposite made with Ramie Fiber. J Inst Eng India Ser D. 2024.
- Arun M, et al. Integrated renewable energy supply architecture for advancing hydrogen symbiosis and eco synergistic smart grid interactions with next generation combustion technologies. Sci Rep. 2025;15(1):25619.
- Venkatesh R. Synthesis and Behavior Study of Basalt Fiber-Made Low-Density Polyethylene Composites Via Injection Mold. J Inst Eng India Ser D. 2024.
- Jayakrishnan R, Johnpaul V, Balasundaram N, Senthilkumar S. Stabilization of black cotton soil in Chittur region in Palakkad using lime, rice husk ash, coir fibre. Indian J Eng. 2026;23:e3ije1709.
- Gopan G, Arun M, Vembu S. Comparison of dimple tube with flat plate collector for solar water heater by using carbon nanofluid. Int J Low-Carbon Technol. 2025;20:820–33.
- Arun M, Barik D, Sridhar KP, Vignesh G. Experimental and CFD analysis of plain and dimples tube at application of solar water heater. Mater Today Proc. 2021;42:804–9.
- Rinesh S, et al. Prediction and classification of solar photovoltaic power generation using extreme gradient boosting regression model. Int J Low-Carbon Technol. 2024;19:2420–30.
- Ogbonnaya EP, et al. Efficacy of moringa oleifera leaf extract as a phytogenic additive in finisher broiler chickens. Discov Agric. 2026;12:e14da3219.
- Giganti P, Borrello M, Falcone PM, Cembalo L. The impact of blockchain technology on enhancing sustainability in the agri-food sector: A scoping review. J Clean Prod. 2024;456:142379.
- Rinesh S, Arun M, Kumar SN, Prajitha C, Kumar AS. Evaluating the type 2 fuzzy logic controller with multilayer perceptrons for optimal tracking of solar photovoltaic systems. Int J Low-Carbon Technol. 2025;20:394–403.
- Gupta S, et al. Operationalizing Digitainability: Encouraging mindfulness to harness the power of digitalization for sustainable development. Sustainability. 2023;15(8):6844.
- Urugo MM, et al. Journal of agriculture and food research. J Agric Food Res. 2024;18:101316.
- Hong Z, Xiao K. Digital economy structuring for sustainable development: the role of blockchain and artificial intelligence in improving supply chain and reducing negative environmental impacts. Sci Rep. 2024;14(1):3912.
- Arun M, Barik D, Sridhar KP, Dennison MS. Thermal performance of a dimpled tube parabolic trough solar collector (PTSC) with SiO2 nanofluid. Int J Photoenergy. 2022;2022(1):8595591.
- Vărzaru AA. Unveiling digital transformation: a catalyst for enhancing food security and achieving sustainable development goals at the European Union level. Foods. 2024;13(8):1226.
- Zhang J, Zhang W. Harnessing digital technologies for rural industrial integration: a pathway to sustainable growth. Systems. 2024;12(12):564.
- Vahdanjoo M, Sørensen CG, Nørremark M. Digital transformation of the agri-food system. Curr Opin Food Sci. 2025;63:101287.
- Khan N, et al. Potential role of technology innovation in transformation of sustainable food systems: A review. Agriculture. 2021;11(10):984.
- Singh V, Borisagar D, Singh OP, Verma SK. Enhancing agricultural competitiveness: harnessing value chains and agro-processing for sustainable growth. In: Sustaining the Global Agriculture Supply Chain. IGI Global Scientific Publishing; 2025. p. 37–72.
- Bocean CG. A longitudinal analysis of the impact of digital technologies on sustainable food production and consumption in the European Union. Foods. 2024;13(8):1281.
- Dayıoğlu ME, Türker UF. Digital transformation for sustainable future-agriculture 4.0: A review. J Agric Sci (Tarim Bilimleri Derg). 2021;27(4).
- DataIntelo. Agriculture Digital Twin Market Report: Global Industry Analysis, Growth, Trends, and Forecast. DataIntelo Research; 2025. Available from: DataIntelo Agriculture Digital Twin Market Report.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.