Deze studie introduceert IoT-gestuurde precisielandbouw (IoT-PA), waarbij gebruik wordt gemaakt van sensornetwerken, real-time monitoring en intelligente irrigatie om de gewasopbrengst en waterefficiëntie te verhogen. Het raamwerk bevordert duurzame landbouw en SDG 2 (Geen Honger) en 12 (Verantwoorde Consumptie en Productie).
Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.
Onderzoeksartikel
Het benutten van digitale technologieën in de agro-foodsector: een IoT-gestuurd raamwerk voor precisielandbouw om de duurzame ontwikkelingsdoelen te bereiken
In dit artikel
Samenvatting
Samenvatting
De agro-foodindustrie digitaliseert in hoog tempo om oplossingen te vinden voor beperkte hulpbronnen, onvoorspelbaar klimaat en duurzame voedselproductie door gebruik te maken van het Internet of Things (IoT), kunstmatige intelligentie (AI), cloud computing en data-analyse. Vanwege rigide irrigatieschema's en beperkte monitoring van het veld verspilt de traditionele landbouw water, neemt de gewasopbrengst af en wordt het milieu geschaad. Het IoT-gestuurde precisielandbouwsysteem (IoT-PA) in dit artikel optimaliseert het gebruik van landbouwhulpbronnen middels gedistribueerde sensornetwerken, real-time monitoring van bodemvochtigheid en weersomstandigheden, en intelligente irrigatiecontrole. Het voorgestelde platform verzamelt omgevingsgegevens, analyseert veldomstandigheden en adviseert automatisch over irrigatie om de gewasgroei te maximaliseren en waterverspilling te voorkomen. Dankzij continue monitoring en snelle meldingen vanuit het raamwerk kunnen landbouwers datagestuurde beslissingen nemen. De IoT-PA-architectuur verbetert de irrigatie-efficiëntie, de landbouwopbrengst en het duurzame beheer van hulpbronnen in vergelijking met traditionele landbouw. Een hogere landbouwproductie en een efficiënt gebruik van water en hulpbronnen dragen bij aan Sustainable Development Goal (SDG) 2 (Zero Hunger) en SDG 12 (Responsible Consumption and Production) van de Sustainable Development Goals van de Verenigde Naties. Het voorgestelde slimme landbouwsysteem is schaalbaar en praktisch uitvoerbaar, wat bijdraagt aan duurzame voedselproductie en milieubescherming.
Inleiding
Voedselzekerheid, ecologische duurzaamheid en economische veerkracht zijn afhankelijk van agro-foodbedrijven1. De landbouw moet zich aanpassen om meer voedsel te produceren met minder hulpbronnen, terwijl de impact op het milieu wordt geminimaliseerd, aangezien de wereldbevolking naar verwachting halverwege de jaren 2080 ongeveer 10,3 miljard zal bereiken, wat de vraag naar duurzame voedselproductie en efficiënt hulpbronnenbeheer aanzienlijk zal verhogen2. Eenvoudige landbouwmethoden kunnen deze problemen mogelijk niet oplossen3. Klimaatverandering, bodemdegradatie, waterschaarste en marktschommelingen maken dit bijzonder waar4. Innovatieve digitale technologie kan aan diverse behoeften voldoen en landbouwsucces koppelen aan de doelstellingen voor duurzame ontwikkeling van de Verenigde Naties (UN SDGs)5. Digitale landbouw maakt gebruik van kunstmatige intelligentie (AI), het Internet of Things (IoT), remote sensing en analytics6. Deze middelen volgen landbouwprestaties, de inzet van hulpbronnen en het klimaat nauwkeurig7. Ze vergemakkelijken het nemen van goede beslissingen en verbeteren de landbouw8. Hiertoen behoren IoT-gestuurde apparaten die kritische componenten in real-time monitoren9, zoals de conditie van gewassen, bodemvochtigheid, temperatuur en luchtvochtigheid10. Precisielandbouw gebruikt water en nutriënten alleen wanneer dat nodig is, waardoor verspilling wordt verminderd en de duurzaamheid toeneemt11. IoT kan de veerkracht en productiviteit van de agro-foodwaardeketen verhogen12. Gereguleerde irrigatie en sensorgebaseerde monitoring kunnen gewassen op aanvraag irrigeren13. Boeren gebruiken AI-data-analyse om patronen te identificeren, de kwaliteit en kwantiteit van gewassen te verbeteren en insectenplagen te voorzien14. Dit bespaart water en bevordert de plantengroei15. Ondanks deze veelbelovende vorderingen is digitale landbouwtechnologie beperkt, vooral in onderontwikkelde landen16. Een lage digitale geletterdheid, infrastructurele beperkingen, hoge initiële investeringen en zwakke wetgeving hinderen de uitrol17. Bovendien is het uitdagend om een ideale hulpbronefficiëntie of milieubescherming te bereiken, omdat de huidige landbouwactiviteiten grotendeels vertrouwen op menselijke inbreng en statische gegevens.
Dit artikel presenteert een geïntegreerd kader voor precisielandbouw aangestuurd door het Internet of Things (IoT-PA). Deze technologie combineert real-time sensorgegevens met geautomatiseerde irrigatiesystemen om inefficiënties in waterverbruik en gewasbeheer op te lossen. Het kader biedt passende richtlijnen voor de digitale transformatie in de landbouw en moet schaalbaar, flexibel en gunstig zijn voor landbouwers. Daarnaast biedt het mogelijkheden voor digitale transformatie. Op basis van real-time gegevens over de bodem en het klimaat tracht het kader voor precisielandbouw en het Internet of Things irrigatieschema's te optimaliseren, waardoor water wordt bespaard, de gezondheid van het gewas wordt verbeterd en uiteindelijk de voedselopbrengst wordt verhoogd.
Een hogere productie door middel van een verhoogde voedselbeschikbaarheid draagt bij aan Duurzaamheidsdoel 2 (Geen Honger) en bevordert gelijktijdig Duurzaamheidsdoel 12 (Verantwoorde Consumptie en Productie) door middel van effectief gebruik van hulpbronnen. Digitale innovatie kan de veerkracht en duurzaamheid in agro-voedselsystemen vergroten via empirische validatie, wat leidt tot een duurzamere toekomst.
De wereldwijde landbouw moet veranderen om te kunnen voldoen aan de voedselbehoeften en duurzaamheid. Klimaatverandering en beperkte hulpbronnen vereisen creatieve manieren om de opbrengst te verhogen en de milieuschade te beperken. Digitale technologieën, in het bijzonder die op basis van IoT, kunnen de landbouw transformeren. Dit artikel gaat over het gebruik van dergelijke technologie voor een rendabele en duurzame landbouw.
Traditionele landbouw verspilt hulpbronnen, mist realtime monitoring en beperkt datagestuurde besluitvorming. Deze problemen leiden tot waterverspilling, schaden het milieu en belemmeren de landbouwopbrengst. Digitale technologieën in de landbouw, in het bijzonder precisie-irrigatie, zijn beperkt. Het IoT maakt gebruik van realtime gegevens en automatisering om te schalen en te integreren. Het systeem moet de productie maximaliseren en het waterverbruik optimaliseren. Recente studies hebben het gebruik van IoT, AI en data-analyse in de precisielandbouw onderzocht, maar de meeste richten zich op bodemvochtigheidssensoren, geautomatiseerde irrigatie, gewasmonitoring en opbrengstvoorspelling. Deze oplossingen werken vaak autonoom, wat hun vermogen om besluitvorming voor duurzaam landbeheer te ondersteunen beperkt. Realtime integratie van heterogene omgevingsgegevens, adaptief irrigatiebeheer en afstemming op duurzaamheid ontbreken in veel systemen. Dit onderzoek presenteert het IoT-PA-systeem, dat deze beperkingen oplost door middel van gedistribueerde IoT-sensoren, realtime omgevingsmonitoring, intelligente irrigatieplanning en continue besluitvormingsondersteuning. In tegenstelling tot bestaande technieken optimaliseert dit raamwerk het waterverbruik, de landbouwproductie, de verspilling van hulpbronnen en de SDG's 2 (Geen Honger) en 12 (Verantwoorde Consumptie en Productie). De doorbraak in schaalbare detectie, communicatie, analyse en duurzaamheidsgeoriënteerd hulpbronnenbeheer van IoT-PA maakt datagestuurde, operationeel efficiënte en ecologisch duurzame landbouwbeslissingen mogelijk. Dit project heeft tot doel een IoT-PA-raamwerk te creëren en te evalueren dat precisielandbouw ondersteunt met realtime omgevingsmonitoring, cloudgebaseerde gegevensopslag en geautomatiseerde irrigatieplanning. Het voorgestelde raamwerk maakt gebruik van IoT-sensoren om bodemvochtigheid, luchttemperatuur, relatieve vochtigheid, neerslag en lichtintensiteit continu te monitoren om irrigatiebeslissingen in realtime te optimaliseren. De studie beoogt verder de prestaties van het voorgestelde raamwerk te evalueren met behulp van kwantitatieve metrieken, waaronder watergebruiksefficiëntie, verbetering van de gewasopbrengst, irrigatieresponstijd, systeemefficiëntie, communicatiebetrouwbaarheid en energieverbruik, in vergelijking met conventionele irrigatiepraktijken. Daarnaast beoogt de studie aan te tonen hoe de integratie van IoT-technologieën de benutting van hulpbronnen kan verbeteren, onnodig waterverbruik kan verminderen en de landbouwproductiviteit kan verhogen, terwijl het bijdraagt aan Sustainable Development Goal (SDG) 2 (Geen Honger) en SDG 12 (Verantwoorde Consumptie en Productie) door middel van duurzaam beheer van landbouwhulpbronnen.
Geïntegreerd kader voor digitale landbouw en voedselsystemen (IDAFS)
Dit artikel onderzoekt hoe digitale technologieën de landbouwweerbaarheid verbeteren tijdens pandemieën, ongelijkheden, klimaatverandering en geaggregeerde wereldwijde voedseltekorten18. Met een nadruk op kunstmatige intelligentie, big data en precisielandbouw als manieren om de productiviteit te verhogen, verspilling met 5% te verminderen en uitgaven met 23% te besparen, wordt dit verder uitgediept. Het artikel promoot digitale transformatie om de SDG's voor 2030 te realiseren en belicht opkomende trends zoals blockchain en gepersonaliseerde voeding voor duurzame en efficiënte voedselsystemen.
Digital-SDG impactanalysemodel (DSIAM)
Dit artikel onderzoekt, middels digitale transformatie, het behalen van de SDG's die verband houden met voedselzekerheid, gebruikmakend van gegevens uit de Digital Economy and Society Index (DESI). Door te analyseren hoe digitale connectiviteit, vaardigheden en publieke diensten van invloed zijn op SDG1, SDG2, SDG3 en SDG1019, maakt het gebruik van structurele vergelijkingsmodellen en clusteranalyse op basis van EU-gegevens (2017–2022). Het toont aan hoe cruciaal digitalisering is voor het verminderen van armoede, het bevorderen van gelijkheid en het verbeteren van de gezondheidszorg.
Kader voor integratie en revitalisering van digitale dorpen (DVIRF)
Panelgegevens van dertig Chinese provincies (2013–2023) stellen dit artikel in staat om experimenteel te onderzoeken hoe ruralisering van digitalisering de geïntegreerde ontwikkeling van de rurale industrie ondersteunt20. Met behulp van een tweeledige machine learning-techniek worden zowel directe (digitale diensten, infrastructuur) als indirecte (herallocatie van factoren, structurele verandering) paden voor digitale transformatie ontdekt. In het bijzonder hebben de oostelijke en graanproducerende regio's een significantere invloed. Er wordt wetgeving voorgesteld om digitale gemeenschappen te promoten en de financiering voor rurale herontwikkeling te maximaliseren.
Model voor transformatie van het circulaire agri-foodsystem (CAFSTM)
Digitale transformatie verandert de agri-foodsector door milieubewustzijn, interoperabiliteit en gebruiksvriendelijk ontwerp21, waardoor de efficiëntie en bedrijfsmodellen worden verbeterd. Gepersonaliseerde voeding en circulaire agri-foodsystemen verminderen verspilling door gebruik te maken van feedbackloops. Gegevensprivacy en interoperabiliteit worden behandeld in het rapport, dat een technologische, bestuurlijke en ecologische benadering biedt voor duurzame digitale landbouwsystemen.
Innovatiekader voor duurzame voedselsystemen (SFSIF)
Duurzame landbouw profiteert van AI, IoT, robotica en genbewerking. Politieke, attitudinale, financiële en vertrouwensopbouwende acties stimuleren innovatie22. Digitale technologie en overheidssteun kunnen de duurzaamheid, veerkracht en voedselzekerheid van het agri-foodsystem verhogen, afhankelijk van afvalbeheer, voedselverwerking en landgebruik.
Model voor de verbetering van de agro-verwerkingswaardeketen (APVCEM)
Dit artikel stelt dat waardeketens en agroverwerking de landbouw mondiaal en concurrerend maken. Gemeenschappelijke landbouw en toeleveringsketens worden geprezen23. Sterke waardeketens in India vergroten het voedselaanbod en de bedrijvigheid. De wereldeconomie en plattelandsgemeenschappen profiteren van deze netwerken.
Digital Sustainability Impact Framework (DSIF)
Via landbouwopbrengsten, vervuiling, gemeentelijk afval en SDG 12 ondermijnen digitale technologieën de voedselduurzaamheid. Volgens structurele vergelijkingsmodellen24 kan digitale technologie gemeentelijk afval, broekaskasemissies en consumentengedrag minimaliseren. Digitalisering verbetert de duurzaamheid van de toeleveringsketen, maar studies tonen aan dat het verantwoorde consumptie belemmert; een gebalanceerde implementatie is noodzakelijk.
Transitiekader voor Landbouw 4.0 (A4TF)
Agriculture 4.0 verwijst naar de integratie van het Internet der Dingen (IoT), kunstmatige intelligentie (AI), cloud computing, robotica, big data-analyse en automatisering om intelligente, datagestuurde en precisielandbouwpraktijken mogelijk te maken. De digitale landbouwovergang met behulp van Agriculture 4.0 wordt in dit artikel beschreven. We behandelen IoT, AI, drones, blockchain en hernieuwbare energie25. We bestuderen agrivoltaïek, slimme irrigatie en real-time monitoring van dieren. Volgens het onderzoek verbetert digitale transformatie de duurzame voedselproductie, de efficiëntie van hulpbronnen en het behoud van het milieu bij het oplossen van klimaat-, water- en voedselvraagstukken.
Bestaande studies hebben het potentieel aangetoond van IoT, kunstmatige intelligentie, cloud computing en digitale technologieën om de landbouwproductiviteit en duurzaamheid te verbeteren18,19,20. De meeste studies richten zich op conceptuele beoordelingen van digitale landbouw18, beleids- en economiegeoriënteerde digitale transformatie19, of rurale digitale ontwikkeling zonder precisielandbouwtechnologieën op veldniveau20. Hierdoor heeft de combinatie van real-time sensing, cloud-gebaseerde analyses, geautomatiseerde irrigatie en beslissingsondersteuning weinig aandacht gekregen. Veel technieken missen reproduceerbare implementatiemethoden en grondige mechanismen voor resource-optimalisatie. Het voorgestelde IoT-Driven Precision Agriculture (IoT-PA) raamwerk integreert IoT-sensing, cloud computing, real-time monitoring van het milieu en intelligent irrigatiemanagement in één enkele architectuur om de waterbenutting, gewasproductiviteit en het duurzame beheer van landbouwbronnen te verbeteren, terwijl het SDG 2 en SDG 12 ondersteunt.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Protocol
De agro-foodsector wordt dankzij digitale technologieën een duurzaam, datagedreven ecosysteem. IoT, AI en blockchain verbeteren de transparantie van de toeleveringsketen, de voedselveiligheid en de productiviteit. Precisielandbouw, Smart Farming en veerkracht na de pandemie ondersteunen de Duurzame Ontwikkelingsdoelen, in het bijzonder Geen Honger, Klimaatactie en Verantwoorde Consumptie en Productie.
Het framework voor IoT-gestuurde precisielandbouw (IoT-PA) bestond uit een ESP32-microcontroller, sensoren voor bodemvocht, luchttemperatuur, relatieve vochtigheid (DHT2), neerslag en lichtintensiteit (BH1750), een IoT-gateway, een clouddatabase en een geautomatiseerde irrigatiecontroller. Om representatieve veldgegevens te verkrijgen, werden bodemvochtsensoren op een diepte van 15–20 cm in de wortelzone van het gewas geplaatst en omgevingssensoren 2 m boven de grond. Voorafgaand aan de implementatie werden alleen sensoren met meetfouten binnen ±2% gebruikt voor testen, gekalibreerd volgens de vereisten van de fabrikant. Wi-Fi (802.1 b/g/n) of LoRaWAN (915 MHz) werd gebruikt om elke 10 min omgevingsgegevens van de ESP32-controller naar het cloudplatform te communiceren. In het experiment registreerde het framework bodemvocht (%), luchttemperatuur (°C), relatieve vochtigheid (%), neerslag (mm) en lichtintensiteit (lux). Voordat Min-Max-normalisatie de gegevens standaardiseerde, werden sensorobservaties elke 10 min naar de clouddatabase geüpload en werden dubbele en ontbrekende waarden verwijderd. De beslissingsmachine van de IoT-PA gebruikte sensorgegevens om te beslissen over irrigatie. Wanneer het bodemvocht daalde tot onder de 35% volumetrisch watergehalte, werd irrigatie automatisch gestart en gestopt bij 45% om waterstress en overmatige irrigatie te voorkomen. Wanneer de weersverwachting meer dan 5 mm regen binnen 12 u voorspelde, werd de irrigatie gestaakt om water te besparen. Gedurende 90 dagen van gewasontwikkeling onder vergelijkbare veldomstandigheden draaide het framework continu. Elke irrigatiecyclus registreert de irrigatieduur, het totale waterverbruik, de communicatielatentie, de sensorstatus en het energieverbruik van het systeem elke 30 min in de clouddatabase. Boeren ontvingen via een mobiele app na elke beslissingscyclus real-time waterinstructies en updates over de veldstatus. Het experiment werd drie keer herhaald met hetzelfde systeem en dezelfde operationele omstandigheden om de reproduceerbaarheid te verifiëren.
Het experiment werd uitgevoerd op een veld met tomatenplanten. Het experimentele perceel van 20 m x 20 m (40 m2) had leemgrond met een pH van 6,7–7,0. Een op ESP32 gebaseerd IoT-monitoringsysteem beschikte over capacitieve bodemvochtigheidssensoren geplaatst op een diepte van 15–20 cm en DHT2 temperatuur- en vochtigheidssensoren, BH1750 lichtintensiteitssensoren en neerslagsensoren die 2 m boven de grond waren bevestigd. Er werd een druppelirrigatienetwerk geïnstalleerd met emitters op 30 cm afstand van elkaar en laterale pijpen op 1 m afstand van elkaar. Het cloudplatform ontving elke 10 min via MQTT verzonden sensormetingen. Na 90 dagen was de gewasopbrengst het totale versgewicht van de geoogste tomaten (kg per perceel).
Toelichting op gegevensbronnen: Het voorgestelde IoT-gestuurde precisielandbouwframework (IoT-PA) is geïmplementeerd en geëvalueerd via een veldexperiment van 90 dagen onder de omstandigheden zoals beschreven in de sectie Protocol. Het Agriculture Digital Twin Market Report (DataIntelo) is uitsluitend gebruikt als ondersteunende referentie voor achtergrondinformatie en de ontwikkeling van het framework. Alle gerapporteerde prestatiestatistieken in de sectie Resultaten zijn verkregen uit de experimentele evaluatie van het voorgestelde IoT-PA framework en niet uit het marktrapport van DataIntelo.
Bijdrage 1: Voorgesteld framework voor precisielandbouw op basis van IoT (IoT-PA)
Er is een automatiseringssysteem voor irrigatie geïntroduceerd op basis van realtime meteorologische gegevens en bodemgegevens. Digitale vooruitgangen stimuleren de groei van de agro-foodsector (Figuur 1). Allereerst via IoT, AI en precisielandbouw gestuurd door drones, gevolgd door datagestuurde besluitvorming en resource-efficiëntie. De digitale revolutie verbetert de traceerbaarheid van voedsel, de toeleveringsketen en de markttoegang. Deze technologieën versterken de positie van boeren, garanderen de voedselveiligheid en bevorderen inclusieve ontwikkeling. Het framework voor IoT-gestuurde precisielandbouw (IoT-PA) bevordert een duurzaam gebruik van hulpbronnen en klimaatbestendige smart farming door de integratie van realtime monitoring van het milieu, cloudgebaseerde analyses en geautomatiseerde irrigatie. Dit ondersteunt de Sustainable Development Goals (SDG's) 2 (Geen Honger), 12 (Verantwoorde Consumptie en Productie) en 13 (Klimaatactie).
Vergelijking (1), waarbij S(t) de verzamelde omgevingsgegevens op tijdstip t vertegenwoordigt, M(t) het bodemvocht (%) aanduidt, T(t) de luchttemperatuur (°C) is, H(t) de relatieve vochtigheid (%RH) is, R(t) de neerslag (mm) is en L(t) de lichtintensiteit (lux) is. Vergelijking (1) definieert de set real-time omgevingsparameters die continu door het IoT-sensorennetwerk worden verzameld en naar het cloudplatform worden verzonden voor monitoring en besluitvorming.
Zoals weergegeven in vergelijking (2), waarbij I(t)) stelt het irrigatiecontrolesignaal voor, M(t) is het gemeten bodemvochtgehalte, en Mth geeft de vooraf gedefinieerde irrigatiedrempel aan (35% volumetrisch watergehalte). Wanneer het gemeten bodemvocht onder deze drempelwaarde daalt, activeert de IoT-PA-controller automatisch de irrigatiepomp 
; anders blijft de irrigatie inactief 
De irrigatie wordt automatisch stopgezet wanneer het bodemvocht het streefgetal van 45% bereikt, waardoor de watergebruiksefficiëntie wordt verbeterd en overbevloeiing wordt voorkomen.
Landbouw is datagestuurd en duurzaam dankzij digitale technologieën, zoals te zien is in Figuur 2. Camera's en robots verbeteren de gewaskwaliteit en de efficiëntie van de input, terwijl sensoren locatie en temperatuur detecteren. Een datamanagementsysteem ontvangt temperatuur- en vochtigheidsgegevens van een centrale microcontroller. De server verzamelt real-time gegevens voor landbouwmonitoring en besluitvorming. Boeren maken gebruik van telefoons in regionale talen. Door omgevingscondities te monitoren, irrigatiebesluiten te optimaliseren, waterverspilling te minimaliseren en duurzame landbouwpraktijken te ondersteunen die in lijn zijn met SDG 2 (Geen Honger), SDG 12 ( chịu Verantwoorde Consumptie en Productie) en SDG 13 (Klimaatactie), verhoogt een gesloten regelsysteem de landbouwproductiviteit.
Zoals afgeleid uit vergelijking (3), waarbij L(t) de geaggregeerde gegevens van milieumonitoring op tijdstip t vertegenwoordigt, Si(t) de meting aanduidt die is verkregen van de ide IoT-sensor, en N het totaal aantal geplaatste sensoren is. Vergelijking (3) berekent de gemiddelde milieu-toestand van vele sensoren om te helpen bij de besluitvorming over irrigatie, terwijl sensorfluctuaties worden geminimaliseerd.
![Bètavervalvergelijking β(t)=[L(t)-Mth]/Mth, wiskundige formule in theoretische analyse.](/files/ftp_upload/73067/73067eq18v2.jpg "figure-protocol-6")
Zoals beschreven in vergelijking (4), waarbij β(t) de genormaliseerde irrigatiebeslissingsindex aanduidt, L(t) de geaggregeerde bodemvochtigheidsmeting vertegenwoordigt die is verkregen uit vergelijking (3), en Mth de vooraf gedefinieerde drempelwaarde voor bodemvochtigheid is (35% volumetrisch watergehalte). Een negatieve waarde van β(t) wijst op onvoldoende bodemvochtigheid en activeert de irrigatie, terwijl een niet-negatieve waarde aangeeft dat de bodemvochtigheid op of boven de drempelwaarde ligt en de irrigatie inactief blijft.
Bijdrage 2: Aantoonbare praktische voordelen via empirische resultaten.
Het toonde de levensvatbaarheid van het raamwerk aan en verbeterde de landbouwproductie, terwijl het waterverbruik aanzienlijk werd verminderd.
Figuur 3 illustreert hoe precisielandbouw op basis van IoT verspilling van hulpbronnen en een lage landbouwproductiviteit aanpakt. Ten eerste wordt er ingegrepen bij de verspilling van hulpbronnen en de lage landbouwproductiviteit. IoT, AI en real-time data-analyse maken slimme besluitvorming, automatische irrigatie en sensorgebaseerde monitoring mogelijk. Deze verbeteringen optimaliseren de gewasgezondheid en het waterverbruik. Het voorgestelde raamwerk voor IoT-gestuurde precisielandbouw (IoT-PA) bevordert Sustainable Development Goal (SDG) 2 (Geen Honger) en SDG 12 ( chịu Verantwoorde Consumptie en Productie) door real-time monitoring van het milieu, geautomatiseerde irrigatiecontrole en efficiënt beheer van hulpbronnen te integreren om de landbouwproductiviteit te verhogen en tegelijkertijd het waterverbruik te minimaliseren.
waar 
staat voor de samengestelde index voor milieumonitoring op tijdstip t, M(t) is het bodemvocht (%), T(t) is de luchttemperatuur (°C), H(t) is de relatieve vochtigheid (%RH), R(t) is de neerslag (mm), en L(t) is de lichtintensiteit (lux). Vergelijking (5) combineert de genormaliseerde omgevingsparameters tot één enkele monitoringsindex die de algehele veldomstandigheid vertegenwoordigt die door het IoT-PA-framework wordt gebruikt.
waar G(t) stelt de geaggregeerde omgevingsconditie voor die is verkregen uit monitoringsintervallen of sensorknooppunten, en 
wordt de samengestelde index voor milieumonitoring berekend met behulp van vergelijking (5) voor de Omdat u geen brontekst heeft opgegeven, kan ik geen vertaling maken. Voer alstublieft de Engelse tekst in die u naar het Nederlands vertaald wilt hebben.th waarneming. Vergelijking (6) middelt verschillende metingen om de toestand van het veld te voorspellen, waardoor meetfluctuaties worden geëlimineerd en een betrouwbare input wordt geleverd voor automatische irrigatieplanning.
Figuur 4 beeldt uit hoe elke industriële revolutie de wereldwijde industrie heeft beïnvloed, van stoom tot digitaal. Ten slotte veranderen AI, blockchain en precisielandbouw de agro-foodsector in Industrie 4.0. Deze bevindingen bevorderen de landbouw, de efficiëntie van hulpbronnen en de duurzaamheid. Het voorgestelde IoT-gestuurde precisielandbouw-framework (IoT-PA) laat zien hoe digitale sensoren, cloudgebaseerde analyses en geautomatiseerde irrigatie de landbouwproductiviteit en het gebruik van hulpbronnen verbeteren om SDG 2 (Geen Honger) en SDG 12 (Verantwoorde Consumptie en Productie) te ondersteunen.
waarbij V(t) de algehele veldtoestand op tijdstip t aanduidt, Gi(t) de milieubewakingsindex vertegenwoordigt die is verkregen van de ide sensornode, en N het totaal aantal ingezette IoT-sensornodes is. Vergelijking (7) schat de gemiddelde veldtoestand door metingen van alle meetlocaties te aggregeren, waardoor de betrouwbaarheid van irrigebeslissingen wordt verbeterd.
waarbij αeq geeft de equivalente beslissingsindex aan die wordt gebruikt voor de irrigatieplanning, V(t) is de geaggregeerde milieuconditie verkregen uit Vergelijking (7), M(t) is het gemeten bodemvocht, en 
is een wegingscoëfficiënt die de invloed van de algemene veldomstandigheden en de huidige bodemvochtigheidsmeting in evenwicht brengt. Vergelijking (8) berekent de uiteindelijke beslissingsindex die door het IoT-PA-framework wordt gebruikt om geautomatiseerde irrigatie en efficiënt waterbeheer te ondersteunen.
Bijdrage 3: De agenda voor duurzame landbouw verder bevorderd
Overeenkomstig de SDG's 2 en 12 maakte dit digitale transformatie mogelijk om de voedselzekerheid in de landbouw en de resource-efficiëntie te verbeteren.
Figuur 5 illustreert post-pandemische veerkracht en duurzame ontwikkeling via de transitie naar een digitaal agro-voedselsysteem. Sensoren vervangen traditionele instrumenten in IoT-gestuurde landbouw om resources te maximaliseren. Blockchain en automatisering maken veilige, open voedsellevering mogelijk; AI zorgt voor efficiënte, hygiënische productie en verwerking. Waarschuwingen over voedselveiligheid en real-time monitoring helpen consumenten. Cycli verbeteren de wereldwijde voedselzekerheid, gezondheid en efficiëntie. Een consistente aanpak van digitale landbouw maakt gebruik van real-time sensing, cloud computing en automatische irrigatie om de gewasproductiviteit, waterbenutting en duurzame landbouwpraktijken te verbeteren ter ondersteuning van de Sustainable Development Goals (SDGs) 2 (Geen Honger), 3 (Goede Gezondheid en Welzijn) en 12 (Verantwoorde Consumptie en Productie).
waarbij R(t) de irrigatiebehoefte-index op tijdstip t aanduidt, Mi(t) het bodemvocht is gemeten door de ide sensornode, Mth de vooraf gedefinieerde drempelwaarde voor het bodemvocht is, en N het totale aantal sensingnodes is. Vergelijking (9) berekent de irrigatiebehoefte van het gemonitorde veld door de gemiddelde variatie van het bodemvocht ten opzichte van de beoogde drempelwaarde te schatten.
waar 
staat voor de index voor slimme irrigatiebeheersing, R(U hebt geen brontekst opgegeven om te vertalen. Voer alstublieft de Engelse tekst in die u naar het Nederlands vertaald wilt hebben.) is de irrigatiebehoefte-index verkregen uit Vergelijking (9), V(t) is de geaggregeerde milieubewakingsindex verkregen uit vergelijking (7), en 
is een wegingscoëfficiënt. De uiteindelijke regelwaarde voor de geautomatiseerde irrigatieplanning in het voorgestelde IoT-PA-systeem wordt berekend op basis van de irrigatiebehoefte en de omgevingscondities met behulp van vergelijking (10).
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Resultaten
Prestatiematrices van de IoT-PA-architectuur omvatten waterverbruik, landbouopbrengst, systeemefficiëntie, duurzame resource-optimalisatie en bijdrage aan de SDG's. Slimme technologische keuzes verbeteren de landbouwproductie, duurzaamheid en het resourcebeheer.
Datasetbeschrijving: Het Agriculture Digital Twin Market Report van DataIntelo26 werd gebruikt als achtergrondinformatie om de ontwikkeling en contextualisering van het voorgestelde framework te...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Discussie
Met de IoT-PA kan digitale landbouw huidige problemen oplossen. Voor hulpbroneconomieën en landbouwproductie stelt dit artikel real-time monitoring, sensorgestuurde irrigatie en datagestuurde besluitvorming voor. Het waterverbruik daalde met 24,62% en de landbouwopbrengst steeg met 95,13% door het gebruik van het Internet of Things, wat het revolutionaire potentieel voor duurzaamheid aantoont. SDG 2 (Geen Honger) en SDG 12 (Responsible Consumption and Production) worden behaald met een systeefficiëntie van 93,85%. Het sy...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Openbaarmakingen
De auteurs hebben geen belangenverstrengeling.
Dankbetuigingen
Dit onderzoek heeft geen specifieke subsidie ontvangen van enige financieringsinstantie in de publieke, commerciële of non-profitsector.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Materialen
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| Arduino IDE | Arduino | Versie 2.x https://www.arduino.cc/en/software | Geïntegreerde Ontwikkelomgeving, ESP32-firmwareontwikkeling |
| Capacitieve bodemvochtigheidssensor | DFRobot | SEN0193 | Meet het volumetrische bodemvocht; Werkspanning 3,3–5,5 V |
| Cloud-IoT-platform | Amazon Web Services | AWS IoT Core https://aws.amazon.com/iot-core | Cloudgebaseerd IoT-platform voor gegevensopslag, visualisatie en monitoring op afstand |
| DC-voeding | Mean Well | / | Voedt de controller en de pomp; gereguleerde uitgang van 12 V DC, Model: LRS-50-12 |
| DC-waterpomp | Commercieel verkrijgbaar | / | Geautomatiseerde irrigatie; 12 V DC-pomp |
| Digitale lichtintensiteitssensor | Rohm Semiconductor | BH1750FVI | Meet de omgevingslichtintensiteit; 1–65535 lux |
| ESP32-ontwikkelbord | Espressif Systems | ESP32-DEVKITC-32D | Dual-core 240 MHz MCU, wifi/bluetooth; hoofdcontroller voor sensoracquisitie en irrigatiecontrole |
| Microsoft Excel | Microsoft Corporation | Microsoft 365 https://www.microsoft.com/nl-nl/microsoft-365/excel | Spreadsheet-software voor dataorganisatie en visualisatie |
| MQTT-broker | Eclipse Foundation | Mosquitto v2.x https://mosquitto.org | IoT-berichtcommunicatie; MQTT-protocol |
| Python | Python Software Foundation | Versie 3.x https://www.python.org | Programmeertaal voor datapreprocessing en statistische analyse |
| Regensensormodule | DFRobot | / | Analoge/digitale uitgang; Detecteert neerslaggebeurtenissen; Model: SEN0308 |
| Relèmodule met enkel kanaal | Songle | SRD-05VDC-SL-C | Schakelt irrigatiepomp IN/UIT; 5 V relais |
| Temperatuur- en vochtigheidssensor | Adafruit Industries | DHT22 (AM2302) | Milieumonitoring; Temperatuur ±0.5 °C; Luchtvochtigheid ±2% RV |
| Webbrowser | Google LLC | Google Chrome (laatste stabiele versie) https://www.google.com/chrome | Toegang tot het AWS IoT-dashboard |
| Wi-Fi-router | TP-Link Technologies | / | Draadloze communicatie tussen ESP32 en cloud; IEEE 802.11 b/g/n/ac; Model: Archer C6 |
Referenties
- 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.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.