SmartKrishi-AI: A Survey of AI-Integrated Agriculture Decision Support and Farm Resource Management

方法

系统综述IEEE、Elsevier、MDPI文献，分析模型、数据与评估方法。

发现

现有服务碎片化，需多层架构整合分析模型与机构及P2P资源渠道。

机会点

可填补集成平台实地验证空白，研究数据质量、跨区域适配与系统互操作。

农业选择在很大程度上取决于复杂的环境变量组合，包括土壤性质、波动的天气模式、作物兼容性、市场动态、病虫害威胁以及关键农业资源的可获得性。当前大多数数字服务仅针对其中某一因素，迫使种植者不得不从多个彼此割裂的网站和本地联系人处手动收集数据。本文综述了与SmartKrishi–AI相关的最新进展，该平台是一个面向农业决策与资产协调的概念性集成平台。我们的分析评估了若干关键领域，包括作物推荐框架、天气预报网络、大宗商品价格模型、植物病害诊断、公益信息发现、设备租赁和劳动力调度。我们分析了2023年至2026年间被IEEE、Elsevier/ScienceDirect和MDPI等主要出版机构收录的最新研究，探讨其数学方法、数据集约束、评估方法和实际挑战。基于这些见解，我们提出了一种概念性多层架构，将数据驱动的分析模型与经过验证的机构渠道以及点对点资源交换工作流连接起来。由于所提出的生态系统是结构性蓝图而非经过实验田间测试的软件工具，因此未声称任何项目特定的作物产量或预测精度提升。最后，我们强调了该领域持续存在的开放挑战，如数据质量差距、地理适应性限制、模型可解释性、预测波动性、系统互操作性、区域语言支持以及严格田间试验的必要性。