Comprehensive Review of IoT-based Smart Agriculture: Technologies, Applications and Barriers。Journal of Intelligent Systems and Internet of Things
该综述系统梳理了物联网在智慧农业中的技术路线、应用场景与落地障碍，可作为了解农业物联网整体格局的入门参考，但不含原始实验数据或新结论。
YOLO-Gr: An AIoT-Enabled Mobile–Edge–Cloud Framework with an Improved YOLO26 for Real-Time Grapevine Disease Detection and Smart Vineyard Monitoring。Smart Agricultural Technology
该研究将改进YOLO26部署于移动-边缘-云协同架构，实现葡萄藤病害实时识别；其精度与边缘端推理时延数据是判断能否落地 vineyard 场景的关键，需核对数据集规模与田间验证条件。
Abstract— This paper presents the design and development of an intelligent animal detection and alert system for farm security using Artificial Intelligence (AI) and Internet of Things (IoT) technologies. The system is designed to monitor restricted or sensitive farm areas through automated real-time detection and notification. A Passive Infrared (PIR) sensor is integrated with an AI-enabled camera to detect motion and initiate monitoring processes automatically. Upon motion detection, the system activates visual and audio alerts, captures images, and sends remote notifications via the Telegram platform. The proposed system utilizes a Raspberry Pi 4 Model B as the main processing unit and a Sony IMX500 intelligent vision sensor capable of performing on-sensor AI inference for object detection. The PIR sensor serves as the primary trigger mechanism to improve power efficiency and reduce unnecessary processing. The system software is developed using the Python programming language with GPIO, subprocess, and HTTP communication libraries. Experimental results demonstrate that the developed system is capable of performing reliable motion detection, automated alert activation, image capturing, and near real-time notification delivery effectively. The proposed system also provides a low-cost, flexible, and scalable alternative to conventional surveillance systems for smart farming applications. Overall, the integration of AI and IoT technologies in this project demonstrates significant potential for improving automated farm security and monitoring systems. Keywords— Artificial Intelligence, Internet of Things, Farm Security, Animal Detection, Raspberry Pi, Smart Agriculture
用PIR触发+IMX500传感器端AI推理降低功耗，并通过Telegram推送告警，为低成本农场周界防护提供可复现原型方案，但实验规模与野外鲁棒性未充分披露。
宿迁推进「人工智能+农业」落地，智慧温室依托AI与物联网实现精准种植，蔬菜年亩产连年提升。企业建智能温室与花卉电商交易中心，以数据替代经验，带动产量增长与农户增收。
宿迁多地落地AI种植、数字孪生大棚与5G稻田监测，宿豫籼稻示范田称每亩节约人工成本约40%、农药化肥减15%、产量增约10%，可作区域智慧农业成效参照，但数据来自地方自述、未独立核验。
基于ESP32与Blynk实现土壤湿度驱动的自动灌溉远程监控系统。
系统以土壤湿度40%为启泵、60%为停泵阈值，实测初始化约3–5秒；可作为低成本ESP32灌溉原型的参考参数，但仅限单点原型验证，未涉及大田规模与产量数据。
提出基于物联网的智能灌溉系统，实时监测土壤湿度并自动控制灌溉。
该方案用低成本土壤温湿度传感器加云端阈值控制，实验节水30–35%且不降低土壤适宜湿度；但结论基于自建实验，样本规模与田间验证范围未披露，推广前需独立复现。
综述2020-2026年文献，阐述人工智能如何支撑精准农业实现资源优化。
该章节汇总2020—2026年受控试验与报告，指出物联网与AI调度可显著降低灌溉用水和氮肥用量，但跨农场模型泛化、基础设施成本仍是主要推广障碍。
提出物联网土壤监测与作物预测系统，用优化零化神经网络提升预测精度。
该研究用双积分增强归零神经网络结合爬虫搜索优化算法，在土壤养分与环境数据上实现93.3%预测准确率，较对比模型提升1-3个百分点，但仅限实验数据集，田间规模化适用性未验证。
综述自动化干湿交替灌溉（AAWD）在稻田节水减排中的应用与前景。
综述指出传感器+物联网自动控制可实现干湿交替灌溉的精准执行并降低人工，但过度晒田、土壤差异、氧化亚氮升高与设备成本会削弱效果，落地需按当地水情校准阈值。
融合物联网传感器与作物图像，构建可解释的病害早期预警框架。
该框架将传感器读数与叶片图像独立分析后融合为病害风险，并联合评估预测质量、预警时点、资源消耗与解释可用性，适用于田间部署前的多目标权衡验证。
基于ESP8266的物联网智能灌溉系统，自动监测土壤湿度并远程控制水泵。
方案以ESP8266加土壤湿度传感器和继电器实现阈值自动启停水泵并支持手机远程监控，属低成本原型，未见田间试验数据，适用性需按本地土壤与作物校准阈值。
综述AI在农业中的应用并提出多层智能农业系统框架。
提出基于分簇的无线传感器网络路由协议Fire Bloom，兼顾可扩展性与能效。
提出地理感知能量自适应IoT-WSN框架，用于精准农业可持续智能灌溉监测。
综述AI与物联网在香料真伪及掺假检测中的应用，并提出概念框架。
开发融合边缘自动化与人机回路的果园入侵检测系统，用传感器和摄像头实现实时报警与手机核验。
系统综述2013-2025年20项研究，梳理物联网智能家禽养殖的传感、平台与部署挑战。
提出面向南非与撒哈拉以南非洲智慧农业的集成网络安全风险评估与威胁建模框架ISACRATF。
综述八项研究并提出低成本ESP32+边缘AI+太阳能灌溉的智能农业概念平台。
融合模糊规则与随机森林构建可解释的智能灌溉决策系统。
