DOI: https://doi.org/10.3389/fpls.2025.1668545
PMID: https://pubmed.ncbi.nlm.nih.gov/41164258
تاريخ النشر: 2025-10-14
المؤلف: Pengpeng Yu وآخرون
الموضوع الرئيسي: الزراعة الذكية والذكاء الاصطناعي
نظرة عامة
تقدم هذه القسم نظرة عامة على التقدم في الزراعة الذكية من خلال الحوسبة التعاونية بين السحابة والحافة والأجهزة، والتي تعالج الطلبات العالمية المتزايدة على الأمن الغذائي وإدارة الموارد المستدامة. يتيح هذا التحول في النموذج الذكاء الموزع، والمعالجة في الوقت الحقيقي، واتخاذ القرارات التكيفية، متجاوزًا قيود الأنظمة المركزية التقليدية. تناقش المراجعة مجالات تطبيقية متنوعة، بما في ذلك مراقبة البيئة، والري الذكي، وتنسيق الطائرات بدون طيار والآلات، وإدارة صحة الماشية، ومكافحة الآفات، بينما تحدد أيضًا التحديات الكبيرة مثل تباين الأجهزة، وتناسق البيانات، وقيود الموارد، وقضايا الخصوصية.
في الختام، يؤكد المؤلفون أن التعاون بين السحابة والحافة والأجهزة يعزز أنظمة الزراعة الذكية من خلال تعزيز انخفاض زمن الانتظار واستخدام الموارد بشكل أمثل. يبرزون الحاجة إلى جهود متعددة التخصصات لمعالجة التحديات المستمرة، لا سيما في مجالات مثل خوارزميات الجدولة الذكية، والذكاء الاصطناعي الخفيف على الحافة، والتعلم الفيدرالي، وأطر التشغيل البيني، وتقنيات التوأم الرقمي. من خلال معالجة هذه التحديات، يمكن لقطاع الزراعة الذكية الانتقال من اتخاذ القرارات التفاعلية إلى اتخاذ القرارات التنبؤية، مما يعزز في النهاية الممارسات المستدامة ويحسن الأمن الغذائي. يتم تقديم دمج هذه الأطر كنهج استراتيجي لتطوير أنظمة زراعية تكيفية وفعالة وقادرة على الصمود عالميًا.
مقدمة
تسلط مقدمة الورقة الضوء على التحديات الحرجة التي تواجه الزراعة، بما في ذلك النمو السكاني السريع، وزيادة الطلب على الغذاء، والقيود البيئية مثل تغير المناخ وتدهور الأراضي. الطرق الزراعية التقليدية غير كافية لتلبية هذه المطالب الحديثة، مما يستلزم اعتماد تقنيات المعلومات المتقدمة من أجل التحول الرقمي نحو ممارسات زراعية مستدامة. يتم تقديم ظهور الزراعة الذكية، المدفوعة بتقنيات مثل الذكاء الاصطناعي (AI)، والبيانات الضخمة، وإنترنت الأشياء (IoT)، كحل يعزز الأتمتة والدقة من خلال العمليات المعتمدة على البيانات واتخاذ القرارات الذكية.
لمعالجة قيود نماذج السحابة المركزية التقليدية – مثل زمن الانتظار العالي وقيود النطاق الترددي – يتم اقتراح الحوسبة التعاونية بين السحابة والحافة والأجهزة كنموذج موزع. يدمج هذا النظام متعدد الطبقات الحوسبة السحابية لتحليل البيانات على نطاق واسع، والحوسبة الحافة للمعالجة ذات زمن الانتظار المنخفض، والحوسبة على جانب الجهاز لجمع البيانات في الوقت الحقيقي. يحسن هذا الإطار التعاوني استجابة النظام وتحمل الأخطاء، مما يجعله مناسبًا بشكل خاص للبيئات ذات الاتصال غير الموثوق، مثل الزراعة في الحقول المفتوحة وإدارة البيوت الزجاجية. تهدف الورقة إلى مراجعة التطبيقات والتقدم في هذا النموذج من الحوسبة التعاونية، وتحديد التحديات الحالية، وتقديم رؤى للبحوث المستقبلية، مع التأكيد على الحاجة إلى نماذج تنسيق متخصصة في البيئات الزراعية المجزأة. يتم توضيح هيكل الورقة، مما يشير إلى استكشاف شامل للخصائص التقنية، والتحديات، والتطبيقات، والاتجاهات المستقبلية في سياق الزراعة الذكية.
نقاش
في مناقشة التعاون بين السحابة والحافة والأجهزة في الزراعة الذكية، توضح الورقة الأدوار المتميزة والخصائص التقنية للحوسبة السحابية، والحوسبة الحافة، والأجهزة النهائية ضمن بنية الحوسبة الموزعة. تعمل الحوسبة السحابية كمركز مركزي لمعالجة البيانات وتخزينها على نطاق واسع، مما يسهل المهام مثل تدريب النماذج واتخاذ القرارات على المستوى الكلي. تتفوق الحوسبة الحافة، التي تقع بالقرب من مصادر البيانات، في المعالجة ذات زمن الانتظار المنخفض واتخاذ القرارات في الوقت الحقيقي، مما يجعلها مثالية للتطبيقات الزراعية الفورية مثل التحكم في البيئة. الأجهزة النهائية، بما في ذلك حساسات إنترنت الأشياء والطائرات بدون طيار، مسؤولة عن جمع البيانات والمعالجة الأولية، مما يشكل الطبقة الأساسية لـ “الإدراك” في هذه البنية. معًا، تخلق هذه الطبقات نموذجًا تآزريًا يعزز كفاءة واستجابة العمليات الزراعية.
تناقش الورقة أيضًا نماذج معمارية متنوعة للتعاون بين السحابة والحافة والأجهزة، بما في ذلك النماذج الهرمية، والنماذج الشبيهة بالنجوم، ونماذج السلسلة، كل منها مصمم لتلبية احتياجات تشغيلية محددة وقيود الموارد. على سبيل المثال، ينظم النموذج الهرمي المهام في سير عمل “الإدراك-المعالجة-القرار”، مما يحسن تخصيص الموارد وأداء النظام. ومع ذلك، تواجه تنفيذ هذه الهياكل تحديات مثل إدارة الأجهزة المتباينة، وضمان تناسق البيانات، ومعالجة مخاوف استهلاك الطاقة. يؤكد المؤلفون على الحاجة إلى البحث المستمر للتغلب على هذه العقبات، مع تسليط الضوء على أهمية الابتكارات في تكامل الأجهزة والبرامج، وبروتوكولات الاتصال، وأطر أمان البيانات لتمكين أنظمة الزراعة الذكية القابلة للتوسع والفعالة.
DOI: https://doi.org/10.3389/fpls.2025.1668545
PMID: https://pubmed.ncbi.nlm.nih.gov/41164258
Publication Date: 2025-10-14
Author(s): Pengpeng Yu et al.
Primary Topic: Smart Agriculture and AI
Overview
The section provides an overview of the advancements in smart agriculture through cloud-edge-device collaborative computing, which addresses the increasing global demands for food security and sustainable resource management. This paradigm shift enables distributed intelligence, real-time processing, and adaptive decision-making, overcoming the limitations of traditional centralized systems. The review discusses various application domains, including environmental monitoring, intelligent irrigation, UAV-machinery coordination, livestock health management, and pest control, while also identifying significant challenges such as device heterogeneity, data consistency, resource constraints, and privacy issues.
In the conclusion, the authors emphasize that cloud-edge-device collaboration enhances smart agricultural systems by promoting low latency and optimized resource use. They highlight the need for multidisciplinary efforts to tackle ongoing challenges, particularly in areas such as intelligent scheduling algorithms, lightweight edge AI, federated learning, interoperability frameworks, and digital twin technologies. By addressing these challenges, the smart agriculture sector can transition from reactive to predictive decision-making, ultimately fostering sustainable practices and improving food security. The integration of these frameworks is presented as a strategic approach to developing adaptive, efficient, and resilient agricultural systems globally.
Introduction
The introduction of the paper highlights the critical challenges facing agriculture, including rapid population growth, increased food demand, and environmental constraints such as climate change and land degradation. Traditional farming methods are inadequate to meet these modern demands, necessitating the adoption of advanced information technologies for a digital transformation towards sustainable agricultural practices. The emergence of Smart Agriculture, driven by technologies like Artificial Intelligence (AI), Big Data, and the Internet of Things (IoT), is presented as a solution that enhances automation and precision through data-driven operations and intelligent decision-making.
To address the limitations of traditional centralized cloud models—such as high latency and bandwidth constraints—Cloud-Edge-Device Collaborative Computing is proposed as a distributed architecture. This multi-tier system integrates cloud computing for large-scale data analysis, edge computing for low-latency processing, and device-side computing for real-time data collection. This collaborative framework improves system responsiveness and fault tolerance, making it particularly suitable for environments with unreliable connectivity, such as open-field farming and greenhouse management. The paper aims to review applications and advancements in this collaborative computing model, identify existing challenges, and provide insights for future research, emphasizing the need for specialized coordination models in fragmented agricultural environments. The structure of the paper is outlined, indicating a comprehensive exploration of technical characteristics, challenges, applications, and future directions in the context of smart agriculture.
Discussion
In the discussion of cloud-edge-device collaboration in smart agriculture, the paper outlines the distinct roles and technical characteristics of cloud computing, edge computing, and end devices within a distributed computing architecture. Cloud computing serves as the centralized hub for large-scale data processing and storage, facilitating tasks such as model training and macro-level decision-making. Edge computing, positioned closer to data sources, excels in low-latency processing and real-time decision-making, making it ideal for immediate agricultural applications like environmental control. End devices, including IoT sensors and drones, are responsible for data acquisition and preliminary processing, forming the foundational “perception” layer of this architecture. Together, these layers create a synergistic model that enhances the efficiency and responsiveness of agricultural operations.
The paper also discusses various architectural models for cloud-edge-device collaboration, including hierarchical, star-like, and chain architectures, each tailored to specific operational needs and resource constraints. The hierarchical model, for instance, organizes tasks into a “perception-processing-decision” workflow, optimizing resource allocation and system performance. However, the implementation of these architectures faces challenges such as managing heterogeneous devices, ensuring data consistency, and addressing energy consumption concerns. The authors emphasize the need for ongoing research to overcome these obstacles, highlighting the importance of innovations in hardware-software integration, communication protocols, and data security frameworks to enable scalable and efficient smart agriculture systems.