| Titre : | A data analysis system for monitoring the smart farming |
| Auteurs : | CHEMS EDDINE SENOUSSI, Auteur ; Abdelhak Merizig, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2020 |
| Format : | 1 vol. (62 p.) / ill. / 29 cm |
| Langues: | Anglais |
| Mots-clés: | smart farming,agriculture,land suitability,data analytics,big data,internet of things,deep learning,recurrent neural network,long-short termmemory. |
| Résumé : | Smart farming (SF) is considered to be the next step for the agricultural field. Farmers nowadays rely on technology to complete their daily field tasks and improve crops quality. One of the most important aspects of agriculture is land suitability, which describes how suitable or unsuitable the land is for plants to grow. The decision concerning land suitability usually requires experts and mathematical tools to predict it correctly. However, in modern era Artificial Intelligence proved to be an efficient tool for predictions and decision making. Empowered by the Internet of Things (IoT) and the collected huge amounts of data (Big Data), AI is capable of handling such task and ease the burden on farmers and experts. In this work, we make use of Internet of Things combinedwith Artificial Intelligence to build a system that is both robust and reliable for applying data analytics and predict land suitability based on weather data. We deploy sensors on the farming field, that report back weather and soil information to the system. The system then uses Deep Learning algorithm (Long-Short Term Memory model) to predict land suitability.Our model showed promising results that may have an impact on agriculture in our country. |
| Sommaire : |
1 General Introduction 1
1.1 General context . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Problematic and Objectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Outlines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 Smart Farming state of the art 3 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 2.2 Smart farming Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 2.3 IoT definition and architectures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2.3.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.3.2 Architectures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.4 Type of sensors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.5 Traditional farmand smart farm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.5.1 IoT in Agriculture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.5.2 Smart farmarchitectures in literature . . . . . . . . . . . . . . . . . . . . . . . 11 2.5.3 Comparison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.6 Farmprocess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2.7 Farmmanagement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2.8 Big Data in smart farming . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2.9 Data Streaming and Data Analytics . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 2.9.1 Data Streaming . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 2.9.2 Data Analytics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.10 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 3 Related work in smart farming 19 3.1 Problem Statement: Land suitability . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 3.2 Weather factor in land suitability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 3.3 Related work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.3.1 SensorsDriven AI-Based Agriculture RecommendationModel for Assessing Land Suitability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.3.2 IoT and agriculture data analysis for smart farm . . . . . . . . . . . . . . . . . 22 3.4 Synthesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 4 Design and Contribution 25 4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 4.2 Proposed architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 4.2.1 Architecture description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 4.2.2 Land suitability process . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 4.2.3 UML Diagram . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 4.3 Used Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 4.3.1 Deep learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 4.3.2 Reccurent Neural Network (RNN) . . . . . . . . . . . . . . . . . . . . . . . . . 34 4.3.3 Long-Short TermMemory network . . . . . . . . . . . . . . . . . . . . . . . . 34 4.3.4 LSTMpseudocode and architecture . . . . . . . . . . . . . . . . . . . . . . . . 35 4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 5 Implementation and results 38 5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 5.2 Development tools and used platforms . . . . . . . . . . . . . . . . . . . . . . . . . . 38 5.2.1 Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 5.2.2 Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 5.3 System interfaces . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 5.3.1 Home page . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 5.3.2 Log in/Sign up . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 5.3.3 Dashboard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 5.4 Obtained results and discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 5.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 6 Conclusion and Perspectives 57 6.1 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/522 | Mémoire master | bibliothèque sciences exactes | Consultable |
