Стаття

Отримано 05.04.2023

Доопрацьовано 21.06.2023

Прийнято 29.08.2023

Взято з Том 27, № 3, 2023

Сторінки 9 -17

Wrzecińska, M., Czerniawska-Piątkowska, E., Kowalewska, I., Kowalczyk, A., Mylostyvyi, R., & Stefaniak, W. (2023). Agriculture in the face of new digitization technologies. Ukrainian Black Sea Region Agrarian Science, 27(3), 9-17. https://doi.org/10.56407/bs.agrarian/3.2023.09

Сільське господарство в умовах нових технологій оцифрування

Мар’яна Вжецінська Єва Чернявська-Пятковська Інга Ковалевська Аліція Ковальчик Роман Милостивий Вікторія Стефаняк

Сільське господарство відіграє життєво важливу роль у виробництві продуктів харчування, використанні ресурсів та забезпеченні зайнятості, але стикається з проблемами, пов'язаними зі зростанням населення, зміною клімату та нестачею продовольства. Розвиток інформаційних технологій зробив значний внесок у розвиток галузі, а сучасні технології, такі як штучний інтелект, інтернет речей, комп'ютерний зір і машинне навчання, зробили революцію в сільськогосподарській практиці. Мета цього огляду – дослідити впровадження цифрових технологій у сільському господарстві з особливим акцентом на їх застосування у тваринництві. Завдяки вивченню сучасної літератури та використанню різних методів дослідження, цей огляд робить внесок в існуючі знання в цій галузі. Встановлено, що новітні інформаційні інструменти дозволяють збирати, аналізувати дані, автоматизувати завдання та підтримувати прийняття рішень, що призводить до підвищення ефективності сільского господарства, управління ресурсами та сталого розвитку. Доведено, що сучасні технології відіграють вирішальну роль у збільшенні сільськогосподарського виробництва, підвищенні ефективності тваринництва та рослинництва. Ці технології включають пристрої та датчики, системи аналізу даних та підтримки прийняття рішень, а також системи загальної оцінки продуктивності фермерських господарств. Точні технології в сільському господарстві, завдяки автоматизації, датчикам і машинному навчанню, дозволяють фермерам стежити за здоров'ям тварин, оптимізувати споживання кормів, виявляти хвороби на ранніх стадіях і підвищувати загальну продуктивність. ІТ-рішення в сільському господарстві полегшують обробку даних, візуалізацію та прийняття рішень, що приводить до зниження витрат, підвищення ефективності та поліпшення продовольчої безпеки. Дослідження надає практичну інформацію для фермерів та інших учасників сільськогосподарської галузі, які можуть отримати вигоду від точної інформації, моніторингу в режимі реального часу та автоматизованих процесів шляхом інтеграції сучасних технологій, що в кінцевому підсумку покращує сільськогосподарські практики та стійкість

стале сільське господарство; діджиталізація; точне тваринництво; системи управління фермами; кероване даними сільське господарство

[1] Abbasi, R., Martinez, P., & Ahmad, R. (2022). The digitization of agricultural industry - a systematic literature review on agriculture 4.0. Smart Agricultural Technology, 2, 100042. doi: 10.1016/j.atech.2022.100042.

[2] Adusumalli, H.P. (2018). Digitization in agriculture: A timely challenge for ecological perspectives authors. Asia Pacific Journal of Energy and Environment, 5(2), 97-102. doi: 10.18034/apjee.v5i2.619.

[3] Antanaitis, R., Juozaitienė, V., Jonike, V., Baumgartner, W., & Paulauskas, A. (2021). Milk lactose as a biomarker of subclinical mastitis in dairy cows. Animals, 11(6), 1736. doi: 10.3390/ani11061736.

[4] Aquilani, C., Confessore, A., Bozzi, R., Sirtori, F., & Pugliese, C. (2022). Review: Precision livestock farming technologies in pasture-based livestock systems. Animal, 16(1), 100429. doi: 10.1016/j.animal.2021.100429.

[5] Bacco, M., Barsocchi, P., Ferro, E., Gotta, A., & Ruggeri, M. (2019). The digitisation of agriculture: A survey of research activities on smart farming. Array, 3-4, 100009. doi: 10.1016/j.array.2019.100009.

[6] Balasundram, S.K., Shamshiri, R.R., Sridhara, S., & Rizan, N. (2023). The role of digital agriculture in mitigating climate change and ensuring food security: An overview. Sustainability, 15(6), 5325. doi: 10.3390/su15065325.

[7] Bao, J., & Xie, Q. (2022). Artificial intelligence in animal farming: A systematic literature review. Journal of Cleaner Production, 331, 129956. doi: 10.1016/j.jclepro.2021.129956.

[8] Chen, H., Liang, Y., Huang, H., Huang, Q., Gu, W., & Liang, H. (2023). Live pig-weight learning and prediction method based on a multilayer RBF network. Agriculture, 13(2), 253. doi: 10.3390/agriculture13020253.

[9] Coşkun, G., Şahin, Ö., Delialioğlu, R.A., Altay, Y., & Aytekin, İ. (2023). Diagnosis of lameness via data mining algorithm by using thermal camera and image processing method in brown swiss cows. Tropical Animal Health and Production, 55(1), 50. doi: 10.1007/s11250-023-03468-9.

[10] De Vries, A., Bliznyuk, N., & Pinedo, P. (2023). Invited review: Examples and opportunities for artificial intelligence (AI) in dairy farms. Applied Animal Science, 39(1), 14-22. doi: 10.15232/aas.2022-02345.

[11] Dhoble, A.S., Ryan, K.T., Lahiri, P., Chen, M., Pang, X., Cardoso, F.C., & Bhalerao, K.D. (2019). Cytometric fingerprinting and machine learning (CFML): A novel label-free, objective method for routine mastitis screening. Computers and Electronics in Agriculture, 162, 505-513. doi: 10.1016/j.compag.2019.04.029.

[12] Džermeikaitė, K., Bačėninaitė, D., & Antanaitis, R. (2023). Innovations in cattle farming: Application of innovative technologies and sensors in the diagnosis of diseases. Animals, 13(5), 780. doi: 10.3390/ani13050780.

[13] Eriksen, E.Ø., Pedersen, K.S., Larsen, I., & Nielsen, J.P. (2022). Evidence-based recommendations for herd health management of porcine post-weaning diarrhea. Animals, 12(14), 1737. doi: 10.3390/ani12141737.

[14] Gabriel, A., & Gandorfer, M. (2023). Adoption of digital technologies in agriculture - an inventory in a European small-scale farming region. Precision Agriculture, 24(1), 68-91. doi: 10.1007/s11119-022-09931-1.

[15] Gamage, A., Gangahagedara, R., Gamage, J., Jayasinghe, N., Kodikara, N., Suraweera, P., & Merah, O. (2023). Role of organic farming for achieving sustainability in agriculture. Farming System, 1(1), 100005. doi: 10.1016/j.farsys.2023.100005.

[16] Hansen, B.G., Bugge, C.T., & Skibrek, P.K. (2020). Automatic milking systems and farmer wellbeing-exploring the effects of automation and digitalization in dairy farming. Journal of Rural Studies, 80, 469-480. doi: 10.1016/j.jrurstud.2020.10.028.

[17] Havelka, Z., Kunes, R., Kononets, Ye., Stokes, J.E., Smutny, L., Olsan, P., Kresan, J., Stehlik, R., Bartos, P., Xiao, M., Kriz, P., Findura, P., & Roztocil, D. (2022). Technology of microclimate regulation in organic and energy-sustainable livestock production. Agriculture, 12(10), 1563. doi: 10.3390/agriculture12101563.

[18] Holzinger, A., Keiblinger, K., Holub, P., Zatloukal, K., & Müller, H. (2023). AI for life: Trends in artificial intelligence for biotechnology. New Biotechnology, 74, 16-24. doi: 10.1016/j.nbt.2023.02.001.

[19] Javaid, M., Haleem, A., Khan, I.H., & Suman, R. (2023). Understanding the potential applications of artificial intelligence in agriculture sector. Advanced Agrochem, 2(1), 15-30. doi: 10.1016/j.aac.2022.10.001.

[20] Jones, E.J., Bishop, T.F.A., Malone, B.P., Hulme, P.J., Whelan, B.M., & Filippi, P. (2022). Identifying causes of crop yield variability with interpretive machine learning. Computers and Electronics in Agriculture, 192, 106632. doi: 10.1016/j.compag.2021.106632.

[21] Kavlak, A.T., Pastell, M., & Uimari, P. (2023). Disease detection in pigs based on feeding behaviour traits using machine learning. Biosystems Engineering, 226, 132-143. doi: 10.1016/j.biosystemseng.2023.01.004.

[22] Klerkx, L., Jakku, E., & Labarthe, P. (2019). A review of social science on digital agriculture, smart farming and agriculture 4.0: New contributions and a future research agenda. NJAS: Wageningen Journal of Life Sciences, 90-91(1), 1-16. doi: 10.1016/j.njas.2019.100315.

[23] Lemmens, L., Schodl, K., Fuerst-Waltl, B., Schwarzenbacher, H., Egger-Danner, C., Linke, K., Suntinger, M., Phelan, M., Mayerhofer, M., Steininger, F., Papst, F., Maurer, L., & Kofler, J. (2023). The combined use of automated milking system and sensor data to improve detection of mild lameness in dairy cattle. Animals, 13(7), 1180. doi: 10.3390/ani13071180.

[24] Mahfuz, Sh., Mun, H.-S., Dilawar, M.A., & Yang, Ch.-J. (2022). Applications of smart technology as a sustainable strategy in modern swine farming. Sustainability, 14(5), 2607. doi: 10.3390/su14052607.

[25] Mendes, J.A.J., Carvalho, N.G.P., Mourarias, M.N., Careta, C.B., Zuin, V.G., & Gerolamo, M.C. (2022). Dimensions of digital transformation in the context of modern agriculture. Sustainable Production and Consumption, 34, 613-637. doi: 10.1016/j.spc.2022.09.027.

[26] Mikula, K., Izydorczyk, G., Skrzypczak, D., Mironiuk, M., Moustakas, K., Witek-Krowiak, A., & Chojnacka, K. (2020). Controlled release micronutrient fertilizers for precision agriculture - a review. Science of The Total Environment, 712, 136365. doi: 10.1016/j.scitotenv.2019.136365.

[27] Myat Noe, S., Thi Zin, T., Tin, P., & Kobayashi, I. (2023). Comparing state-of-the-art deep learning algorithms for the automated detection and tracking of black cattle. Sensors, 23(1), 532. doi: 10.3390/s23010532.

[28] Neethirajan, S. (2020). The role of sensors, big data and machine learning in modern animal farming. Sensing and Bio-Sensing Research, 29, 100367. doi: 10.1016/j.sbsr.2020.100367.

[29] Pawlak, K., & Kołodziejczak, M. (2020). The role of agriculture in ensuring food security in developing countries: Considerations in the context of the problem of sustainable food production. Sustainability, 12(13), 5488. doi: 10.3390/su12135488.

[30] Racewicz, P., Ludwiczak, A., Skrzypczak, E., Składanowska-Baryza, J., Biesiada, H., Nowak, T., Nowaczewski, S., Zaborowicz, M., Stanisz, M., & Ślósarz, P. (2021). Welfare health and productivity in commercial pig herds. Animals, 11(4), 1176. doi: 10.3390/ani11041176.

[31] Robert, M., Thomas, A., & Bergez, J.-E. (2016). Processes of adaptation in farm decision-making models. A review. Agronomy for Sustainable Development, 36(4), 64. doi: 10.1007/s13593-016-0402-x.

[32] Sadjadi, E.N., & Fernández, R. (2023). Challenges and opportunities of agriculture digitalization in Spain. Agronomy, 13(1), 259. doi: 10.3390/agronomy13010259.

[33] Saranya, T., Deisy, C., Sridevi, S., & Anbananthen, K.S.M. (2023). A comparative study of deep learning and Internet of Things for precision agriculture. Engineering Applications of Artificial Intelligence, 122, 106034. doi: 10.1016/j.engappai.2023.106034.

[34] Schori, F., & Münger, A. (2022). Assessment of two wireless reticulo-rumen pH sensors for dairy cows. Agrarforschung Schweiz, 13, 11-16. doi: 10.34776/AFS13-11E.

[35] Shin, J., Mahmud, M.S., Rehman, T.U., Ravichandran, P., Heung, B., & Chang, Y.K. (2022). Trends and prospect of machine vision technology for stresses and diseases detection in precision agriculture. AgriEngineering, 5(1), 20-39. doi: 10.3390/agriengineering5010003.

[36] Singh, A., Jadoun, Y.S., Brar, P.S., & Kour, G. (2022). Smart technologies in livestock farming. In Smart and sustainable food technologies (pp. 25-57). Singapore: Springer. doi: 10.1007/978-981-19-1746-2_2.

[37] Subeesh, A., & Mehta, C.R. (2021). Automation and digitization of agriculture using artificial intelligence and Internet of Things. Artificial Intelligence in Agriculture, 5, 278-291. doi: 10.1016/j.aiia.2021.11.004.

[38] Vrchota, Ja., Pech, M., & Švepešová, I. (2022). Precision agriculture technologies for crop and livestock production in the Czech Republic. Agriculture, 12(8), 1080. doi: 10.3390/agriculture12081080.

[39] Wakchaure, M., Patle, B.K., & Mahindrakar, A.K. (2023). Application of AI techniques and robotics in agriculture: A Review. Artificial Intelligence in the Life Sciences, 3, 100057. doi: 10.1016/j.ailsci.2023.100057.

[40] Wang, Ya., Mücher, S., Wang, W., Guo, L., & Kooistra, L. (2023). A review of three-dimensional computer vision used in precision livestock farming for cattle growth management. Computers and Electronics in Agriculture, 206, 107687. doi: 10.1016/j.compag.2023.107687.

[41] Xie, D., Chen, L., Liu, L., Chen, L., & Wang, H. (2022). Actuators and sensors for application in agricultural robots: A review. Machines, 10(10), 913. doi: 10.3390/machines10100913.

[42] Xu, J., Gu, B., & Tian, G. (2022). Review of agricultural IoT technology. Artificial Intelligence in Agriculture, 6, 10-22. doi: 10.1016/j.aiia.2022.01.001.

[43] Xu, J., Meng, J., & Quackenbush, L.J. (2019). Use of remote sensing to predict the optimal harvest date of corn. Field Crops Research, 236, 1-13. doi: 10.1016/j.fcr.2019.03.003.

[44] Yao, W., & Sun, Zh. (2023). The impact of the digital economy on high-quality development of agriculture: A China case study. Sustainability, 15(7), 5745. doi: 10.3390/su15075745.

[45] Zhu, L. (2022). Digital development of agricultural supply chain finance under rural revitalization strategy. In Proceedings of the 2022 International Conference on urban planning and regional economy（UPRE 2022）(pp. 352-355).doi: 10.2991/aebmr.k.220502.063.

[46] Zorić, N., Marić, R., Đurković-Marić, T., & Vukmirović, G. (2023). The importance of digitalization for the sustainability of the food supply chain. Sustainability, 15(4), 3462. doi: 10.3390/su15043462.