Автономные сенсоры: как беспроводные датчики с «вечным» питанием изменят сельское хозяйство

Устойчивость сельского хозяйства приобретает всё большее значение для здоровья человека. Технологии беспроводного сенсорного мониторинга могут обеспечивать интеллектуальное наблюдение в реальном времени за различными параметрами в растениеводстве, животноводстве и цепочке поставок пищевых продуктов. Для этого используются передовые датчики (например, гибкие сенсоры), сети беспроводной связи (такие как мобильные сети 3G, 4G или 5G) и модели искусственного интеллекта (ИИ).

В реальных сельскохозяйственных системах существуют многочисленные устойчивые, природные, возобновляемые и регенерируемые источники энергии, такие как свет, ветер, вода, тепло, акустические колебания, радиочастотное (RF) излучение и энергия микроорганизмов. Эти источники могут аккумулироваться с помощью передовых автономных технологий и устройств, использующих солнечные элементы, электромагнитные генераторы (EMG), термоэлектрические генераторы (TEG), пьезоэлектрические генераторы (PZG), трибоэлектрические наногенераторы (TENG) или микробные топливные элементы (MFC).

Максимально возможное использование устойчивых источников энергии может привести к созданию экологичных автономных беспроводных сенсорных устройств, сокращению выбросов углерода, а также к внедрению точного интеллектуального мониторинга, управления и принятия решений в сельскохозяйственном производстве. Таким образом, в данной статье предполагается, что предложение и разработка автономной беспроводной сенсорной системы для устойчивого сельского хозяйства (SAS) станет эффективным способом повышения эффективности производства в рамках умного сельского хозяйства, одновременно способствуя переходу к "зелёному" и устойчивому агропроизводству, что, в конечном итоге, обеспечит качество и безопасность пищевых продуктов, а также здоровье человека.

Устойчивость сельского хозяйства становится все более важной для здоровья человека. Она подчеркивает необходимость защиты окружающей среды при ведении сельскохозяйственного производства. Гармоничное сосуществование сельского хозяйства и окружающей среды может быть достигнуто за счет сокращения использования удобрений и пестицидов; защиты почвы, водных источников и биоразнообразия; обеспечения качества и безопасности пищевых продуктов; а также снижения загрязнения и выбросов углерода в почву, водоемы, атмосферу, а также от животноводства и сельскохозяйственных отходов [1,2,3]. Однако сельскохозяйственная система является сложной и включает растениеводство, животноводство и цепочку поставок пищевых продуктов. Многие факторы, такие как параметры окружающей среды или биологические показатели, влияют на производственную эффективность и устойчивое развитие в реальных сельскохозяйственных системах [4,5,6]. Необходимо контролировать сельскохозяйственные параметры в реальном времени, чтобы повысить производственную эффективность и устойчивость в сложных сельскохозяйственных системах и, в конечном итоге, обеспечить качество и безопасность пищевых продуктов, а также здоровье человека.

Технология беспроводного сенсорного мониторинга может обеспечивать интеллектуальное наблюдение в реальном времени за различными параметрами в растениеводстве, животноводстве и цепочке поставок пищевых продуктов с помощью передовых датчиков, таких как гибкие сенсоры; сетей беспроводной связи, таких как мобильные сети связи третьего, четвертого или пятого поколения (3G, 4G или 5G); и моделей искусственного интеллекта (ИИ) [7,8,9]. Может быть реализован прецизионный мониторинг реальных сельскохозяйственных экологических и биологических параметров, а также обеспечено точное принятие решений для управления сельскохозяйственным производством, такого как точное внесение удобрений и распыление пестицидов в растениеводстве, точное кормление и профилактика заболеваний в животноводстве, а также точный контроль микросреды и сохранение пищевых продуктов в цепочке поставок. Однако большинство традиционных беспроводных сенсорных устройств с различными датчиками, развернутыми в полевых условиях сельскохозяйственных систем, не являются устойчивыми [10,11,12]. Они требуют дополнительного энергопотребления от батарей и могут нуждаться в регулярной и частой ручной замене при истощении их энергии. Этот способ энергоснабжения увеличил бы выбросы углерода еще больше, несмотря на то, что он может повысить точность и эффективность интеллектуального сельскохозяйственного производства. Поэтому необходимо и важно сокращать выбросы углерода и в дальнейшем повышать устойчивость сельского хозяйства.

Автономный беспроводной сенсорный мониторинг на основе сбора устойчивой энергии может эффективно предоставить решение для интеллектуального мониторинга в устойчивом сельском хозяйстве. Существует множество видов устойчивой, природной, возобновляемой и регенерируемой энергии на объектах, такой как свет, ветер, вода, тепло, акустическая энергия, радиочастотная (RF) энергия и энергия микроорганизмов, которые уже существуют в реальных сельскохозяйственных системах (как показано на Рисунке 1) [13,14,15,16,17,18]. Они могут аккумулироваться с помощью передовых автономных технологий и устройств, таких как солнечные элементы, электромагнитные генераторы (EMG), термоэлектрические генераторы (TEG), пьезоэлектрические генераторы (PZG), трибоэлектрические наногенераторы (TENG) или микробные топливные элементы (MFC) [19,20,21,22,23,24]. Эти автономные технологии могут быть применены для энергоснабжения беспроводных сенсорных устройств в сложных сельскохозяйственных системах растениеводства, животноводства и цепочки поставок пищевых продуктов на основе реальной устойчивой энергии. Автономные беспроводные сенсорные устройства могут формировать сеть беспроводной передачи данных с облачным центром и пользователями для реализации интеллектуального сельскохозяйственного мониторинга и обеспечения прозрачности, прослеживаемости и гарантий безопасности для фермеров, предприятий и потребителей на протяжении всей цепочки поставок пищевых продуктов.

Рисунок 1. Архитектура автономного беспроводного сенсорного мониторинга в устойчивом сельском хозяйстве. Устойчивая энергия из природной или искусственной среды сельскохозяйственных объектов может быть аккумулирована в качестве автономного источника питания для беспроводных сенсорных устройств с помощью различных видов автономных технологий. Автономные беспроводные сенсорные устройства могут быть развернуты в реальных условиях растениеводства, животноводства и цепочки поставок пищевых продуктов для мониторинга параметров сенсоров и беспроводной передачи их в облачный центр для достижения целей устойчивого сельского хозяйства. Вся информация с беспроводных сенсоров может быть доступна сельскохозяйственным фермерам, предприятиям и конечным потребителям для повышения эффективности производства и качества в условиях устойчивого сельского хозяйства.

Сбор устойчивой энергии по возможности в максимальной степени может привести к созданию устойчивых автономных беспроводных сенсорных устройств, сокращению выбросов углерода, а также к реализации точного интеллектуального мониторинга, управления и принятия решений для сельскохозяйственного производства. Автономный беспроводной сенсорный мониторинг станет эффективным способом повышения эффективности производства в интеллектуальном сельском хозяйстве при одновременном достижении целей «зеленого» и устойчивого сельского хозяйства. Чтобы лучше понять этот метод и предоставить ориентир для устойчивого развития в реальных сельскохозяйственных системах, в данной статье обсуждаются потенциал автономных беспроводных сенсорных систем для устойчивого сельского хозяйства (SAS) и проблемы на пути их реализации. Архитектура для автономного беспроводного сенсорного мониторинга в устойчивом сельском хозяйстве предложена на Рисунке 1. Устойчивая энергия из природной или искусственной среды сельскохозяйственных объектов может быть аккумулирована в качестве автономного источника питания для беспроводных сенсорных устройств с использованием различных видов автономных технологий. Автономные беспроводные сенсорные устройства могут быть развернуты в реальных условиях растениеводства, животноводства и цепочки поставок пищевых продуктов для мониторинга параметров сенсоров и беспроводной передачи их в облачный центр для достижения целей устойчивого сельского хозяйства. Вся информация с беспроводных сенсоров может быть доступна сельскохозяйственным фермерам, предприятиям и конечным потребителям для повышения эффективности производства и качества в условиях устойчивого сельского хозяйства.

Беспроводной сенсорный мониторинг уже играет ключевую роль в интеллектуальном и устойчивом сельском хозяйстве. Он может предоставлять данные в реальном времени и с высокой точностью, чтобы помочь сельскохозяйственным фермерам или предприятиям в продвижении устойчивого развития сельского хозяйства за счет прецизионного управления и принятия решений. Устойчивое сельское хозяйство представляет собой сложную систему, которая включает растениеводство, животноводство и цепочку поставок пищевых продуктов (как показано на Рисунке 1). Существует множество технологий беспроводного сенсорного мониторинга, таких как интеллектуальные сенсоры, гибкие сенсоры, Интернет вещей с сетями беспроводных сенсоров и так далее, которые могут быть применены для развития устойчивого сельского хозяйства [25,26,27]. Беспроводные сенсорные устройства могут быть развернуты в реальных условиях растениеводства, животноводства и цепочки поставок пищевых продуктов для мониторинга параметров сенсоров и беспроводной передачи их в облачный центр для достижения целей устойчивого сельского хозяйства. Вся информация с беспроводных сенсоров может быть доступна сельскохозяйственным фермерам, предприятиям и конечным потребителям для повышения эффективности производства и качества в условиях устойчивого сельского хозяйства. Параметры беспроводного сенсорного мониторинга в устойчивом сельском хозяйстве продемонстрированы на Рисунке 2.

Рисунок 2. Параметры беспроводного сенсорного мониторинга в устойчивом сельском хозяйстве. Растениеводство включает параметры почвы, метеорологические параметры, параметры роста растений, а также параметры, связанные с вредителями и болезнями. Животноводство включает параметры окружающей среды, физиологические параметры и параметры здоровья. Цепочка поставок пищевых продуктов включает параметры микросреды и параметры качества.

2.1. Растениеводство

Подготовка к посеву, посев и посадка, управление полем и уборка урожая являются основными процессами в растениеводстве. Они взаимосвязаны и совместно влияют на рост, развитие и урожайность сельскохозяйственных культур. Основные параметры, которые необходимо контролировать в процессе растениеводства, включают параметры почвы, метеорологические параметры, параметры роста растений, а также параметры, связанные с вредителями и болезнями. Параметры почвы включают статус питательных веществ, такой как общий азот (TN), общий фосфор (TP), общий калий (TK), доступный азот (AN), доступный фосфор (AP) и доступный калий (AK), содержание органического вещества, pH и содержание микроэлементов, таких как железо, цинк, марганец, медь, электропроводность почвы (EC) и влажность [28,29,30].

Метеорологические параметры включают температуру, влажность, интенсивность света и количество осадков. Подходящий температурный диапазон может способствовать прорастанию семян, росту растений и созреванию плодов. Влажность может влиять на рост растений. Высокая влажность может легко способствовать размножению бактерий, а низкая влажность может привести к обезвоживанию растений. Достаточная интенсивность света благоприятна для фотосинтеза, влияя на рост растений и сладость плодов. Мониторинг осадков может помочь заранее подготовиться к предотвращению наводнений или засухи.

Параметры роста растений включают высоту растения, площадь листа, толщину стебля и статус роста плодов. Эти параметры напрямую отражают статус роста растений и помогают своевременно обнаруживать аномалии роста. Статус роста плодов может отражать текущий статус питания и позволять своевременно принимать соответствующие меры управления. Параметры, связанные с болезнями и вредителями, включают их типы, количество и степень вреда.

Необходимо и важно эффективно повышать урожайность и качество сельскохозяйственных культур, а также способствовать модернизации и устойчивости сельского хозяйства, контролируя эти параметры и сочетая их с научными методами управления растениеводством. Беспроводные сенсорные устройства могут интегрировать различные виды сельскохозяйственных сенсоров в поля для сбора данных о параметрах почвы, метеорологических параметрах, параметрах роста растений и параметрах, связанных с вредителями и болезнями, и отправлять их в облачный центр для дальнейшей обработки и принятия решений с помощью интеллектуальных моделей, таких как ИИ. Интеллектуальные решения могут быть применены на месте в дальнейшем для руководства производством. Это может эффективно снизить нерациональные действия, такие как чрезмерное внесение удобрений и пестицидов, повысить научную эффективность растениеводства, сократить выбросы парниковых газов и повысить устойчивость сельского хозяйства в растениеводстве.

2.2. Животноводство

Животноводство включает различные виды разведения скота, такие как крупный рогатый скот, свиньи и овцы, птицеводство, такое как куры, утки и гуси, аквакультуру, такую как рыба, креветки и моллюски, а также некоторые специальные виды, такие как олени, норки и выдры. Мониторинг в животноводстве в основном включает два аспекта: мониторинг окружающей среды и мониторинг физиологии роста животных. Все эти процессы мониторинга могут быть реализованы с помощью технологии беспроводного сенсорного мониторинга [31,32,33]. Животным необходим комфортная среда, так как комфортная температура, влажность и качество воздуха влияют на их здоровый рост. Прецизионный мониторинг среды разведения с помощью беспроводных сенсоров может эффективно повысить точность контроля комфортной среды, сократить выбросы парниковых газов и опасных газов, а также повысить экологическую устойчивость.

Другим важным процессом мониторинга является физиология и здоровье животных, такие как температура тела, частота сердечных сокращений, уровень глюкозы, поведение и так далее. Здоровье животных очень важно для обеспечения их качества и повышения эффективности разведения. Данные о физиологии и здоровье могут контролироваться в реальном времени с помощью беспроводных сенсоров в животноводстве. Фермеры или предприятия, занимающиеся разведением, могут отслеживать статус их физиологии и здоровья, чтобы проводить научное планирование и принятие решений по ежедневному управлению, такому как кормление, профилактика заболеваний, диагностика и лечение. Этот процесс мониторинга может не только сделать животноводство более точным, но и сократить образование отходов и выбросы углерода. Реализуя мониторинг в животноводстве с помощью беспроводных сенсоров, животноводство станет не только умнее, но и более устойчивым.

2.3. Цепочка поставок пищевых продуктов

Сельскохозяйственная продукция из растениеводства и животноводства поступает на переработку, хранение, транспортировку и продажу в цепочке поставок пищевых продуктов. Потребители получают конечные свежие продукты из этой сложной цепочки поставок. Прозрачность и прослеживаемость качества и безопасности пищевых продуктов в цепочке поставок очень важны для предприятий и потребителей. Это может эффективно снизить потери качества, пищевые отходы и выбросы углерода, а также повысить устойчивость цепочки поставок пищевых продуктов. Беспроводной сенсорный мониторинг предоставил метод контроля колебаний микросреды и изменения качества в цепочке поставок, особенно для холодильной цепи пищевых продуктов [34,35,36]. Холодильная цепь пищевых продуктов поддерживает свежие продукты в обработанном, хранящемся, транспортируемом и продаваемом состоянии при низкой температуре постоянно.

Существует множество параметров микросреды. Это температура, влажность, газовый состав и микроорганизмы. Колебания параметров микросреды ускоряют деградацию качества. Качество пищевых продуктов может быть измерено с помощью параметров качества, таких как физическая текстура, химические показатели, такие как общее количество летучих основных азотистых веществ (TVBN), микробиологические показатели, такие как общее количество бактериальных колоний (CFU), и сенсорные показатели, такие как цвет и запах [37,38,39,40]. То, как отслеживать и контролировать эти параметры микросреды и строить корреляционную модель между параметрами микросреды и показателями качества пищевых продуктов в реальном времени, будет иметь ключевое значение для повышения прозрачности, прослеживаемости, безопасности и устойчивости в цепочке поставок пищевых продуктов. Беспроводной сенсорный мониторинг может собирать данные сенсоров о параметрах микросреды с помощью различных датчиков, таких как физические, химические и биологические сенсоры, и беспроводным способом передавать их в облачный центр для дальнейшей обработки и построения моделей. Беспроводной сенсорный мониторинг в цепочке поставок пищевых продуктов может эффективно способствовать сокращению потерь пищевых продуктов и выбросов углерода, а также достижению зеленого и устойчивого развития.

3.1. Устойчивая энергия

Устойчивая энергия является ключом к реализации автономного питания для беспроводных сенсорных устройств в устойчивом сельском хозяйстве. Существует множество видов устойчивой энергии, которые существуют в реальных системах устойчивого сельского хозяйства. Устойчивая энергия в основном включает световую, ветровую, водную, тепловую, акустическую, радиочастотную (RF) и микробную энергию.

Световая, ветровая, водная и тепловая энергия могут поступать из природных возобновляемых источников и регенерируемой энергии в условиях сельскохозяйственных объектов. Энергия из природной среды является чистой и возобновляемой, что очень важно и необходимо для устойчивого сельскохозяйственного производства. Энергия в условиях сельскохозяйственных объектов, таких как теплицы, животноводческие помещения, перерабатывающие заводы и хранилища, является еще одним важным источником для повышения эффективности сельского хозяйства круглосуточно. Энергия в условиях объектов может не только обеспечивать рост растений, разведение животных и контроль среды (например, освещение, охлаждение и обогрев), но также может быть регенерирована и аккумулирована для дальнейшего сокращения выбросов углерода и повышения устойчивости сельского хозяйства на объектах.

Акустическая, радиочастотная и микробная энергии существуют в нашей повседневной окружающей среде постоянно. Аккумулирование окружающей акустической энергии, такой как шум, радиочастотной энергии, такой как электромагнитное излучение в беспроводной связи, и микробной энергии, такой как энергия микроорганизмов в окружающей среде или почве, может быть еще одним устойчивым способом сокращения выбросов углерода в реальных сельскохозяйственных системах, особенно для энергоснабжения беспроводных сенсорных устройств в устойчивом сельском хозяйстве.

3.2. Автономные технологии

То, как аккумулировать устойчивую энергию в реальных сельскохозяйственных системах, является еще одним ключом к устойчивому сельскому хозяйству с автономным беспроводным сенсорным мониторингом. Существует в основном шесть видов автономных устройств, которые могут быть использованы для сбора устойчивой энергии. Это солнечные элементы, EMG, TEG, PZG, TENG и MFC.

Солнечные элементы очень полезны для аккумулирования устойчивой солнечной энергии или искусственного света в условиях сельскохозяйственных объектов. Существует множество видов солнечных элементов, изготовленных из различных материалов, таких как зрелые и широко используемые материалы на основе кристаллического кремния, органические соединения и перовскитные материалы. Солнечные элементы обычно изготавливаются в виде массива, чтобы максимизировать сбор световой энергии. Однако традиционные солнечные элементы в основном изготавливаются на твердых подложках, таких как оксид олова, легированный фтором (FTO), и оксид индия-олова (ITO), и они не могут быть легко интегрированы в растения, животных и пищевые продукты для беспроводного сенсорного мониторинга из-за вопросов биосовместимости в сельском хозяйстве. Поэтому разработка и интеграция гибких и биосовместимых солнечных элементов станет перспективным путем для устойчивого сельскохозяйственного беспроводного сенсорного мониторинга с развитием технологии гибкой электроники и биосовместимых материалов.

Устойчивая энергия, такая как ветер, вода, тепло и акустическая энергия, может работать в форме механического движения. Их необходимо аккумулировать путем преобразования механической энергии в электрическую. Это преобразование может быть реализовано с помощью EMG, PZG и TENG. EMG обычно и широко применяются в нашей повседневной жизни для выработки электроэнергии. Принцип работы EMG основан на явлении электромагнитной индукции. Они могут использоваться не только как крупный источник электроэнергии для нашей повседневной жизни, но и как микросеть питания для небольших электронных устройств, таких как беспроводные сенсорные устройства в устойчивом сельском хозяйстве. Иногда электромагнитная индукция EMG также может использоваться для сбора радиочастотной энергии при изменении электромагнитного поля в катушках. Катушки являются антенной. Антенна принимает радиочастотные сигналы и преобразует их в электрическую энергию для хранения.

PZG могут преобразовывать механическую энергию в электрическую, используя пьезоэлектрический эффект. Пьезоэлектрический эффект относится к поляризации определенных материалов при воздействии механического напряжения, такого как сжатие или растяжение, что приводит к генерации напряжения. Из-за низкого напряжения и короткого расстояния передачи выходная электрическая энергия PZG с трудом может быть непосредственно применена к некоторым мощным устройствам. Их эффективность преобразования энергии относительно низка, а их применимые сценарии, такие как микросбор механической энергии в условиях вибрации (например, акустической, ветровой и водной энергии в устойчивом сельском хозяйстве), также относительно ограничены.

TENG — это новые генераторы, появившиеся недавно, основанные на трибоэлектрическом и электростатическом индукционном эффектах. Они состоят из двух материалов со способностями к связыванию положительных и отрицательных электронов. Электроны будут переходить от одного материала к другому при их контакте, и будет генерироваться потенциальное напряжение при их разделении на небольшое расстояние. TENG имеют малый размер, легкий вес и просты в изготовлении из легкодоступных материалов в нашей повседневной жизни. Они подходят для различных сценариев применения. Однако, поскольку количество генерируемого TENG электричества и плотность энергии малы и низки, TENG могут использоваться только для некоторых маломощных электронных устройств. Поэтому было бы лучше интегрировать TENG с традиционными EMG или PZG вместе, чтобы реализовать сбор устойчивой энергии для автономных беспроводных сенсорных устройств в устойчивом сельском хозяйстве.

TEG могут аккумулировать устойчивую тепловую энергию в сельскохозяйственных системах с помощью эффекта Зеебека. Электричество генерируется внутри двух различных термоэлектрических материалов при наличии градиента температуры. Электроны перемещаются из области низкой температуры в область высокой температуры, образуя разность потенциалов, когда градиент температуры существует на обоих концах термоэлектрических материалов. Полупроводниковые термоэлектрические материалы, такие как традиционные P-типа и N-типа полупроводники, обладают сильной разностью термоэлектрических потенциалов. Однако TEG не могут широко применяться в реальных условиях из-за плохого изоляционного эффекта, низкой выходной мощности, высокой стоимости материалов и низкой эффективности преобразования.

MFC могут непосредственно преобразовывать химическую энергию в органическом веществе в электрическую энергию с помощью микроорганизмов. В сельскохозяйственных системах существует множество микроорганизмов, например, в почвах при растениеводстве. Так, растительные MFC (PMFC) разрабатываются на основе метаболизма микроорганизмов в корнях растений при фотосинтезе. MFC имеют низкую эффективность выработки электроэнергии, поэтому они могут применяться только для небольших электронных устройств. Но они экологически безопасны, устойчивы, имеют низкую стоимость и не загрязняют окружающую среду. Будет иметь большое значение для продвижения развития устойчивого сельского хозяйства максимальное использование микроорганизмов в сельскохозяйственной среде, не только для автономных беспроводных сенсорных устройств, но и для устойчивого сельскохозяйственного производства.

Выбор автономных технологий в реальных сельскохозяйственных системах будет определяться доступной устойчивой энергией. Автономные технологии постоянно развиваются вместе с передовыми информационными технологиями, такими как искусственный интеллект, и новыми материалами. Возможно интегрировать несколько генераторов вместе для сбора устойчивой энергии, чтобы можно было достичь стабильного, непрерывного и бесперебойного сбора энергии в реальных системах устойчивого сельского хозяйства.

Автономные беспроводные сенсорные сети могут состоять из автономных беспроводных сенсорных устройств, сети беспроводной передачи, облачного центра и пользователей. Автономные беспроводные сенсорные устройства развертываются в реальных условиях растениеводства, животноводства и цепочки поставок пищевых продуктов с аккумулированной устойчивой энергией. Устройства отвечают за сбор данных сенсоров и передачу этих данных в облачный центр через сеть беспроводной передачи, такую как GPRS или мобильные сети связи 3G, 4G или 5G. Облачный центр может управлять всеми данными мониторинга с помощью моделей, таких как модели ИИ машинного обучения, искусственной нейронной сети (ANN) и сверточной нейронной сети (CNN), хранить их в базе данных и отображать через веб-сайт на сервере. Пользователи, такие как фермеры, руководители предприятий или потребители, могут отслеживать всю информацию в реальном времени через эту автономную беспроводную сенсорную сеть.

Было разработано множество передовых технологий, таких как гибкая электроника, беспроводной сенсорный мониторинг, сбор энергии, граничные вычисления, ИИ, а также устойчивые и биосовместимые материалы. Автономная беспроводная сенсорная сеть получит большое развитие с точки зрения функциональности и практической применимости для сельскохозяйственной биологии. Устойчивость сельского хозяйства также будет повышена за счет сбора устойчивой энергии, увеличения эффективности интеллектуального прецизионного производства и сокращения выбросов углерода с помощью автономной беспроводной сенсорной сети.

Для реализации SAS в реальных сельскохозяйственных условиях основными вопросами, которые необходимо решить, являются сбор устойчивой энергии, автономный беспроводной сенсорный мониторинг и интеллектуальные модели. Многие параметры в растениеводстве, животноводстве и цепочке поставок пищевых продуктов необходимо контролировать и отслеживать, чтобы понимать статус производства. Эти параметры могут относиться к окружающей среде, растениям, животным и свежим продуктам. Чем более полными будут собираемые параметры, тем более полезно это для управления производством и повышения эффективности. Автономный беспроводной сенсорный мониторинг может предоставить возможность сбора сельскохозяйственных параметров со значительным сокращением выбросов углерода за счет аккумулирования устойчивой энергии в реальных сельскохозяйственных системах. Однако существуют серьезные проблемы: как непрерывно повышать эффективность сбора устойчивой энергии для питания беспроводных сенсорных устройств и как повышать точность беспроводного сенсорного мониторинга различных параметров. Это может быть решено с развитием автономных технологий, таких как солнечные элементы, EMG, TEG, PZG, TENG, MFC или других будущих новых генераторов, и технологий беспроводного сенсорного мониторинга, которые являются интеллектуальными, гибкими, биосовместимыми и более совершенными.

Недостаточно просто контролировать реальные сложные сельскохозяйственные параметры в реальном времени. Интеллектуальные решения должны приниматься на основе больших данных беспроводного сенсорного мониторинга для повышения точности и эффективности сельскохозяйственного производства. Интеллектуальные модели, связывающие большие данные сенсорного мониторинга и сельскохозяйственное производство, будут необходимы и важны. Интеллектуальные модели включают модели, связывающие данные сенсорного мониторинга с растениеводством, животноводством и качеством пищевых продуктов в цепочке поставок. В настоящее время существует множество моделей, применяемых в реальном сельскохозяйственном мониторинге, таких как CNN или глубокое обучение для распознавания изображений, машинное обучение для данных сенсорного мониторинга о росте растений или животных, и ANN для качества пищевых продуктов. Однако данные сенсорного мониторинга настолько велики, что вычислительная мощность должна быть усилена аппаратной поддержкой с высокой производительностью. Это увеличит стоимость аппаратного обеспечения. Граничные вычисления могут быть применены для снижения нагрузки на вычисления, поскольку они могут быть интегрированы с беспроводными сенсорными устройствами на месте. Другой существующей проблемой является то, как повысить точность интеллектуальных моделей, поскольку для их обучения требуются большие выборки. Это означает, что необходимо собирать долгосрочные данные сенсорного мониторинга, а также измерять биологические параметры для построения моделей, что будет полезно для сложных сельскохозяйственных систем. Это будет зависеть от долгосрочного мониторинга и непрерывного обучения, расчета и проверки моделей.

Кроме того, как повысить устойчивость сельского хозяйства в дальнейшем после практической реализации SAS также станет серьезной проблемой, поскольку сложные сельскохозяйственные системы нуждаются не только в интеллектуальном беспроводном сенсорном мониторинге, но и в устойчивом производстве для нашей повседневной среды и качества пищевых продуктов. Эту задачу можно решить путем интеграции сбора устойчивой энергии, автономного беспроводного сенсорного мониторинга и интеллектуальных моделей с ИИ вместе в различных процессах растениеводства, животноводства и цепочки поставок пищевых продуктов для реализации реальных систем устойчивого сельского хозяйства и повышения качества пищевых продуктов и здоровья человека.

Сельскохозяйственные системы сложны и включают растениеводство, животноводство и цепочку поставок пищевых продуктов, а также множество устойчивых природных возобновляемых и регенерируемых видов энергии на объектах, таких как свет, ветер, вода, тепло, акустическая, радиочастотная и микробная энергия. Автономные технологии могут эффективно аккумулировать устойчивую энергию, существующую в сельскохозяйственной среде, чтобы реализовать автономный беспроводной сенсорный мониторинг, сократить выбросы углерода в сельскохозяйственной среде и, в конечном итоге, повысить прозрачность, эффективность и экологическую устойчивость сельскохозяйственного производства. С развитием передовых технологий сбора устойчивой энергии, автономных технологий, гибкого и биосовместимого беспроводного сенсорного мониторинга, ИИ и биотехнологий, автономный беспроводной сенсорный мониторинг будет иметь большое значение для предоставления практических приложений в интеллектуальном и устойчивом сельском хозяйстве. Данная перспектива свидетельствует, что автономная беспроводная сенсорная система, как ожидается, станет эффективным способом реализации повышения эффективности производства в интеллектуальном сельском хозяйстве при одновременном достижении целей «зеленого» и устойчивого сельского хозяйства, и, наконец, обеспечения качества и безопасности пищевых продуктов и здоровья человека в будущем.

1.    Srivastav, A.L.; Patel, N.; Rani, L.; Kumar, P.; Dutt, I.; Maddodi, B.S.; Chaudhary, V.K. Sustainable options for fertilizer management in agriculture to prevent water contamination: A review. Environ. Dev. Sustain. 2024, 26, 8303–8327. [Google Scholar] [CrossRef]

2.    Adegbeye, M.J.; Reddy, P.R.K.; Obaisi, A.I.; Elghandour, M.M.M.Y.; Oyebamiji, K.J.; Salem, A.Z.M.; Morakinyo-Fasipe, O.T.; Cipriano-Salazar, M.; Camacho-Diaz, L.M. Sustainable agriculture options for production, greenhouse gasses and pollution alleviation, and nutrient recycling in emerging and transitional nations—An overview. J. Clean. Prod. 2020, 242, 118319. [Google Scholar] [CrossRef]

3.    Ardra, S.; Barua, M.K. Sustainable supplier selection among supermarket’s fresh fruits and vegetable supply chains based on circular practices in India. Environ. Dev. Sustain. 2024, 1–37. [Google Scholar] [CrossRef]

4.    Lu, S.; Xiao, X. Neuromorphic Computing for Smart Agriculture. Agriculture 2024, 14, 1977. [Google Scholar] [CrossRef]

5.    Koul, B.; Yakoob, M.; Shah, M.P. Agricultural waste management strategies for environmental sustainability. Environ. Res. 2022, 206, 112285. [Google Scholar] [CrossRef]

6.    Bhadury, D.; Nadeem, H.; Lin, M.; Dyson, J.M.; Tuck, K.L.; Tanner, J. Application of on-pack pH indicators to monitor freshness of modified atmospheric packaged raw beef. Food Qual. Saf. 2024, 8, fyae021. [Google Scholar] [CrossRef]

7.    Kim, D.E.; Nando, Y.A.; Chung, W.Y. Battery-free pork freshness estimation based on colorimetric sensors and machine learning. Appl. Sci. 2023, 13, 4896. [Google Scholar] [CrossRef]

8.    Wang, M.; Wang, B.; Zhang, R.; Wu, Z.; Xiao, X. Flexible Vis/NIR wireless sensing system for banana monitoring. Food Qual. Saf. 2023, 7, fyad025. [Google Scholar] [CrossRef]

9.    El Sakka, M.; Ivanovici, M.; Chaari, L.; Mothe, J. A Review of CNN Applications in Smart Agriculture Using Multimodal Data. Sensors 2025, 25, 472. [Google Scholar] [CrossRef]

10. Guzman, B.G.; Talavante, J.; Fonseca, D.F.; Mir, M.S.; Giustiniano, D.; Obraczka, K. Toward sustainable greenhouses using battery-free LiFi-enabled Internet of Things. IEEE Commun. Mag. 2023, 61, 129–135. [Google Scholar] [CrossRef]

11. Yan, B.; Zhang, F.; Wang, M.; Zhang, Y.; Fu, S. Flexible wearable sensors for crop monitoring: A review. Front. Plant Sci. 2024, 15, 1406074. [Google Scholar] [CrossRef] [PubMed]

12. Ahmad, T.; Ahsan, S.; Farooq, M.A.; Gulzar, M.; Mubben, M.; Hussain, A.; Ahmed, A.; Asif, A.; Kauser, S.; Najam, A.; et al. Role of Smart Agriculture Techniques in Food Security: A Systematic Review. J. Agron. Crop Sci. 2024, 210, e12758. [Google Scholar] [CrossRef]

13. Chen, X.; Song, D.; Wan, Z.; Zhang, R.; Wu, Z.; Xiao, X. Light energy harvested flexible wireless sensing for disinfection sterilization in food storage. Sustain. Energy Technol. Assess. 2024, 70, 103952. [Google Scholar] [CrossRef]

14. Knorrn, A.H.; Teder, T.; Kaasik, A.; Kreitsberg, R. Beneath the blades: Marine wind farms support parts of local biodiversity—A systematic review. Sci. Total Environ. 2024, 935, 173241. [Google Scholar] [CrossRef] [PubMed]

15. Dhaidan, N.S.; Al-Shohani, W.A.M.; Abbas, H.H.; Rashid, F.L.; Ameen, A.; Al-Mousawi, F.N.; Homod, R.Z. Enhancing the thermal performance of an agricultural solar greenhouse by geothermal energy using an earth-air heat exchanger system: A review. Geothermics 2024, 123, 103115. [Google Scholar] [CrossRef]

16. Hassanien, R.H.E.; Hou, T.-z.; Li, Y.-f.; Li, B.-m. Advances in Effects of Sound Waves on Plants. J. Integr. Agric. 2014, 13, 335–348. [Google Scholar] [CrossRef]

17. Moloudian, G.; Hosseinifard, M.; Kumar, S.; Simorangkir, R.B.V.B.; Buckley, J.L.; Song, C.; Fantoni, G.; O’Flynn, B. RF Energy Harvesting Techniques for Battery-Less Wireless Sensing, Industry 4.0, and Internet of Things: A Review. IEEE Sens. J. 2024, 24, 5732–5745. [Google Scholar] [CrossRef]

18. Huang, J.; Miwornunyuie, N.; Ewusi-Mensah, D.; Koomson, D.A. Assessing the factors influencing the performance of constructed wetland-microbial fuel cell integration. Water Sci. Technol. 2020, 81, 631–643. [Google Scholar] [CrossRef]

19. Chen, Y.; Zhang, Q.; Wu, K.; Liu, R.; Luo, J. Phase change double-shelled polyaniline microcapsules with low leakage rate, high thermal conductivity, solar-thermal conversion properties for thermal energy harvesting and anti-corrosive coatings. J. Energy Storage 2024, 100, 113480. [Google Scholar] [CrossRef]

20. Dai, S.; Li, X.; Jiang, C.; Ping, Y.; Ying, Y. Triboelectric nanogenerators for smart agriculture. InfoMat 2023, 5, e12391. [Google Scholar] [CrossRef]

21. Yousefi, E.; Nourian, A.; Nikkhoo, A.; Nejad, A.A. A comprehensive review of hybrid low-power energy harvesting thermoelectric generator/phase change material/foam systems and applications. J. Therm. Anal. Calorim. 2024, 149, 12469–12487. [Google Scholar] [CrossRef]

22. Le Scornec, J.; Guiffard, B.; Seveno, R.; Le Cam, V. Frequency tunable, flexible and low cost piezoelectric micro-generator for energy harvesting. Sens. Actuators A-Phys. 2020, 312, 112148. [Google Scholar] [CrossRef]

23. Gui, Y.; Wang, Y.; He, S.; Yang, J. Self-powered smart agriculture real-time sensing device based on hybrid wind energy harvesting triboelectric-electromagnetic nanogenerator. Energy Convers. Manag. 2022, 269, 116098. [Google Scholar] [CrossRef]

24. Dutta, A.; Jacob, C.A.; Das, P.; Corton, E.; Stom, D.; Barbora, L.; Goswami, P. A review on power management systems: An electronic tool to enable microbial fuel cells for powering range of electronic appliances. J. Power Sources 2022, 517, 230688. [Google Scholar] [CrossRef]

25. Wang, X.H.; Wen, Y.H.; Li, P.Y.; Li, Y.X.; Qin, H.Y.; Zhao, J.X.; Zhai, X.J.; Yang, W.C.; Wu, L.D. Flexible Sensors for Precision Agriculture: A Mini Review. TrAC Trends Anal. Chem. 2024, 180, 117946. [Google Scholar] [CrossRef]

26. Li, X.; Hou, B.; Zhang, R.; Liu, Y. A Review of RGB Image-Based Internet of Things in Smart Agriculture. IEEE Sens. J. 2023, 23, 24107–24122. [Google Scholar] [CrossRef]

27. Shrestha, M.M.; Wei, L. Review-Perspectives on the Roles of Real time Nitrogen Sensing and IoT Integration in Smart Agriculture. J. Electrochem. Soc. 2024, 171, 027526. [Google Scholar] [CrossRef]

28. Krasner, N.Z.; Fox, J.; Armstrong, A.; Ave, K.; Carvalho, F.; Li, Y.; Walston, L.J.; Ricketts, M.P.; Jordaan, S.M.; Abou Najm, M.; et al. Impacts of photovoltaic solar energy on soil carbon: A global systematic review and framework. Renew. Sustain. Energy Rev. 2025, 208, 115032. [Google Scholar] [CrossRef]

29. Zhang, B.; Zhang, S.; Li, W.; Gao, Q.; Zhao, D.; Wang, Z.L.; Cheng, T. Self-powered sensing for smart agriculture by electromagnetic–triboelectric hybrid generator. ACS Nano 2021, 15, 20278–20286. [Google Scholar] [CrossRef]

30. Pal, A.; Dubey, S.K.; Goel, S.; Kalita, P.K. Portable sensors in precision agriculture: Assessing advances and challenges in soil nutrient determination. TrAC-Trends Anal. Chem. 2024, 180, 117981. [Google Scholar] [CrossRef]

31. Wu, H.; Yue, Q.; Guo, P.; Xu, X. Exploiting the potential of carbon emission reduction in cropping-livestock systems: Managing water-energy-food nexus for sustainable development. Appl. Energy 2025, 377, 124443. [Google Scholar] [CrossRef]

32. Yin, M.; Ma, R.; Luo, H.; Li, J.; Zhao, Q.; Zhang, M. Non-contact sensing technology enables precision livestock farming in smart farms. Comput. Electron. Agric. 2023, 212, 108171. [Google Scholar] [CrossRef]

33. Feng, H.; Fu, Y.; Huang, S.; Glamuzina, B.; Zhang, X. Novel flexible sensing technology for nondestructive detection on live fish health/quality during waterless and low-temperature transportation. Biosens. Bioelectron. 2023, 228, 115211. [Google Scholar] [CrossRef]

34. Zhang, R.; Wang, M.; Zhu, T.; Wan, Z.; Chen, X.; Xiao, X. Wireless charging flexible in-situ optical sensing for food monitoring. Chem. Eng. J. 2024, 488, 150808. [Google Scholar] [CrossRef]

35. Wang, W.; Wu, K.; Zhang, Y.; Wang, M.; Zhang, C.; Chen, L. The development of an electric-driven control system for a high-speed precision planter based on the double closed-loop fuzzy PID algorithm. Agronomy 2022, 12, 945. [Google Scholar] [CrossRef]

36. Huang, W.; Wang, X.; Xia, J.; Li, Y.; Zhang, L.; Feng, H.; Zhang, X. Flexible sensing enabled agri-food cold chain quality control: A review of mechanism analysis, emerging applications, and system integration. Trends Food Sci. Technol. 2023, 133, 189–204. [Google Scholar] [CrossRef]

37. Lan, L.; Ping, J.; Xiong, J.; Ying, Y. Sustainable natural bio-origin materials for future flexible devices. Adv. Sci. 2022, 9, 2200560. [Google Scholar] [CrossRef]

38. Shi, J.; Xue, S.J.; Tang, J. Characterization of slightly acidic electrolyzed water (SAEW) on effective disinfection against microbial safety and retention of phenolic compound in SAEW treated fresh romaine lettuce. Food Qual. Saf. 2024, 8, fyae029. [Google Scholar] [CrossRef]

39. Zhan, Z.; He, S.; Cui, Y.; Yang, J.; Shi, X. Development of a multiplex recombinase polymerase amplification coupled with lateral flow dipsticks for the simultaneous rapid detection of Salmonella spp., Salmonella typhimurium and Salmonella enteritidis. Food Qual. Saf. 2024, 8, fyad059. [Google Scholar] [CrossRef]

40. Wang, M.; Zhang, R.; Wu, Z.; Xiao, X. Flexible wireless in situ optical sensing system for banana ripening monitoring. J. Food Process. Eng. 2023, 46, e14474. [Google Scholar] [CrossRef]

Xiao X. Sustainable Agriculture with Self-Powered Wireless Sensing. Agriculture. 2025; 15(3):234. https://doi.org/10.3390/agriculture15030234

Перевод статьи «Sustainable Agriculture with Self-Powered Wireless Sensing» автора Xiao X., оригинал доступен по ссылке. Лицензия: CC BY. Изменения: переведено на русский язык

Фото: freepik