Abstract Unmanned Aerial Vehicles (UAVs), often called drones, have gained progressive prevalence for their swift operational ability as well as their extensive applicability in diverse real-world situations. Of late, UAV usage in precision agriculture has attracted much interest from scientific community. This study will look at drone aid in precise farming. Big data has the ability to analyze enormous amounts of data. Due to this, it is one of the diverse crucial technologies of Information and Communication Technology (ICT) which had applied in precision agriculture for the abstraction of critical information as well as for assisting agricultural practitioners in the comprehension of the most feasible farming practices, and also for better decision-making. This work analyses communication protocols, as well as their application toward the challenge of commanding a drone fleet for protecting crops from infestations of parasites. For computer-vision tasks as well as data-intensive applications, the method of deep learning has shown much potential. Due to its vast potential, it can also be used in the field of agriculture. This research will employ several schemes to assess the efficacy of models includes Visual Geometry Group (VGG-16), the Convolutional Neural Network (CNN) as well as the Fully-Convolutional Network (FCN) in plant disease detection. The methods of Artificial Immune Systems (AIS) can be used in order to adapt deep neural networks to the immediate situation. Simulated outcomes demonstrate that the proposed method is providing superior performance over various other technologically-advanced methods. UAVs, UAVs , (UAVs) drones realworld real world situations late community this ICT (ICT practices decisionmaking. decisionmaking decision making. making decision-making protocols parasites computervision computer vision dataintensive intensive applications potential VGG16, VGG16 VGG 16 (VGG-16) CNN (CNN FullyConvolutional Fully FCN (FCN detection AIS (AIS situation technologicallyadvanced technologically advanced (UAVs VGG1 1 (VGG-16 (VGG-1 (VGG- (VGG
Resumo Os veículos aéreos não tripulados (UAVs), muitas vezes chamados de drones, ganharam prevalência progressiva por sua rápida capacidade operacional, bem como por sua ampla aplicabilidade em diversas situações do mundo real. Ultimamente, o uso de UAV na agricultura de precisão tem atraído muito interesse da comunidade científica. Este estudo analisará a ajuda de drones na agricultura de precisão. O big data tem a capacidade de analisar enormes quantidades de dados. Por isso é uma das diversas tecnologias cruciais de tecnologia da informação e comunicação (TIC) que foram aplicadas na agricultura de precisão para a abstração de informações críticas, bem como para auxiliar os praticantes agrícolas na compreensão das práticas agrícolas mais viáveis, e também para uma melhor tomada de decisão. Este trabalho analisa protocolos de comunicação, bem como sua aplicação no desafio de comandar uma frota de drones para proteção de lavouras contra infestações de parasitas. Para tarefas de visão computacional, bem como para aplicações com uso intensivo de dados, o método de aprendizagem profunda mostrou muito potencial. Devido ao seu vasto potencial, também pode ser utilizado na área agrícola. Esta pesquisa empregará vários esquemas para avaliar a eficácia de modelos, incluindo o Grupo de Geometria Visual (VGG-16), a Rede Neural Convolucional (CNN), bem como a Rede Totalmente Convolucional (FCN) na detecção de doenças de plantas. Os métodos de sistemas imunológicos artificiais (AIS) podem ser utilizados para adaptar redes neurais profundas à situação imediata. Os resultados simulados demonstram que o método proposto oferece desempenho superior em relação a vários outros métodos tecnologicamente avançados. UAVs, UAVs , (UAVs) operacional real Ultimamente científica dados TIC (TIC críticas viáveis decisão parasitas computacional potencial agrícola modelos VGG16, VGG16 VGG 16 (VGG-16) CNN, CNN (CNN) FCN (FCN plantas AIS (AIS imediata avançados (UAVs VGG1 1 (VGG-16 (CNN (VGG-1 (VGG- (VGG