A revisit of Internet of Things Technologies for Monitoring and Control Strategies in Smart Agriculture

3. Major Equipment and Technologies
Major equipment and IoT technologies are fully demonstrated in the next subsections,
such as various sensors, agricultural drones, and harvesting robots.

---

Agronomy
2022
,
12
, 127
8 of 21
3.1. Sensors
The visual sensor, multispectral sensor, thermal sensor, lidar sensor, and hyperspectral
sensor are only a few of the sensors utilized in IoT-based smart agriculture and drone
technologies. Current IoT-based sensor applications in smart agriculture are presented in
Table
2
.
Table 2.
IoT-based sensors in smart agriculture used to increase production.
Sensors
Operations of Different Sensors
DHT11 Sensor:
DHT11 sensor measures temperature and humidity
[
12
].
SEN0193: Soil Moisture Sensor
SEN0193 is a Soil Moisture Sensor. The dielectric
permittivity of soil is a consequence of its moisture
content. The sensor generates a voltage proportional
to the dielectric permittivity of the soil and hence to
its water content. The sensor takes an average of the
water content over its whole length. The Soil
Moisture Sensor is used to quantify moisture loss
over time due to plant absorption and evaporation,
determine optimal soil moisture information for
different plant species, monitor soil moisture
information in greenhouses to regulate irrigation,
and optimize bottle biology research. [
20
].
Turbidity Sensor SKU SEN0189:
The turbidity sensor determines the quality of water
by detecting its turbidity level. It detects suspended
particles in water using light by measuring the light
transmittance and scattering rate, which vary the
quantity of total suspended solids (TSS) in the water
[
25
].
MH-Z14A:
This is used to monitor the CO2 level at high
precision.
BH1750:
This is used to monitor the light intensity level (as
photosynthesis is related to light intensity) and to
conduct experiments on the influence of light
intensity on the greenhouse environment’s
temperature [
26
].
Rain sensor:
A rain sensor is a simple instrument for detecting
rain pressure. It may be used as a switch to
determine the strength of rainfall when a raindrop
falls through the rainy board [
27
,
28
].
Lidar sensor:
The top camera sensor is an imaging range camera
that estimates the distance between the camera and
the subject at each point in the collected images [
29
].
3.2. Agricultural Drones
UAVs can monitor the health of crops, apply pesticides, and take hyperspectral images
in precision agriculture. Drones can scan a crop for issues in plants using visible and
near-infrared light, and they can determine which plants reflect what quantities of green
and NIR light. Photosynthetic activity diminishes when a plant is stressed. This data may
be used to create numerous images that track plant changes and indicate their health. As a
result, farmers can more accurately administer treatments after a disease has been identified.
Drones are also utilized for surveillance, traffic monitoring, and weather monitoring in
agriculture. Drone technology employs various sensors, including optical, multispectral,
thermal, lidar, and hyperspectral sensors, which are briefly detailed in Section
3.1
.
Crop management has benefited from the Internet of Things, remote sensing, and
analytic data approaches. Pests may be identified, targeted, and managed to utilize remote

---

Agronomy
2022
,
12
, 127
9 of 21
sensing using UAVs. UAVs can fly in tough and harsh terrains to take high-resolution
images that allow pests to be identified and controlled. Many crop security concerns may
be solved using UAVs equipped with cameras, which are not possible with traditional pest
management methods. UAVs have been used to automate insect damage in agricultural
areas [
30
,
31
].
An automated rotating device based on sun illumination angle perception keeps the
solar panel perpendicular to the sun and increases solar energy harvesting rates. Based on
spectrum analysis technology, Internet of Things approaches, including several wireless
technologies, such as TVWS, ZigBee, and LoRa, are suggested to collect data and send it
to a base station/gateway to assess the degree of damage caused by pests and diseases.
In addition, a technique for maximizing wind force usage and to extend the time of flight for
drones has been established to support drones in downwind by designing the flying path
implementation. The study’s scope is limited, with the goal of developing a long-standing
insect and disease detection technique through extensive data gathering and analysis.
The suggested model will be tested in real-world scenarios. For example, crop diseases
and insects might be tracked in real-time and climatic changes could be analyzed [
32
].
The Internet of Things-based approach is illustrated for smart agriculture monitoring in
Figure
3
.