← Projelere dön
SmartAgriculture Pro - Esra Sinler project, Software Architect and Developer in Izmir

SmartAgriculture Pro SmartAgriculture Pro

Streamlit tabanlı akıllı tarım yönetim uygulaması. ML (scikit-learn) ile bitki önerisi ve verim tahmini, IoT (MQTT), OpenWeatherMap API, bölgesel analiz, sulama takibi, gübre hesaplayıcı. Clean Code yapısı, dashboard ve Excel veritabanı. Streamlit-based smart agriculture management app. ML (scikit-learn) for crop recommendation and yield prediction, IoT (MQTT), OpenWeatherMap API, regional analysis, irrigation tracking, fertilizer calculator. Clean Code structure, dashboard and Excel database.

#Streamlit #Python #scikit-learn #pandas #plotly #MQTT #OpenWeatherMap API #Excel

Genel Bakış

SmartAgriculture Pro, tarım operasyonlarını yönetmek ve optimize etmek için Streamlit tabanlı bir web uygulamasıdır. Makine öğrenmesi modelleri, IoT entegrasyonu ve veri analizi içerir.

Mimari yapı

Teknoloji stack

  • Frontend: Streamlit · ML: scikit-learn (Random Forest) · Veri: pandas, numpy · Görselleştirme: plotly · IoT: MQTT (paho-mqtt) · API: OpenWeatherMap

Proje yapısı (Clean Code)

  • src/config (yapılandırma), ui (sayfalar ve bileşenler), services (ML, API, MQTT), data (bitki, gübre verileri), utils, app.py (routing)

Ana özellikler

  • Dashboard: Metrikler (parsel, gelir, verimlilik), hasat analizi, iş emirleri, ürün dağılımı
  • AI Bitki Danışmanı: Toprak parametreleri (N, P, K, pH, sıcaklık, nem, yağış), ML ile bitki önerisi, verim tahmini, yetiştirme önerileri
  • Bölgesel Analiz (GPS): Bölge bazlı analiz, iklim verileri, toprak analizi, pH uyumluluk
  • İş Emirleri: Görev takibi, parsel bazlı yönetim, durum (Bekliyor/Tamamlandı)
  • Parsel & Operasyon: Parsel yönetimi, alan takibi, ürün durumu
  • Sulama Takibi (IoT): IoT sensör, sulama karar sistemi (ML), sulama logları
  • Gübre Hesaplayıcı: NPK analizi, maliyet hesaplama
  • Robot Verisi: MQTT ile sensör verisi, görselleştirme

Makine öğrenmesi modelleri

  • Bitki öneri (Classification): N, P, K, sıcaklık, nem, pH, yağış → önerilen bitki · Random Forest Classifier
  • Verim tahmin (Regression): Aynı parametreler → tahmini verim (ton/da) · Random Forest Regressor
  • Sulama karar (Classification): Nem, sıcaklık, yağış → "Sula" / "Bekle" · Random Forest Classifier
  • Eğitim: src/model_egitimi.py, veri: Crop_recommendation.csv, modeller: assets/models/*.pkl

Veri yönetimi & Servisler

Veri: CSV (Crop_recommendation.csv, Smart_Farming_Crop_Yield_2024.csv), Streamlit session state, Excel (assets/database/).

Servisler: Model Service (ML + cache), Weather Service (OpenWeatherMap/simülasyon), MQTT Service (IoT), Crop Recommendation Service, Excel Service.

Kurulum

pip install -r requirements.txt · Model eğitimi: python src/model_egitimi.py · Çalıştırma: streamlit run src/app.py

Modeller (assets/models/*.pkl) ve veri dosyaları (data/) gerekli. UI: Nexus Dashboard tarzı, responsive; menü: GENERAL, TOOLS, SUPPORT.

Öne çıkan: ML tabanlı bitki önerisi ve verim tahmini, IoT (MQTT), bölgesel analiz, gerçek zamanlı dashboard, Clean Code yapısı.

Fields of Expertise

Software Architect • Embedded Systems • Full-Stack Developer • AI Agent Developer • IoT Solutions • .NET Core Expert • React • Hybrid Software Architect