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 #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.