Mohammed-Haji-Mudabbir/AgriPartner-Smart-Crop-Advisory-System

# 🌾 智能作物咨询系统（Agri Partner）      # 📌 项目概述 **智能作物咨询系统（Agri Partner）** 是一个由人工智能驱动的农业决策支持平台，作为 **第三年工程大项目** 开发。该系统结合了机器学习、深度学习、天气智能和自然语言处理，帮助农民做出明智的农业决策。 该平台提供智能推荐，包括作物选择、肥料优化、疾病检测和农业指导，有助于提高生产力、减少资源浪费，并促进可持续的农业实践。 # 🎓 学术信息 | 领域 | 详细信息 | | ----------------- | -------------------------------------------------------------------------------- | | **项目标题** | 智能作物咨询系统（Agri Partner） | | **项目类型** | 第三年工程大项目 | | **领域** | 人工智能、机器学习、深度学习、农业技术 | | **技术** | Python、FastAPI、Spring Boot、TensorFlow、Scikit-Learn | | **开发者** | Mohammed Haji Mudabbir | | **年份** | 第三年工程 | # 📑 目录 * 项目概述 * 关键特性 * 系统架构与模型 * 使用的技术 * 数据集详情 * 项目结构 * 安装与设置 * 未来改进 * 免责声明 * 作者 # 🚀 关键特性 | 特性 | 描述 | | ---------------------------------- | ---------------------------------------------------------------------------------------------------------- | | 🌱 **作物推荐** | 根据土壤养分、pH值、温度、湿度、降雨量等因素推荐最合适的作物。 | | 🧪 **肥料推荐** | 根据土壤缺乏和作物需求建议合适的肥料。 | | 🌿 **疾病检测** | 使用深度学习从叶片图像中识别植物疾病。 | | 🌦️ **天气咨询** | 整合天气信息以支持农业决策。 | | 🤖 **农业聊天机器人** | 使用自然语言处理提供指导和回答农民的查询。 | | 📝 **社区知识共享** | 促进农民和农业专家之间的信息交流。 | # 🧠 系统架构与模型 智能作物咨询系统将机器学习和深度学习模块集成到一个统一的农业辅助平台中。 ## 1. 作物推荐系统 ### 算法 * 随机森林 * XGBoost * 集成学习 ### 输入参数 * 氮 (N) * 磷 (P) * 钾 (K) * 温度 * 湿度 * pH * 降雨量 ### 输出 推荐具有高适宜性和生产力的作物。 ## 2. 肥料推荐系统 ### 算法 基于分类的机器学习模型 ### 训练数据集 约 5,500 个农业记录 ### 输出 根据养分缺乏和土壤条件推荐的肥料，例如： * 尿素 * DAP * 14-35-14 * 28-28 * 17-17-17 ## 3. 植物疾病检测系统 ### 架构 MobileNetV2 转移学习模型 ### 功能 * 检测多种作物疾病 * 区分健康和感染植物 * 支持基于图像的诊断 ### 数据集 PlantVillage 数据集 ### 框架 TensorFlow & Keras # 🛠️ 使用的技术 ## 后端开发 * Python * FastAPI * Java * Spring Boot * REST API ## 机器学习与人工智能 * Scikit-Learn * TensorFlow * Keras * Pandas * NumPy ## 前端开发 * HTML5 * CSS3 * JavaScript * Bootstrap ## 数据库 * MySQL ## 外部服务 * 天气 API # 📊 数据集详情 该系统使用从 Kaggle 和研究存储库获得的公开可用的农业数据集进行训练。 ### 数据包括 #### 土壤参数 * 氮 (N) * 磷 (P) * 钾 (K) * pH 值 #### 环境参数 * 温度 * 湿度 * 降雨量 #### 疾病检测数据 * 健康叶片图像 * 患病叶片图像 * PlantVillage 数据集 # 📂 项目结构 ``` Smart_crop_advisory_system/ │ ├── code/ │ ├── crop recommendation/ │ ├── fertilizer recommendation/ │ ├── disease detection/ │ ├── EDA/ │ └── website_code/ │ ├── data/ │ ├── crop_recommendation_data/ │ └── fertilizer_recommendation_data/ │ ├── documents/ │ ├── ER Diagram │ ├── Workflow │ ├── Research Paper │ ├── Project Report │ └── Presentation │ ├── README.md ├── LICENSE ├── .gitignore └── .gitattributes ``` # 💻 安装与设置 ## 先决条件 * Python 3.10+ * Java JDK 17+ * MySQL 服务器 ## 克隆仓库 ``` git clone https://github.com/Mohammed-Haji-Mudabbir/Smart-Crop-Advisory-System.git cd Smart-Crop-Advisory-System ``` ## 安装 Python 依赖项 ``` pip install -r requirements.txt ``` ## 运行 FastAPI 服务 ``` uvicorn main:app --reload ``` ## 运行 Spring Boot 应用程序 ``` ./mvnw spring-boot:run ``` ## 访问应用程序 ``` http://localhost:8080 ``` # 🎯 项目目标 * 通过人工智能推荐提高作物生产力。 * 减少因作物选择不当造成的农业损失。 * 优化肥料使用。 * 在早期阶段检测植物疾病。 * 促进可持续和基于数据的农业。 * 通过智能数字工具赋权农民。 # 🔮 未来改进 * 移动应用程序集成 * 基于物联网的土壤监测 * 卫星数据集成 * 基于语音的农民辅助 * 区域语言支持 * 实时政府方案推荐 * 先进的产量预测模型 # ⚠️ 免责声明 本项目严格用于教育和学术目的。 系统生成的推荐仅供参考，不应取代专业的农业咨询。农民在做出重大财务或农业决策之前，应与当地农业专家核实推荐内容。 # 👨‍💻 作者 ### 穆罕默德·哈吉·穆达布里尔 三年级工程学生 **GitHub:** https://github.com/Mohammed-Haji-Mudabbir **项目:** 智能作物咨询系统（Agri Partner） **领域:** 人工智能、机器学习、深度学习与农业技术

用 ❤️ 制作，以通过人工智能和智能农业赋能农民。

标签：Apex, AV绕过, FastAPI, Python, Scikit-Learn, Spring Boot, TensorFlow, 人工智能, 作物推荐, 农业信息化, 农业决策支持, 农业创新, 农业咨询, 农业大数据, 农业技术, 农业教育, 农业智能化, 农业服务, 农业研究, 农业科技, 农业管理, 农业系统, 农业自动化, 农业解决方案, 可持续农业, 天气智能, 无后门, 智能农业, 机器学习, 植物病害检测, 深度学习, 用户模式Hook绕过, 肥料优化, 逆向工具