Smart agricultural system

Smart-Agricultural-System

Prototyp für einen Echtzeit-Ernte-Empfehlungsalgorithmus in Python mit maschinellem Lernen und Datenanalysen. Diese Arbeit präsentiert ein System in Form einer Website. Die Geschäftslogik in Python verwendet maschinelles Lerntechniken, um die profitabelste Ernte bei den prognostizierten Wetter- und Bodenbedingungen an einem bestimmten Ort vorherzusagen. Das vorgeschlagene System integriert die Daten, die aus Boden, Ernte -Repository, Wetterabteilung erhalten wurden, und durch Anwendung des Algorithmus für maschinelles Lernen: Mehrfach lineare Regression, eine Vorhersage der meisten geeigneten Pflanzen gemäß den aktuellen Umgebungsbedingungen. Dies bietet einem Landwirt eine Vielzahl von Pflanzenmöglichkeiten, die kultiviert werden können.

Die Geschäftslogik kann in /code/mlr_algo.py -Verzeichnis angezeigt werden. Der Server wird mit node.js. programmiert. Um das Projekt auszuführen, müssen Sie nur das Skript node.js- 'server.js' ausführen und zur angezeigten IP-Adresse auf der Eingabeaufforderung navigieren, um auf das System zuzugreifen.

Python Package Stack: Scikit-Learn, Pandas. Webentwicklungstechnologien: HTML, CSS, JavaScript. Alle erforderlichen Datensätze sind im Repository selbst enthalten.

Projektwechsel: https://www.youtube.com/watch?v=7zr-3olbr9e&t=186s

Mitwirkende, Omkar Buchade, Nilesh Mehta, Shubham Ghodekar.