healthify agriTech

Gesundheit Agritech

Alle Details zum Sommerprojekt sind hier vorhanden

---

Schauen Sie sich hier alle Anwendungen auf der Website an

---

Erhalten Sie den Code und die Details der jeweiligen Anwendungen - -

Name	Domain	Repository -Link	Anwendung verwenden
Ernte Empfehlung	Landwirtschaft	Klicken Sie hier, um den Code anzuzeigen	Klicken Sie hier, um die Anwendung zu verwenden
Vorhersage für Dünger	Landwirtschaft	Klicken Sie hier, um den Code anzuzeigen	Klicken Sie hier, um die Anwendung zu verwenden
Pflanzenerkrankung	Landwirtschaft	Klicken Sie hier, um den Code anzuzeigen	Klicken Sie hier, um das Projekt anzuzeigen
Vorhersage	Gesundheitspflege	Klicken Sie hier, um den Code anzuzeigen	Klicken Sie hier, um die Anwendung zu verwenden
?Lebenserwartung	Gesundheitspflege	Klicken Sie hier, um den Code anzuzeigen	Klicken Sie hier, um die Anwendung zu verwenden

Thema des Projekts

Die Projekte basieren auf der Idee, reale Probleme im Agrarsektor und im Gesundheitswesen zu lösen. Es kann auch als minimal lebensfähiges Produkt angesehen werden.

?Motivation

• Das Landwirtschafts- und Gesundheitssystem sind wichtige Sektoren, die das Wirtschaftswachstum und die Personalabteilung eines Landes beeinflussen.

• In Land wie Indien ist die Mehrheit der Bevölkerung für ihren Lebensunterhalt auf die Landwirtschaft angewiesen. Viele neue Technologien, wie z. B. maschinelles Lernen und tiefes Lernen, werden in die Landwirtschaft umgesetzt, so dass es für die Landwirte einfacher ist, ihren Ertrag zu wachsen und zu maximieren.

• In jüngster Zeit der Pandemie ist die Notwendigkeit der Gesundheitsversorgung, Technologie zur effizienten Arbeiten zu übernehmen.

• ? In diesem Projekt stellen wir eine Website vor, auf der folgende Anwendungen implementiert werden. Ernteempfehlung, Düngemittelempfehlung bzw. Anlagenerkrankungen im Bereich der Landwirtschaft.

  • In der Anwendung zur Ernteempfehlung kann der Benutzer die Bodendaten von seiner Seite von der Seite bereitstellen, und die Anwendung sagt voraus, welche Ernte der Benutzer wachsen soll.

  

  • Für die Anwendung zur Empfehlung der Düngemittel kann der Benutzer die Bodendaten und die Art der Ernte eingeben, die er wächst, und die Anwendung wird vorhersagen, was dem Boden fehlt, oder über einen Überschuss und empfehlen, Dünger für den Boden zu vermitteln.

  

  • Bei der letzten Anwendung, bei der die Anwendung zur Vorhersage von Anlagenerkrankungen vorliegt, kann der Benutzer ein Bild eines erkrankten Pflanzenblatts eingeben, und die Anwendung sagt vor, welche Krankheit er ist und gibt auch ein wenig Hintergrund über die Krankheit und Vorschläge zur Heilung.

• ? Für das Gesundheitssystem haben wir Schlaganfallvorhersage und Lebenserwartung einer Person nach den bereitgestellten Inputs.

  • Für die Anwendung der Schlaganfallvorhersage kann der Benutzer den physischen und mentalen Zustand eingeben, und die Anwendung sagt voraus, dass die Wahrscheinlichkeit, ob ein Patient wahrscheinlich einen Schlaganfall erhält, basierend auf den Eingabeparametern wie Geschlecht, Alter, verschiedenen Krankheiten und Raucherstatus.

  • Für die Lebenserwartungsanwendung muss der Benutzer die Merkmale eingeben, da die Beobachtungen auf verschiedenen Ländern basieren, es für ein Land leichter sein wird, den Vorhersagefaktor zu bestimmen, der zum niedrigeren Wert der Lebenserwartung beiträgt. Dies wird dazu beitragen, dass ein Land an Bedeutung gewährt werden sollte, um die Lebenserwartung seiner Bevölkerung effizient zu verbessern.

? Geh zu -

• Detaillierte Dokumentation
• Bereitstellung von Modellen mithilfe von Webanwendungen

? Technologien, die verwendet werden müssen

1. Maschinelles Lernen
2. Tiefes Lernen
3. Datenanalyse
4. Front-End (Webdesign/HTML & CSS)
5. Back-End (Flask/Django)
6. Produktanalyse und Design
7. Cloud Computing

Projektbeschreibung

In diesem Projekt werden wir Webanwendungen für die Vorhersage einiger der häufigsten Probleme und Probleme im Agrar- und Gesundheitssektor durch die Verwendung von Datenanalysen und maschinellem Lernen entwerfen. Nachdem wir das Modell für die Vorhersage erstellt haben, entwickeln wir eine Webanwendung für die Modelle und setzen sie dann für die Cloud -Technologien für die öffentliche Verwendung bereit. Nach der Bereitstellung der Modelle integrieren wir die gesamte Webanwendung auf der Website.

✂Project -Abschnitte

1. Landwirtschaft
2. Gesundheitspflege

Name	Domain	Datensatz	Primärtechnologie
Ernteempfehlung	Landwirtschaft	Erntedaten	Maschinelles Lernen
Düngervorhersage	Landwirtschaft	Düngerdatendaten	Maschinelles Lernen
Pflanzenerkrankung	Landwirtschaft	Pflanzenkrankheiten	Tiefes Lernen
Schlaganfallvorhersage	Gesundheitspflege	Schlaganfall	Maschinelles Lernen und Datenanalyse
Lebenserwartung	Gesundheitspflege	Aufmerksamkeitsdata	Maschinelles Lernen und Datenanalyse

Detaillierte Dokumentation

Der öffentliche Link für die Nutzung der Dienste ist hier

Mitwirkende

Mahaveer Rulaniya	Kapil Kunt	Kailash Thalore	Jayant Agarwal	Arvind	Abhishek Jangid	Vivek Bhati
[phone]	[phone]	[phone]	[phone]	[phone]	[phone]	[phone]

---