Jernihin
1.0.0
Jernihin을 보려면 여기를 클릭하십시오.
Jernihin 은 인도네시아 기반 웹 사이트의 머신 러닝 프로그램으로 현재 SIB Dicoding X Kampus Merdeka Batch 3 에서 SIB3 Capstone C22-078 팀에서 4 명의 개발자가 SIB3 Capstone C22-078 팀에서 개발하고 있습니다.
생물에 큰 잠재력이 있고 매년 계속 증가하는 천연 자원은 물입니다. SDG (Sustainable Development Goal)에 대한 데이터에 따르면 2020 년 인도네시아의 수질 지수는 53.53으로 전년도보다 증가했습니다 [1]. 물 측정은 pH 값, 탁도, 인, 질소, 산소 및 물의 질을 결정하는 데 중요한 역할을하는 화학적 변수에서 볼 수 있습니다. 물의 품질을 정기적으로 모니터링해야합니다 [2].
수자원 관리 전략을 지원하기위한 노력 중 하나는 수분 함량의 품질을 모니터링 할 수있는 시스템을 만드는 것입니다. 위의 문제를 기반으로, 우리는 딥 러닝 방법을 사용하여 웹 사이트 애플리케이션을 구축하여 여러 변수로부터 수질을 예측하기로 결정했습니다. 이 응용 프로그램은 수질 관리 및 모니터링에서 또 다른 대안을 제공 할 것으로 예상됩니다.
위에서 설명한 배경을 바탕 으로이 프로젝트의 목표와 목표는 다음과 같습니다.
이 웹 사이트는 수질을 결정하고 결정하는 데 도움이되는 유틸리티로 커뮤니티를 돕는 것을 목표로합니다. 이 기능은 수자원 관리에 도움이 될 것으로 예상됩니다.
Jernihin은 분변, 산소, pH, 퇴적물, 온도, 질소, 인 및 탁도로 구성된 물의 함량에 따라 사람들이 수질을 식별하는 데 도움이되는 기능을 가지고 있습니다. 이 기능은 사용자가 수질을 매핑하고 식별하는 데 도움이 될 수 있어야합니다.
이 단계는 다음과 같은 두 단계를 통해 간단히 설명됩니다.
이 프로젝트에서 가상 환경을 만드는 단계는 다음과 같습니다.
이 저장소를 복제하십시오
git clone https://github.com/aNdr3W03/Jernihin.git파이썬 가상 환경을 설치하십시오
virtualenv venv"요구 사항"내부에 모든 요구 사항을 설치하십시오.
pip install -r requirements.txt플라스크 앱 및 실행 서버를 가져옵니다
export FLASK_APP=app.py
flask run또는
python app.py ctrl + c 로 응용 프로그램 또는 서버를 중지하십시오.
이메일 또는 Github Acoount와 함께 철도 계정에 로그인하십시오
새 프로젝트 를 만듭니다
배포 양식 Github Repo를 선택하십시오
배포하려는 Respository 프로젝트를 선택하십시오
대변, 산소, pH, 퇴적물, 온도, 질소, 인 및 탁도의 형태로 HTML 형태에서 사용자 입력을 얻으십시오. 이 파라미터는 나중에 예측 될 대체 값으로 추출됩니다. 값 범위는 각 입력에 대해 0과 100 사이입니다.
추론을 위해 사용자 입력을 Numpy 배열로 확장하십시오.
작성된 모델을 사용하여 사용자 입력을 예측하십시오. 사용 된 모델은 랜덤 포레스트 분류기 앙상블 트리 기반 학습 알고리즘입니다. 이렇게하면 입력 한 모든 입력에서 모델 예측 배열의 결과가 반환됩니다.
실제 적법한 결과를 얻는 형태의 출력 예측 레이블. 그런 다음이 정수 값은 부호와 일치하는 레이블을 기반으로 결과 문자열로 변환됩니다. 이 과정의 결과는 "우수한", "좋은", "페어", "한계"및 "가난한"과 같은 일련의 예측 결과입니다.
최종 예측 결과는 예측 페이지로 반환되어 사용자에게 표시됩니다.
이 프로젝트 작업 중에 발생할 위험 관리 계획 및 가능한 문제는 SWOT 분석, 즉 강점, 약점, 기회 및 위협을 사용하여 수행되었습니다. 이 분석은이 프로젝트를 개발하는 동안 발생할 수있는 강점, 약점, 기회 및 위협을 매핑하고 식별하기 위해 수행되었습니다.
초기 문서의 경우, 합의 된 목록의 시작을 추적하기위한 Gantt 차트가 만들어졌습니다. 일정에 대한 자세한 내용은 ProjectLibre에서 Gantt 차트를 작성하는 Gantt 차트 링크의 Gantt 차트 문서 또는 아래 이미지에서 볼 수 있습니다.
Jernihin Project Gantt 차트
이 Jernihin 리포지토리는 2 개의 가지 로 나뉩니다.
메인 (마스터 지점)
main 브랜치는 프론트 엔드 디스플레이 개발 및 기계 학습 모델 개발을위한 통합 브랜치로 사용됩니다. 이 계획은 플라스크 프레임 워크를 사용하여 웹 사이트 및 기계 학습 모델을 전체 웹 사이트로 구축하고 통합하는 것입니다.
개발자 (개발 지점)
dev Branch는 초기 리소스를 결정하는 과정에서 사용되거나 프로젝트에서 사용할 다른 것을 시도 할 수있는 환경이라고 할 수 있으므로 결국 적절한 리소스를 찾으면 문서가 DEV에서 메인 브랜치로 이동됩니다.
Amerigeoss 커뮤니티 플랫폼 Datahub
WQI 매개 변수 점수 1994-2013 데이터 세트
이 프로젝트를 수행 할 때 여러 프로젝트 또는 프로젝트 리소스가 필요합니다.
언어
뼈대
도서관
아이콘과 이미지
전개
[1] H.는 NH Matondang과 Hn Irmanda, "Sistem Prediksi Kualitas Air Yang Dapat Dikonsumsi Dengan Menerapkan Algoritma K-Nearest Neighbor," 세미나 Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (Senamika) , Vol. 3, 아니오. 1, pp. 158-168, 2022 년 4 월. 액세스 : 2022 년 10 월 12 일. [온라인]. 사용 가능 : https://conference.upnvj.ac.id/index.php/senamika/article/view/2017
[2] MHD BARANG DAN SK SAPTOMO, "Analisis kualitas air pada jalur istribusi air berih di gedung baru fakultas ekonomi dan manajemen institut pertanian bogor," Jurnal Teknik Sipil Dan Lingkungan (J-Sil) , vol. 4, 아니오. 1, pp. 13-24, 2019 년 4 월. 액세스 : 2022 년 10 월 12 일. doi : 10.29244/jsil.4.1.13-24. [온라인]. aivailable : https://journal.ipb.ac.id/index.php/jsil/article/view/23735
[3] 뉴 펀들 랜드와 래브라도 정부, " 식수 품질 지수 "Gov.NL.Ca. https://www.gov.nl.ca/ecc/waterres/quality/drinkingwater/dwqi (2022 년 10 월 12 일 액세스).
[4] Nutan, " Heroku의 Flask와 함께 기계 학습 모델을 배포하십시오. "Medium.com. https://medium.com/@nutanbhogendrasharma/deploy-machine-learning-model-with-flask-on-heroku-cd079b692b1d (2022 년 10 월 12 일 액세스).
[5] A. Sridhar, " Flask (Iris DataSet)를 사용하여 기계 학습 모델을 배포하는 방법 | Python. "YouTube.com. https://youtu.be/2lqrfezuimk (2022 년 11 월 23 일 접속).
[6] K. Naik, " Flask를 사용하여 기계 학습 모델을 배포하십시오. "YouTube.com. https://youtu.be/ubcwomf80py (2022 년 11 월 23 일 액세스).
Merdeka Belajar Kampus Merdeka (MBKM) 2022
SIB 디코딩 사이클 3
C22-078 캡 스톤 팀
