Smart Agro AI

Задача#

Прототип поддержки аграрных решений должен объединять входные данные, погоду и рекомендации культур в понятный процесс.

Моё решение#

Я создал части приложения вне ML, включая фронтенд на React и бэкенд на FastAPI. MVP связывает формы, результаты анализа и погоду, а рекомендации культур поступают от модели команды.

Мой вклад#

• Создал фронтенд и бэкенд приложения.

• Реализовал интерфейс ввода данных и просмотра результатов анализа.

• Работал над API и потоком данных для панели.

• Внёс вклад в работу GREEN OPS на хакатоне.

Технические решения#

Показать рекомендацию в контексте#

Панель связывает исходные данные и погоду с результатом, чтобы пользователь понимал весь процесс.

Ясно обозначить демонстрационный режим#

Бэкенд различает работу модели и резервную симуляцию. Приложение остаётся MVP с ограниченной валидацией модели и неуточнённым происхождением датасета.

Чему я научился#

Работа над приложением вокруг командного ML-компонента помогла лучше понять границы между моделью, API и интерфейсом результатов.

Следующие шаги#

• Улучшить процесс анализа и обработку ошибок.

• Продолжить развитие интерфейса и бэкенда.

• Совместно с автором ML-части уточнить происхождение датасета и валидацию перед практическим применением.