ABSTRAIT:
L’agriculture est considérée comme un champ d’importation partout dans le monde où il existe de nombreux défis pour résoudre les problèmes dans le processus d’estimation des cultures en fonction des conditions. C’est devenu un défi pour les pays en développement. En utilisant les dernières technologies, de nombreuses entreprises utilisent des services basés sur l’IOT et la technologie mécanique pour réduire le travail manuel. Ces méthodes sont surtout utiles dans le cas de la réduction du travail manuel mais pas dans le processus de prédiction. Dans ce projet, la prédiction du rendement des cultures à l’aide de la dernière technologie ML d’apprentissage automatique et de l’algorithme de classification KNN est utilisée pour prédire le rendement des cultures en fonction des facteurs de sol et de température. L’ensemble de données est préparé avec diverses conditions du sol, car les caractéristiques et les étiquettes pour prédire le type de chaque étiquette sont liées à certaines cultures. Dans le processus de prédiction, l’utilisateur peut donner des informations en tant que caractéristiques du sol et le résultat sera un type de culture adapté à des conditions spécifiques et l’application aide également à suggérer les meilleures cultures avec un rendement pour hector.
ÉNONCÉ DU PROBLÈME:
- Dans notre pays, une grande partie de la population dépend de l’agriculture bien que le gouvernement prenne des mesures financières pour aider les agriculteurs encore confrontés à des problèmes en raison du manque d’analyse des données et de prévisions sur les cultures.
OBJECTIF:
- Notre objectif est de développer une application utilisant l’apprentissage automatique pour prédire la culture à utiliser en fonction de l’état du sol en utilisant la classification k plus proche voisin.
Système existant:
L’analyse basée sur l’image était l’une des méthodes qui était auparavant utilisée pour la détection du type de terrain, puis l’analyse a été effectuée.
Désavantages:
Le processus est basé sur l’analyse d’image Les résultats ne sont pas précis car dans cette méthode, les conditions du sol ne sont pas prises en compte.
Le traitement d’image est un processus qui prend du temps.
Système proposé:
L’apprentissage automatique est la dernière technologie que le langage de programmation python donne l’avantage d’utiliser divers algorithmes pour la prédiction du rendement des cultures en fonction de l’ensemble de données d’entrée. Dans ce processus, l’algorithme de classification KNN est utilisé pour la prédiction. Dans ce projet, la formation aux tests est effectuée sur un ensemble de données texte donné qui inclut les conditions de sol et de température comme caractéristiques et le type de culture comme étiquettes.
Avantages:
La prédiction du rendement des cultures est effectuée sur la base d’un ensemble de données textuelles et tout utilisateur peut vérifier le type de culture qui convient le mieux aux conditions et obtenir des suggestions de culture.
Diagramme d’architecture:
Exigence du système:
- Système d’exploitation: Windows XP / 7/10
- Langage de codage: Html, JavaScript,
- Kit de développement: Flask Framework
- Langage de programmation: Python
- IDE: invite Anaconda
