Agrisense AI in Agriculture

方法

React+Vite前端、Node.js+Express后端、MongoDB、本

发现

原型系统可运行，但病害评估与作物推荐存在局限，仅作决策支持而非农艺建议。

机会点

需在真实田间验证农艺准确性，并评估平台对农户决策与收入的实际影响。

农业决策依赖于及时且与当地相关的信息，涵盖作物选择、土壤健康、灌溉、植物病害、天气、市场价格和政府计划等方面。这些服务往往分散于不同的来源，给农民获取和协调信息带来了困难。本文介绍AgriSense AI，这是一个基于网络的农民支持平台，旨在通过单一界面整合上述功能。该系统集成了农民注册与档案管理、作物推荐、叶片图像病害评估、土壤健康分析、灌溉指导、天气与市场信息、计划发现以及管理仪表盘。平台内置双语对话助手Krishi Mitra，支持英语和卡纳达语交互。该应用采用React和Vite前端、Node.js和Express REST API、MongoDB用于持久化记录，并使用本地托管的Ollama模型生成助手回复。配置API密钥后，可通过OpenWeatherMap获取外部天气数据。本报告描述了一个可运行的原型及其设计、实现和测试方法；并未确立田间级别的农艺准确性，也未测量农民收益的实际改善。当前的病害评估和作物推荐组件存在已记录的局限性，因此其输出应被视为决策支持，而非经过验证的农艺建议。