AI-Driven Crop Recommendation and Growth Prediction System Using Soil Fertility and Climate Intelligence
Gunashekar B. · Saiteja G. · Maniteja K.
构建集成作物推荐、产量预测、肥料建议与多语言问答的AI农业决策Web平台。
随机森林、XGBoost、FastAPI、React PWA、OpenWeath
各模块准确率约88-95%，API、认证、翻译与聊天机器人测试均通过。
可引入真实田间时序数据与可解释性，验证模型跨区域跨季节泛化能力。
学生级迷你项目论文，方法组合常规、性能数据自报，工程整合有一定参考价值但学术与产业增量有限，可作智慧农业应用案例收录。
农业决策日益受到气候条件变化、土壤肥力以及及时技术指导可得性的影响。本小型项目提出了一套人工智能驱动的农业智能系统，将作物推荐、土壤肥力评估、天气风险预测、产量估算、肥料推荐和多语言对话支持集成于一个网络平台。该系统接受土壤和气候参数，如氮、磷、钾、pH值、温度、湿度、降雨量、地点、作物和季节。所提供的实现采用随机森林（Random Forest）模型进行作物推荐，采用XGBoost进行天气风险预测，采用随机森林回归器进行产量估算，采用随机森林分类器进行肥料推荐，并采用基于确定性规则的土壤肥力模块，具备与模型无关的回退逻辑。FastAPI后端执行验证、模型加载、链式推理、天气集成、身份认证和响应格式化，而基于React的渐进式网络应用提供用户界面。OpenWeatherMap提供当前天气上下文，Google Gemini AI支持多语言农业解释，并具备离线FAQ和基于规则的回退机制。所报告的模块性能约为88-95%，且在所提供的项目材料中，具有代表性的API、回退、身份认证、翻译、速率限制和聊天机器人测试均通过。该项目展示了如何将机器学习、网络开发、外部API和多语言AI相结合，以提供实用、可及且数据驱动的农业决策支持。关键词：机器学习、农业、作物推荐、土壤肥力、天气风险、产量预测、肥料推荐、FastAPI、React、XGBoost、Google Gemini AI、精准农业。