FIAP - Faculdade de Informática e Administração Paulista

FarmTech Solutions - Agricultura Inteligente com IA

Sistema de análise preditiva para agricultura utilizando Machine Learning e dados de sensores IoT.

📋 Sobre o Projeto

FarmTech Solutions é uma aplicação de Inteligência Artificial focada em agricultura de precisão. O sistema analisa dados de sensores agrícolas armazenados no banco de dados Oracle da FIAP para gerar previsões e recomendações sobre:

• Umidade do solo
• pH do solo
• Produtividade das culturas
• Necessidades de irrigação e fertilização

🎯 Objetivos

• Aplicar Machine Learning supervisionado (regressão) em dados agrícolas
• Conectar à tabela SENSORES do banco Oracle FIAP
• Gerar previsões sobre condições do solo e produtividade
• Fornecer recomendações automatizadas para manejo agrícola

🛠️ Tecnologias

• Python 3.11+
• Oracle Database (FIAP Cloud)
• Scikit-Learn (Machine Learning)
• Pandas & NumPy (Análise de dados)
• Streamlit (Dashboard)
• Plotly (Visualizações interativas)
• Docker (Containerização)

📊 Banco de Dados

Conexão Oracle FIAP:

• Hostname: oracle.fiap.com.br
• Port: 1521
• SID: ORCL
• Username: RM567102
• Password: 240582
• Tabela: SENSORES

Warning

Aviso de Segurança: As credenciais acima são fornecidas exclusivamente para fins acadêmicos e de avaliação do projeto na FIAP. Em um ambiente de produção real, jamais exponha senhas ou chaves de acesso no código fonte ou em arquivos de configuração versionados. Consulte o arquivo LICENSE para mais informações.

🚀 Quick Start

Opção 1: Docker (Recomendado)

# Iniciar todos os serviços
docker-compose up -d

# Acessar dashboard
open http://localhost:8501

Opção 2: Local

# Instalar dependências
pip install -r requirements.txt

# Executar dashboard
streamlit run src/app.py

Opção 3: Streamlit Cloud

Acesse: FarmTech Solutions Cloud

📁 Estrutura do Projeto

cap1_atividade/
├── .streamlit/            # Configuração Streamlit Cloud
│   └── config.toml       # Tema e configurações
├── src/                   # Código fonte
│   ├── app.py            # Dashboard Streamlit
│   ├── config.py         # Configurações centralizadas
│   ├── database/         # Conexão com Oracle
│   │   ├── __init__.py
│   │   └── connection.py
│   ├── ml/               # Modelos de ML
│   │   ├── __init__.py
│   │   ├── models.py     # Modelos (Linear, Ridge, RandomForest)
│   │   └── trainer.py    # Pipeline de treinamento
│   └── utils/            # Utilitários
│       ├── __init__.py
│       ├── data_loader.py      # Carregamento de dados
│       ├── preprocessing.py    # Pré-processamento
│       └── recommendations.py  # Motor de recomendações
├── models/               # Modelos treinados
├── data/                 # Dados processados
├── logs/                 # Logs da aplicação
├── docker-compose.yml    # Orquestração Docker
├── Dockerfile           # Imagem Docker
├── packages.txt         # Dependências do sistema (Streamlit Cloud)
└── requirements.txt     # Dependências Python

🤖 Modelos de Machine Learning

1. Previsão de Umidade do Solo

   • Algoritmo: Regressão Linear
   • Features: Temperatura, umidade ar, precipitação, hora do dia
   • Métricas: R² > 0.85, MAE < 5%

2. Previsão de pH

   • Algoritmo: Ridge Regression (α=1.0)
   • Features: Umidade solo, temperatura, NPK
   • Métricas: R² > 0.80, MAE < 0.3

3. Previsão de Produtividade

   • Algoritmo: Random Forest Regressor (100 árvores)
   • Features: Todos os sensores agregados
   • Métricas: R² > 0.90, MAE < 300 kg/ha

📈 Funcionalidades do Dashboard

🏠 Home

• Status do sistema em tempo real
• Métricas principais (umidade, pH, temperatura, produtividade)
• Visão geral das funcionalidades

📊 Análise de Dados

• Séries temporais interativas
• Matriz de correlação
• Estatísticas descritivas
• Tabela de dados recentes

🤖 Previsões

• Previsões individuais com sliders
• Previsões em lote
• Comparação: previsto vs real
• Métricas de desempenho dos modelos

💡 Recomendações

• Irrigação automatizada
• Correção de pH e fertilização
• Manejo de temperatura
• Controle fitossanitário
• Sistema de prioridades (Crítico, Alto, Médio, Baixo)

🎨 Design

• Tema moderno com gradientes e glassmorphism
• Tipografia: Inter (Google Fonts)
• Cores: Verde (#2E7D32) como cor primária
• Animações: Hover effects e transições suaves
• Responsivo: Layout adaptável para diferentes telas

📝 Métricas de Avaliação

• R² Score: Coeficiente de determinação
• MAE: Mean Absolute Error
• RMSE: Root Mean Squared Error
• MAPE: Mean Absolute Percentage Error

🌐 Deploy na Cloud

Streamlit Cloud

1. Fork este repositório
2. Acesse share.streamlit.io
3. Conecte seu repositório GitHub
4. Configure:
   • Main file path: src/app.py
   • URL do Arquivo Principal (se solicitado): https://github.com/henriquesilvadev/cap1_fase4/blob/main/src/app.py
   • Python version: 3.11
5. Deploy!

Variáveis de Ambiente

Configure no Streamlit Cloud:

DB_HOSTNAME=oracle.fiap.com.br
DB_PORT=1521
DB_SID=ORCL
DB_USERNAME=RM567102
DB_PASSWORD=240582

👥 Autor

• RM567102 - Henrique Silva
• FIAP - Fase 4 - Cap 1

📄 Licença

Projeto acadêmico - FIAP 2025 - LICENSE

---

🌾 FarmTech Solutions - Transformando dados em decisões inteligentes para a agricultura do futuro!

Time

---