%20(2).svg)
项目简介
本项目借助机器学习技术，运用RNN LSTM模型预测土壤湿度，以此优化农业灌溉系统。项目融合了嵌入式系统（如Arduino和Espressif）的数据采集处理、基于Python的机器学习模型训练以及Web平台展示。
项目的主要特性和功能
- 数据采集与处理：采用C++编写固件代码，从传感器采集数据并在嵌入式设备上执行TinyML模型，支持Arduino和Espressif平台，Espressif平台可成功实现模型推理。
- 机器学习模型：用Python进行数据清洗、组织和图形分析，训练RNN LSTM模型并转换为TensorFlow Lite格式，以便在嵌入式设备上运行。
- Web平台：使用Node - RED构建Web平台，用于展示数据和模型预测结果。
安装使用步骤
环境准备
确保已安装Python 3.x和TensorFlow库，安装Node - RED以运行Web平台。
数据采集固件
下载并编译Firmware MCU目录下的C++代码，根据目标平台（Arduino或Espressif）进行配置，将编译后的固件上传到相应的嵌入式设备。
机器学习模型训练
在Machine learning目录下运行Python脚本，进行数据清洗、模型训练和模型转换，将生成的TensorFlow Lite模型文件部署到嵌入式设备。
Web平台部署
启动Node - RED，并导入Plataforma web目录下的配置文件，配置Node - RED以连接到嵌入式设备，展示实时数据和模型预测结果。通过以上步骤，可成功部署并运行本项目，实现土壤湿度的预测和优化灌溉系统。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】