%20(2).svg)
项目简介
本项目是基于TinyML和Arduino的农作物推荐系统，借助机器学习技术为农作物种植提供智能推荐。通过训练机器学习模型，依据土壤条件、气候数据等特征，预测最适合种植的农作物。同时利用Arduino Nano BLE 33 Sense进行数据采集和模型部署。
项目的主要特性和功能
- 机器学习模型训练：运用Python训练随机森林分类器模型，预测适合种植的农作物。
- 数据预处理：对原始数据预处理，提取关键特征并处理标签。
- 模型保存与部署：把训练好的模型转换为Arduino代码格式，在Arduino设备上部署运行。
- 实时数据采集与处理：利用Arduino Nano BLE 33 Sense实时采集土壤条件、气候数据等。
- 智能推荐功能：根据采集数据和训练模型，智能推荐适合种植的农作物。
安装使用步骤
假设用户已下载本项目的源码文件，以下是安装使用步骤：
1. 环境准备：确保计算机安装Python及相关库（如numpy、pandas等），同时安装Arduino IDE及其相关库。
2. 数据准备：准备所需的CSV数据文件（如'Crop_recommendation.csv'），保证文件格式和数据结构符合项目要求。
3. 模型训练：运行CropRecommendTinyML.py文件进行模型训练，该脚本会自动完成数据读取、预处理、模型训练等步骤。
4. 模型部署：将训练好的模型转换为Arduino代码格式并保存为'CropClassifierModel.h'，转换时正确设置模型实例名称（如'cropClassifier'）。
5. Arduino设备配置：将转换后的Arduino代码上传到Arduino设备（如Nano BLE 33 Sense），确保设备正确连接并配置好相关硬件接口。
6. 实时数据采集与推荐：运行Arduino设备上的程序，实现实时数据采集和处理，根据采集数据和训练模型进行智能推荐，用户可依据推荐结果进行农作物种植决策。
注意：使用本项目时，需遵循相关安全和操作规范，确保设备和数据安全。如有疑问或遇到问题，可参考项目官方文档。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】