IoT Tabanlı Bitki Analiz ve İzleme Sistemi

2025 IoT & Akıllı Tarım STM32F103 ESP32-CAM MQTT FastAPI PostgreSQL Flutter Random Forest TensorFlow Lite

Proje Özeti

Bilgisayar Mühendisliği bitirme projem kapsamında, bitkinin yetiştiği ortamın sensör ölçümleriyle yaprak görüntülerini aynı mobil izleme sistemi içinde değerlendirmeyi amaçlayan çok katmanlı bir IoT prototipi geliştirdim.

STM32F103 mikrodenetleyicisi ortam sensörlerini I2C ve ADC/DMA aracılığıyla okuyor; sonuçları UART üzerinden ESP32-CAM modülüne aktarıyor. ESP32-CAM, ölçümleri JSON biçimine dönüştürerek MQTT ile FastAPI servislerine iletiyor ve kamera görüntülerinin aktarımı için ayrı bir akış sağlıyor. PostgreSQL veritabanında ölçümler, görüntüler ve analiz kayıtları tutuluyor.

Sensör verileri için Random Forest tabanlı sağlık değerlendirme bileşeni ve kural tabanlı yedek akış; yaprak görüntüleri için TensorFlow Lite tabanlı sağlıklı/sağlıksız sınıflandırma bileşeni bulunuyor. Flutter uygulamasında kullanıcı oturumu, sensör geçmişi, grafikler, görüntü analizi ve cihaz ayarları için ekranlar yer alıyor.

Çalışma bir prototiptir. MQTT ile gelen görüntülerin otomatik modele gönderilmesi, sensör ve yaprak analizlerinin tek nihai sağlık skorunda birleştirilmesi ve model başarımının ölçülmesi henüz uçtan uca doğrulanmış değildir. Bu nedenle tamamlanmış ticari ürün veya sahada ölçülmüş teşhis sistemi olarak sunulmuyor.

Sistem Mimarisi

  • STM32 Sensör Katmanı

    STM32F103 üzerinde BME280 için I2C; analog sensörler için ADC ve DMA tabanlı veri toplama.

  • ESP32-CAM Köprüsü

    STM32 verilerinin UART üzerinden alınması, doğrulanması; Wi-Fi/MQTT ve kamera aktarımının yönetilmesi.

  • FastAPI ve PostgreSQL

    Sensör, görüntü, kullanıcı ve analiz kayıtları için API servisleri ve veritabanı modelleri.

  • Flutter Mobil İstemci

    Sensör değerlerinin izlenmesi, geçmiş grafikler, görüntü analizi ve cihaz ayarlarına yönelik arayüz.

Donanım Haberleşmesi

  • STM32 → ESP32 UART

    Sensör değerlerinin UART üzerinde aktarılması; ESP32 tarafında JSON/CSV ayrıştırma ve aralık kontrolü.

  • MQTT Telemetri

    Sensör verileri, görüntü, durum ve cihaz komutları için MQTT mesajlaşma katmanı.

  • JPEG Görüntü Aktarımı

    ESP32-CAM görüntülerinin Base64/JSON biçiminde gönderilmesi ve backend üzerinde dosya olarak saklanması.

  • Bağlantı Dayanıklılığı

    MQTT yeniden bağlantı, UART veri doğrulama ve temel hata yakalama mekanizmaları.

Sağlık Analizi Modülleri

  • Sensör Sağlık Analizi

    Sensör ölçümlerinden özellik vektörü oluşturan Random Forest tahmin bileşeni ve model kullanılamadığında kural tabanlı yedek.

  • Yaprak Görüntüsü Sınıflandırması

    TensorFlow Lite kullanarak yüklenen yaprak görüntülerini sağlıklı/sağlıksız biçiminde değerlendiren API akışı.

  • Entegrasyon Durumu

    MQTT kamera akışıyla otomatik model çağrısı ve sensör-yaprak ortak skorlaması henüz tamamlanmış olarak doğrulanmadı.

Mobil Uygulama Özellikleri

  • Kullanıcı Oturumu

    E-posta/şifre için JWT tabanlı oturum ve Google kimlik doğrulama bileşenleri.

  • Sensör Geçmişi

    Ölçümler için panel, geçmiş kayıtları ve grafik ekranları.

  • Görüntü Analizi

    Kamera veya dosya seçimi üzerinden yaprak fotoğrafını API ile analiz etme akışı.

  • Cihaz Ayarları

    Ölçüm ve görüntü aralıklarını yapılandırmaya yönelik mobil ekran ve servis uç noktaları.

Kullanılan Teknolojiler

STM32F103 / HAL
ESP32-CAM
MQTT / UART
Python / FastAPI
PostgreSQL
Flutter / Dart
Random Forest
TensorFlow Lite