Bitki Analiz ve İzleme Sistemi

2025 IoT & AI Raspberry Pi Flutter CNN

Proje Özeti

Bu projede bitkilere ait ortam sensör verileri ve bitki yaprak görüntüleri birlikte kullanılarak bitkinin sağlıklı veya hasta durumunun otomatik olarak tespit edilmesi amaçlanmıştır. Sistem, donanım seviyesinden yazılım ve yapay zeka katmanına kadar uçtan uca tasarlanmıştır.
Sensörlerden elde edilen sıcaklık, nem ve benzeri ortam verileri makine öğrenmesi modelleri ile analiz edilerek bitkinin genel durumu değerlendirilmiştir. Bitki yaprak görüntüleri ise derin öğrenme tabanlı CNN modelleri kullanılarak sınıflandırılmıştır. Geliştirilen modellerden elde edilen sonuçlar mobil uygulama üzerinden kullanıcıya anlık ve görsel olarak sunulmaktadır.

Sistem Mimarisi

  • STM32 Mikrodenetleyici

    Ortam sensörlerinden (sıcaklık, nem, basınç vb.) veri toplama ve UART üzerinden ESP32'ye iletim

  • ESP32 IoT Modülü

    WiFi bağlantısı, kamera modülü ile görüntü yakalama, MQTT protokolü ile backend'e veri gönderimi

  • FastAPI Backend

    RESTful API servisleri, MQTT worker, JWT authentication, Google OAuth entegrasyonu

  • PostgreSQL Veritabanı

    Kullanıcı bilgileri, sensör okumaları, görüntüler ve analiz sonuçlarının saklanması

  • Flutter Mobil Uygulama

    Dashboard, sensör kartları, Health Score, geçmiş grafikler, kamera ve ayarlar ekranları

Donanım Haberleşmesi

  • STM32 → ESP32 (UART)

    STM32 sürekli sensör verisi gönderir, ESP32 son veriyi saklayarak periyodik olarak MQTT'ye iletir

  • ESP32 → Backend (MQTT)

    Sensör verileri kullanıcı ayarına göre (5-60 dk), görüntüler (1-24 saat) periyotlarla gönderilir

Yapay Zeka Modelleri

  • Sensör Analizi

    Ortam verilerini analiz eden makine öğrenmesi modelleri ile bitki sağlık skoru hesaplama

  • Görüntü Sınıflandırma

    CNN tabanlı derin öğrenme modelleri ile yaprak hastalık tespiti

Mobil Uygulama Özellikleri

  • Google Sign-In

    OAuth 2.0 ile güvenli kimlik doğrulama

  • Real-time Dashboard

    Anlık sensör verileri, Health Score kartı ve grafikler

  • Ayarlanabilir Periyotlar

    Slider ile sensör (5-60 dk) ve görüntü (1-24 saat) gönderim aralıklarını özelleştirme

Kullanılan Teknolojiler

STM32F103
ESP32-CAM
Python / FastAPI
PostgreSQL
MQTT
Flutter
TensorFlow / Keras
OpenCV
Google OAuth
JWT Auth