KI- und IoT-Pflanzengesundheitsplattform, die ESP32-Sensoren mit PyTorch-Erkennung von Krankheiten kombiniert.
Überwachen Sie Ernten mit Echtzeit-ESP32-Sensor-Streams, MobileNetV2-Krankheitserkennung und Gemma 4 AI-Chat.
Smart Plant Doctor ist eine Open-Source-Plattform, die Echtzeit-Umwelterfassung von ESP32-Geräten mit bildbasierter Krankheitsklassifizierung und einem KI-Pflegeassistenten kombiniert. Sie eignet sich für Agraringenieure, intelligente Landwirte und Entwickler, die kundenspezifische IoT-gestützte Ernteüberwachungssysteme entwickeln.
Die Anwendung nimmt Live-Sensormetriken wie Temperatur, Luftfeuchtigkeit, Licht und Bodenfeuchtigkeit über WebSockets in einem React-Dashboard entgegen. Sie klassifiziert Pflanzenkrankheiten in 29 Klassen mithilfe eines PyTorch MobileNetV2-Modells und verknüpft Diagnosen mit Google Gemma 4 für kontextbezogene Pflegehinweise.
Sie richtet sich an AgTech-Entwickler und technisch versierte Züchter, die ein Full-Stack-System zur Verknüpfung physischer Mikrocontroller mit KI-gestützten Diagnosen suchen. Sie ist nicht geeignet für technische Laien, die ein Plug-and-Play-Handelsprodukt ohne manuelle Hardware-Verkabelung und Serverkonfiguration suchen.
Überträgt Temperatur, Luftfeuchtigkeit, Licht und Bodenfeuchtigkeit von ESP32-Geräten via WebSockets.
Klassifiziert Pflanzenkrankheiten in 29 Kategorien aus hochgeladenen Blattbildern mithilfe eines trainierten PyTorch-Modells.
Bietet kontextbezogene Pflegehinweise mit integrierter Google-KI, Live-Sensordaten und Diagnosedaten.
Verfolgt anonymisierte Pflanzengesundheitsberichte mithilfe von Leaflet und Geohash-Daten.
Kostenlos unter der Open-Source-MIT-Lizenz. Die einzigen Kosten sind der Betrieb der erforderlichen Infrastruktur, wie das Hosting des FastAPI-Backends, die Einrichtung einer Datenbank und die Übernahme der API-Kosten für Google Gemini.
879 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Sie benötigen einen ESP32-Mikrocontroller, der mit der bereitgestellten PlatformIO-Firmware konfiguriert ist, um Temperatur-, Feuchtigkeits- und Bodenfeuchtigkeitsdaten zu erfassen.
Das auf MobileNetV2 basierende Modell weist eine Validierungsgenauigkeit von ca. 92,37% über 29 Klassen für sechs unterstützte Pflanzenarten auf.
Ja, die lokale Entwicklung unterstützt SQLite neben PostgreSQL, obwohl Supabase für Google OAuth und verwaltete Cloud-Authentifizierung erforderlich ist.
Zekai zuerst in Google sehen