KI-Tools, bewertet für deinen Beruf
Bezahlte KI-Jobs
🤝 Du bist in der Frei-&-Open-Source-Bibliothek — von der Community entwickelte Tools, die du kostenlos nutzen kannst. Ein anderes Konzept als unser bewertetes KI-Verzeichnis.
Start › Frei & Open Source › Landwirtschaft › Smart Plant Doctor
✦ Frei & Open SourceLandwirtschaft

Smart Plant Doctor

KI- und IoT-Pflanzengesundheitsplattform, die ESP32-Sensoren mit PyTorch-Erkennung von Krankheiten kombiniert.

Smart Plant Doctor: KI- + IoT-Gesundheitsplattform

Überwachen Sie Ernten mit Echtzeit-ESP32-Sensor-Streams, MobileNetV2-Krankheitserkennung und Gemma 4 AI-Chat.

Für immer kostenlos · Open Source · MIT
✓ Needs IT✓ Im Browser✓ Echtzeit-Zusammenarbeit
7.3
ZEKAI
Full-Stack-KI- und IoT-Erntewerkzeug
Frei & Open Source · Landwirtschaft
Einfache Einrichtung6
Nützlichkeit8
Wartung8.5
Community6.5
★ 577
GITHUB
Jul 2026
AKTUALISIERT
MIT
LIZENZ
🛠 Keine Lust auf Self-Hosting? Wir richten es ein →
⚡ Schnelle Antwort

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.

Läuft auf
Web
Hosting
Self-host
Sprachen
Python
Lizenz
MIT

Was es ist

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.

Für wen

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.

Wichtige Funktionen

Echtzeit-IoT-Dashboard

Überträgt Temperatur, Luftfeuchtigkeit, Licht und Bodenfeuchtigkeit von ESP32-Geräten via WebSockets.

MobileNetV2-Krankheitserkennung

Klassifiziert Pflanzenkrankheiten in 29 Kategorien aus hochgeladenen Blattbildern mithilfe eines trainierten PyTorch-Modells.

Gemma 4-Pflanzenassistent

Bietet kontextbezogene Pflegehinweise mit integrierter Google-KI, Live-Sensordaten und Diagnosedaten.

Crowdsourced-Krankheitskarte

Verfolgt anonymisierte Pflanzengesundheitsberichte mithilfe von Leaflet und Geohash-Daten.

Erste Schritte

Startklar in 3 Schritten

1
Klonen Sie das Repository, konfigurieren Sie die Backend-Umgebungsvariablen und starten Sie den FastAPI-Server mit Uvicorn.
2
Installieren Sie Frontend-Abhängigkeiten, konfigurieren Sie Supabase-Zugangsdaten in der Vite-Umgebungsdatei und starten Sie den Entwicklungsserver.
3
Flashen Sie die ESP32-Firmware über PlatformIO, registrieren Sie Ihr Gerät in der Web-Benutzeroberfläche und beanspruchen Sie es mit Ihrem Gerätetoken.
Klartext

Unser ehrliches Fazit

Stärken

  • Integriert physische ESP32-Sensorhardware direkt mit Web-Dashboards und Live-WebSockets.
  • Kombiniert bildbasierte MobileNetV2-Krankheitserkennung mit einer Taxonomie von 29 Klassen.
  • Beinhaltet einen Gemma 4 AI-Assistenten, der Live-Sensorwerte und die Diagnosehistorie berücksichtigt.
  • Bietet eine strukturierte Pflanzenenzyklopädie mit Pflegeanleitungen und saisonalen Tipps für sechs Arten.

Schwächen

  • Erfordert die manuelle Einrichtung einer PostgreSQL-Datenbank, des FastAPI-Backends, des React-Frontends und der Supabase-Authentifizierung.
  • Abhängig von externen kostenpflichtigen oder konfigurierten API-Schlüsseln wie Google Gemini für den Chat-Assistenten.
  • Erfordert das Flashen und Bereitstellen von ESP32-Hardware mit PlatformIO.
  • Verlässt sich auf Supabase für die Kernauthentifizierung und Datenbankdienste, wenn kein lokales SQLite verwendet wird.
Kosten

Preise & Lizenz

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.

Bezahlte Arbeit

Stellen für Deutschsprachige

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.

Alle offenen Stellen ansehen →
Vergleich

Alternativen

🎁 Freie & Open-Source-Alternativen

Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.

Mehr

Nutze es, oder lass es uns einrichten

📄 Kostenloses PDF: Smart Plant Doctor für Landwirtschaft
Ein verständlicher Leitfaden für dein erstes Ergebnis. Direkt in dein Postfach.
🔔 64 Personen wünschen sich ein komplettes Video-Tutorial — stimme ab
🛠 Keine Lust auf eigene Einrichtung?
Wir installieren, hosten & konfigurieren Smart Plant Doctor für dich — und schulen dein Team.
Erledigen lassen ↗
Fragen

FAQ

Welche Hardware benötige ich für das Sensor-Streaming?

Sie benötigen einen ESP32-Mikrocontroller, der mit der bereitgestellten PlatformIO-Firmware konfiguriert ist, um Temperatur-, Feuchtigkeits- und Bodenfeuchtigkeitsdaten zu erfassen.

Wie genau ist das Modell zur Krankheitserkennung?

Das auf MobileNetV2 basierende Modell weist eine Validierungsgenauigkeit von ca. 92,37% über 29 Klassen für sechs unterstützte Pflanzenarten auf.

Kann ich die Datenbank lokal ohne Supabase betreiben?

Ja, die lokale Entwicklung unterstützt SQLite neben PostgreSQL, obwohl Supabase für Google OAuth und verwaltete Cloud-Authentifizierung erforderlich ist.

Radar

Neueste KI-News

✉️ Das wöchentliche kostenlose Toolkit
Die besten neuen freien & Open-Source-Tools für Landwirtschaft — eine kurze E-Mail pro Woche, in deiner Sprache.
Kostenlos · 1 E-Mail/Woche · jederzeit abbestellbar
Mit KI-Training Geld verdienen →

Zekai zuerst in Google sehen