Plataforma de saúde de plantas com IA e IoT combinando sensores ESP32 com detecção de doenças em PyTorch.
Monitore plantações com streams de sensores ESP32 em tempo real, detecção de doenças por MobileNetV2 e chat de IA Gemma 4.
Smart Plant Doctor é uma plataforma open-source que combina monitoramento ambiental em tempo real de dispositivos ESP32 com classificação de doenças baseada em imagem e um assistente de cuidados com IA. É ideal para engenheiros agrícolas, agricultores inteligentes e desenvolvedores que constroem sistemas personalizados de monitoramento de lavouras impulsionados por IoT.
A aplicação ingesta métricas de sensores ao vivo, como temperatura, umidade, luz e umidade do solo, via WebSockets em um painel em React. Ela classifica doenças de plantas em 29 classes usando um modelo PyTorch MobileNetV2 e combina diagnósticos com Google Gemma 4 para conselhos de cuidados contextuais.
É ideal para desenvolvedores de agtech e produtores com conhecimento tecnológico que desejam um sistema full-stack conectando microcontroladores físicos a diagnósticos alimentados por IA. Não é adequado para usuários não técnicos que procuram um produto comercial plug-and-play sem fiação de hardware manual e configuração de servidor.
Transmite temperatura, umidade, luz e umidade do solo de dispositivos ESP32 via WebSockets.
Classifica doenças de plantas em 29 categorias a partir de imagens de folhas enviadas usando um modelo PyTorch treinado.
Fornece conselhos de cuidados contextuais usando IA do Google integrada com dados de sensores e diagnóstico em tempo real.
Rastreia relatórios anônimos de saúde de plantas usando Leaflet e dados geohash.
Gratuito sob sua licença open-source MIT. O único custo é rodar a infraestrutura necessária, como hospedar o backend em FastAPI, configurar um banco de dados e cobrir os custos de API para o Google Gemini.
896 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 10 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
Você precisa de um microcontrolador ESP32 configurado com o firmware PlatformIO fornecido para ingerir dados de temperatura, umidade e umidade do solo.
O modelo baseado em MobileNetV2 relata uma precisão de validação de aproximadamente 92.37% em 29 classes para seis espécies de plantas suportadas.
Sim, o desenvolvimento local suporta SQLite junto com PostgreSQL, embora o Supabase seja necessário para o Google OAuth e autenticação gerenciada em nuvem.
Veja o Zekai primeiro no Google