Платформа здоровья растений на базе ИИ и IoT, объединяющая датчики ESP32 с определением болезней на PyTorch.
Мониторинг урожая с помощью потоков данных с датчиков ESP32 в реальном времени, определения болезней MobileNetV2 и ИИ-чата Gemma 4.
Smart Plant Doctor — это платформа с открытым исходным кодом, объединяющая экологический мониторинг в реальном времени с устройств ESP32, классификацию болезней по изображениям и помощника по уходу на базе ИИ. Она подходит для агроинженеров, умных фермеров и разработчиков, создающих собственные системы мониторинга урожая на основе IoT.
Приложение принимает метрики с датчиков в реальном времени (температура, влажность, освещенность и влажность почвы) через WebSockets в панель управления React. Оно классифицирует болезни растений по 29 классам с помощью модели PyTorch MobileNetV2 и объединяет диагнозы с Google Gemma 4 для получения контекстных советов по уходу.
Она подходит для agtech-разработчиков и продвинутых растениеводов, которым нужна полностековая система, связывающая физические микроконтроллеры с диагностикой на базе ИИ. Она не подходит для нетехнических пользователей, ищущих готовый коммерческий продукт без ручной сборки оборудования и настройки сервера.
Передает данные о температуре, влажности, освещенности и влажности почвы с устройств ESP32 через WebSockets.
Классифицирует болезни растений по 29 категориям по загруженным изображениям листьев с помощью обученной модели PyTorch.
Предоставляет контекстные советы по уходу с использованием Google AI, интегрированного с данными датчиков и диагностики в реальном времени.
Отслеживает анонимные отчеты о здоровье растений с использованием Leaflet и данных geohash.
Бесплатно под лицензией MIT с открытым исходным кодом. Единственные затраты — это запуск необходимой инфраструктуры, такой как хостинг бэкенда FastAPI, настройка базы данных и покрытие затрат на API для Google Gemini.
879 открытых удалённых вакансий по обучению ИИ, обновлено 16 ноября 2026 г.; в большинстве оплата $20–$175 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.
Эти проверенные ИИ-инструменты делают то же самое мгновенно — из нашего оценённого каталога.
Вам понадобится микроконтроллер ESP32, настроенный с предоставленной прошивкой PlatformIO для сбора данных о температуре, влажности и влажности почвы.
Модель на базе MobileNetV2 обеспечивает точность валидации примерно 92.37% по 29 классам для шести поддерживаемых видов растений.
Да, локальная разработка поддерживает SQLite наряду с PostgreSQL, хотя Supabase требуется для Google OAuth и управляемой облачной аутентификации.
Zekai первым в Google