نظام ذكاء اصطناعي لتوصية المحاصيل الزراعية بناءً على خصائص التربة والمناخ

بنيت نظامًا متكاملًا للذكاء الاصطناعي يساعد المزارعين على معرفة أفضل محصول يمكن زراعته بناءً على بيانات التربة والمناخ مثل نسبة النيتروجين والفوسفور والبوتاسيوم ودرجة الحرارة والرطوبة ومستوى الحموضة وكمية الأمطار.

المشروع لم يكن مجرد نموذج في Notebook — بل تحول إلى منتج كامل جاهز للنشر، يشمل:

- خط معالجة بيانات احترافي — تنظيف البيانات، تقسيمها بشكل صحيح، وتحجيم الخصائص دون تسرب بيانات (Data Leakage)

- مقارنة 7 نماذج — Logistic Regression, Decision Tree, Random Forest, Gradient Boosting, KNN, Naive Bayes, XGBoost

- كود نظيف وقابل للصيانة — مقسّم إلى وحدات منفصلة (preprocess.py, train.py, predict.py)

- REST API كاملة باستخدام FastAPI مع توثيق تلقائي وتحقق من المدخلات

- واجهة مستخدم تفاعلية بـ Streamlit منشورة على الإنترنت

- نشر مباشر على Streamlit Cloud متاح لأي شخص

التقنيات المستخدمة:

scikit-learn, XGBoost, pandas, numpy

FastAPI, Pydantic, uvicorn

Streamlit

Streamlit Cloud, GitHub

نتائج النموذج:

- دقة تصل إلى 99%+ على مجموعة الاختبار

- يدعم 22 نوعًا من المحاصيل

- يُرجع النتيجة مع نسبة ثقة النموذج