🌿 Agri-Assistant

Agri-Assistant est un système intelligent de recommandation de cultures et d'évaluation agronomique, conçu pour les agriculteurs du Bénin.

Il analyse plusieurs conditions en même temps et en un clin d'œil : au lieu de se fier uniquement à des données historiques biaisées, le système croise les coordonnées GPS exactes (climatologie NASA POWER et composition du sol via SoilGrids) avec les exigences biologiques de 10 cultures cibles pour recommander celle qui produira le rendement maximal à l'instant T.

Fonctionnalités Principales

• Recommandation Instantanée par GPS : L'algorithme calcule le score de compatibilité (0-100%) d'une culture en se basant uniquement sur la météo du mois en cours et la texture du sol.
• Backend Rapide et Robuste : Développé en Python avec FastAPI, incluant une base de données SQLite embarquée (crop_requirements et historique météo).
• Frontend PWA Premium : Une application mobile-first servie directement par le backend (HTML/CSS/JS Vanilla), offrant une expérience utilisateur fluide avec géolocalisation automatique.
• Logs Anonymes : Un système de suivi des recherches (recommendation_log) pour analyser l'utilisation sans collecter de données privées.
• Scripts R de Data Science : Le projet inclut des scripts R dédiés (nasapower) pour les calculs climatiques complexes (fenêtres de semis).

Stack Technique

• Backend : Python 3.11, FastAPI, SQLAlchemy, Pydantic, Scikit-learn.
• Frontend : Vanilla HTML5, CSS3, JavaScript ES6 (Progressive Web App).
• Data Science : R, package nasapower.
• Base de données : SQLite.

Installation Locale (Développement)

1. Cloner le dépôt

   git clone https://github.com/manfoya/Agri-Assistant.git
   cd Agri-Assistant

2. Créer et activer l'environnement virtuel Python

   python3 -m venv .venv
   source .venv/bin/activate

3. Installer les dépendances

   pip install -r requirements.txt

4. Lancer le serveur FastAPI

   uvicorn api.main:app --host 127.0.0.1 --port 8000 --reload

5. Accéder à l'application

   • Interface PWA : http://127.0.0.1:8000/
   • Documentation API (Swagger) : http://127.0.0.1:8000/docs

🐳 Déploiement via Docker (Production)

L'application est prête à être déployée dans un environnement conteneurisé incluant Python et R.

# Construire l'image Docker
docker build -t agri-assistant .

# Lancer le conteneur sur le port 8000
docker run -d -p 8000:8000 agri-assistant

📂 Structure du Projet

Agri-Assistant/
├── api/                    # Code source du backend FastAPI
│   ├── core/               # Configuration et DB
│   ├── models/             # Modèles SQLAlchemy (Soil, Weather, Crops, Logs)
│   ├── routers/            # Endpoints de l'API REST
│   ├── schemas/            # Validation de données Pydantic
│   └── services/           # Logique métier (Matching, NASA, SoilGrids)
├── data/                   # Base SQLite générée localement
├── ml/                     # Scripts ML et extraction de poids (Random Forest)
├── r_modules/              # Scripts R pour l'historique météo (nasapower)
├── static/                 # Frontend PWA (HTML, CSS, JS, Manifest, SW)
├── tests/                  # Tests unitaires de l'algorithme MCE
├── Dockerfile              # Configuration Docker de production
└── requirements.txt        # Dépendances Python

---

Projet développé dans une optique de résilience climatique et d'amélioration des rendements agricoles.