AgriFarm - Intelligent Decision Support System for Agricultural Resource Management and Optimizing Water and Energy Consumption

	AGRIFARM: سامانه تصمیم یار هوشمند است که با ترکیب علوم داده، هوش مصنوعی و ت[...]

📋 معرفی

آگریفارم یک سامانه هوشمند برای کمک به کشاورزان و مدیران منابع کشاورزی است که:

• مصرف آب و انرژی را بهینه‌ می‌ کند
• محصول بهینه را پیشنهاد می‌ دهد
• سودآوری اقتصادی را مدیریت‌ می‌ کند

این ایده مبتنی بر ترکیبی از تخصص در مدیریت فناوری اطلاعات، علوم داده و تحلیل سیستم‌ های هوشمند است.

🎯 هدف اصلی پروژه

هدف اصلی سامانه تصمیم‌ یار هوشمند مدیریت منابع کشاورزی (AgriFarm)، **بهینه‌ سازی بهره‌ وری منابع آب و انرژی در ک[...]

مکانیسم تأثیر بر احیای دریاچه ارومیه:

• مدیریت مصرف آب: سامانه با پیش‌بینی دقیق نیاز آبی محصولات و شبیه‌سازی سناریوهای کم‌آب‌بر، از برداشت غی[...]

• بهینه‌ سازی انرژی و منابع: الگوریتم‌ها میزان مصرف برق و انرژی مربوط به آبیاری را کاهش داده و بهره‌وری ع[...]

• انتخاب محصول کم‌ آب‌ بر و سودآور: توصیه‌های داده‌محور برای انتخاب محصول با حداقل مصرف آب و حداکثر بازد[...]

• پیش‌ بینی و سناریوسازی اقتصادی و اکولوژیک: امکان شبیه‌سازی اثر تغییرات اقلیمی، میزان بارش و دسترسی به م[...]

ویژگی‌ های علمی و نوآورانه:

• استفاده از مدل‌های پیش‌بینی مبتنی بر داده‌های چندمنظوره (Multivariate Data Modeling) و یادگیری ماشین برای مدیریت منا...
• بومی‌سازی الگوریتم‌ها برای شرایط اقلیمی و کشاورزی منطقه دریاچه ارومیه
• ارائه تصمیم‌یار هوشمند برای سیاست‌گذاری منابع و برنامه‌ریزی بهره‌برداری پایدار
• قابلیت اتصال به پایگاه‌های داده دولتی و سنجش از راه دور برای داده‌های آب و انرژی

نتیجه مورد انتظار:

استفاده گسترده از سامانه AgriFarm موجب کاهش برداشت بی‌رویه آب، مدیریت پایدار منابع، افزایش بهره‌وری اقتصادی ک[...]

---

🎯 Project Objective – AgriFarm (English, Technical Version)

🌱 AgriFarm — Smart Farming Optimization
🚀 AI-based crop recommendation & water/energy prediction
📍 Target: Sustainable agriculture for Lake Urmia ecosystem

The primary objective of the AgriFarm Smart Decision Support System for Agricultural Resource Management is to **optimize water and energy efficiency in agriculture while supporting the ecological[...]

Mechanisms for Impact on Lake Urmia Restoration:

• Water Use Management: The system predicts precise crop water requirements and simulates low-water-use scenarios, preventing over-extraction and unsustainable irrigation practices.

• Energy and Resource Optimization: AI-driven recommendations minimize electricity and energy consumption in irrigation, enhancing operational efficiency.

• Crop Selection Optimization: Data-driven guidance supports choosing crops with minimal water demand and maximum economic return.

• Economic and Ecological Scenario Simulation: Users can simulate the impacts of climate variability, rainfall, and water availability on crop yield and resource consumption.

Scientific and Innovative Features:

• Utilizes multivariate predictive models and machine learning for intelligent water and resource management
• Locally adapted algorithms for the climatic and agricultural conditions of the Lake Urmia region
• Provides a decision support tool for sustainable resource planning and agricultural policy-making
• Integrates with remote sensing and governmental databases for real-time water and energy monitoring

✨ Key Features

• AI-based water & energy consumption prediction
• Optimal crop recommendation
• Scenario simulation (economic + ecological)
• Smart dashboards
• Export to PDF/CSV

Expected Outcomes:

Widespread adoption of AgriFarm is projected to reduce water overuse, promote sustainable resource management, enhance farmers' economic efficiency, and accelerate the ecological restoration of La[...]

---

🏗️ معماری سیستم

AgriFarm/
├── backend/          # FastAPI Backend
│   ├── app/
│   │   ├── api/      # API endpoints
│   │   ├── models/   # Database models
│   │   ├── services/ # Business logic & AI algorithms
│   │   └── main.py   # FastAPI app
│   └── requirements.txt
│
├── frontend/         # Next.js Frontend
│   ├── app/          # Next.js app directory
│   ├── components/   # React components
│   └── package.json
│
└── database/         # Database scripts
    └── init.sql      # Schema & sample data

🚀 راه‌اندازی سریع

پیش‌نیازها

• Python 3.9+
• Node.js 18+
• PostgreSQL 14+

1. راه‌اندازی Backend

cd backend
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate
pip install -r requirements.txt
uvicorn app.main:app --reload

Backend در http://localhost:8000 اجرا می‌شود.

2. راه‌اندازی Database

# ایجاد دیتابیس
createdb agrifarm

# اجرای اسکریپت اولیه
psql agrifarm < database/init.sql

3. راه‌اندازی Frontend

cd frontend
npm install
npm run dev

Frontend در http://localhost:3000 اجرا می‌شود.

📊 ویژگی‌های MVP

• ✅ فرم ورود اطلاعات مزرعه و محصول
• ✅ محاسبه مصرف پیش‌بینی شده آب و انرژی
• ✅ پیشنهاد محصول بهینه بر اساس شرایط
• ✅ داشبورد با نمودارهای ساده
• ✅ خروجی PDF/CSV

📸 اسکرین‌شات‌ها

مسیر فایل‌ها: frontend/public/screenshots/

نما	توضیحات
	خانه: معرفی هدف پروژه، CTA برای افزودن مزرعه و مشاهده داشبورد، آمار خل�[...]
	لیست مزارع: کارت‌های خلاصه مزرعه با مساحت، نوع خاک، موقعیت و دسترس�[...]
	لیست مزارع (خالی): دعوت به ثبت اولین مزرعه با CTA سبز
	فرم ایجاد مزرعه: ورودی مساحت، نوع خاک، موقعیت، مختصات و من[...]
	جزئیات مزرعه گندم احمد: پیش‌بینی مصرف ۳۰ روزه آب/انرژی و اط�[...]
	جزئیات مزرعه سبزیجات احمد: مقادیر مصرف و مشخصات مزرعه (�[...]
	توصیه محصول ذرت: سناریوهای کشت روی خاک شنی �[...]
	توصیه محصول برای مزرعه گندم احمد: فهرست محصولات پیشنهادی ب[...]
	داشبورد مدیریتی: آمار تعداد مزارع، مساحت کل، مصرف آب/انرژی �[...]
	Swagger UI: لیست اندپوینت‌های API (مزارع، محصولات، پیش‌بینی‌ها، توصی[...]

🔗 API Documentation

پس از راه‌اندازی Backend، مستندات API در http://localhost:8000/docs در دسترس است.

📝 داده‌های نمونه

سیستم با داده‌های نمونه از پیش بارگذاری شده است که می‌توانید برای تست استفاده کنید.

📄 مجوز و حقوق

© ۲۰۲۵ میلادی / ۱۴۰۴ هجری شمسی - محمد ناصر حاجی هاشم‌آباد
تمام حقوق محفوظ است.

این پروژه به‌عنوان یک MVP (Minimum Viable Product) برای تست میدانی و دریافت بازخورد کاربران طراحی شده است.

🤝 مشارکت

برای مشارکت در توسعه این پروژه یا ارائه بازخورد، لطفاً با ایمیل info@mohammadnasser.com تماس بگیرید.

راهنمای کامل مشارکت در فایل CONTRIBUTING.md موجود است.

مخزن GitHub: hashemabad/agrifarm

📚 مستندات بیشتر

• هدف اصلی پروژه - هدف اصلی و مکانیسم تأثیر بر احیای دریاچه ارومیه
• اطلاعات پروژه - جزئیات کامل پروژه
• اطلاعات توسعه‌دهنده - اطلاعات توسعه‌دهنده و تخصص‌ها
• راهنمای نصب Frontend - حل مشکلات نصب
• راهنمای راه‌اندازی Frontend - راه‌اندازی کامل

⚙️ تنظیمات محیط

قبل از اجرا، فایل‌های .env.example را کپی کرده و به .env تغییر نام دهید:

# Backend
cp backend/.env.example backend/.env
# سپس مقادیر را ویرایش کنید

# Frontend
cp frontend/.env.example frontend/.env.local
# سپس مقادیر را ویرایش کنید

👨‍💻 توسعه‌دهنده

محمد ناصر حاجی هاشم‌آباد
📧 Email: info@mohammadnasser.com
🌐 Website: Mohammadnasser.com

شبکه‌های اجتماعی

• LinkedIn: https://www.linkedin.com/in/mnhashemabadi/
• X: https://x.com/mnhashemabadi
• Telegram: https://t.me/mnhashemabadi
• GitHub: https://github.com/mnhashemabadi

تحصیلات: کارشناسی ارشد مدیریت فناوری اطلاعات – دانشگاه علم و صنعت ایران

تخصص‌ها:

• طراحی معماری سامانه‌های اطلاعاتی
• تحلیل داده‌های حجیم (Big Data)
• مدل‌سازی تصمیم‌یار
• پیاده‌سازی الگوریتم‌های پیش‌بینی
• تحلیل سری‌های زمانی
• طراحی داشبوردهای تحلیلی
• توسعه نمونه‌های اولیه تحت وب