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 تحلیل سیستم های کشاورزی، امکان بهینه سازی مصرف آب و انرژی را فراهم می کند و نقش مهمی در احیای دریاچه ارومیه دارد

📋 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 کشاورزی و حمایت از احیای اکوسیستم دریاچه ارومیه است. این سامانه با استفاده از الگوریتم‌ های هوش مصنوعی، تحلیل داده‌ های زمین، خاک، منابع آب و انرژی، اقلیم و الگوی کشت، امکان تصمیم‌ گیری علمی، داده‌ محور و شبیه‌ سازی سناریو های مختلف کشاورزی را برای کشاورزان و مدیران منابع فراهم می‌ آورد.

مکانیسم تأثیر بر احیای دریاچه ارومیه:

• مدیریت مصرف آب: سامانه با پیش‌بینی دقیق نیاز آبی محصولات و شبیه‌سازی سناریوهای کم‌آب‌بر، از برداشت غیرمجاز و مصرف بی‌رویه آب جلوگیری می‌ کند.

• بهینه‌ سازی انرژی و منابع: الگوریتم‌ها میزان مصرف برق و انرژی مربوط به آبیاری را کاهش داده و بهره‌وری عملیاتی را افزایش می‌ دهند.

• انتخاب محصول کم‌ آب‌ بر و سودآور: توصیه‌های داده‌محور برای انتخاب محصول با حداقل مصرف آب و حداکثر بازده اقتصادی ارائه می‌ شود.

• پیش‌ بینی و سناریوسازی اقتصادی و اکولوژیک: امکان شبیه‌سازی اثر تغییرات اقلیمی، میزان بارش و دسترسی به منابع بر تولید و مصرف آب فراهم است.

ویژگی‌ های علمی و نوآورانه:

• استفاده از مدل‌های پیش‌بینی مبتنی بر داده‌های چندمنظوره (Multivariate Data Modeling) و یادگیری ماشین برای مدیریت منابع آب
• 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 کشاورزان و تسریع روند احیای اکوسیستم دریاچه ارومیه خواهد شد.

---

🎯 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 restoration of Lake Urmia. The platform leverages artificial intelligence algorithms, data analytics, and predictive modeling on soil, land, water, energy, climate, and crop patterns to enable scientific, data-driven decision-making and scenario simulations for farmers and resource managers.

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 Lake Urmia.

---

🏗️ 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 خلاصه و بلوک‌های مزیت‌ها
	لیست مزارع: کارت‌های خلاصه مزرعه با مساحت، نوع خاک، موقعیت و دسترسی به جزئیات/توصیه‌ها
	لیست مزارع (خالی): دعوت به ثبت اولین مزرعه با CTA سبز
	فرم ایجاد مزرعه: ورودی مساحت، نوع خاک، موقعیت، مختصات و منابع آب/انرژی
	جزئیات مزرعه گندم احمد: پیش‌بینی مصرف ۳۰ روزه آب/انرژی و اطلاعات پایه مزرعه
	جزئیات مزرعه سبزیجات احمد: مقادیر مصرف و مشخصات مزرعه (خاک رس، منبع آب رودخانه، انرژی خورشیدی)
	جزئیات مزرعه ذرت فاطمه: پیش‌بینی مصرف برای مزرعه شنی با منبع آب سد
	توصیه محصول برای مزرعه گندم احمد: فهرست محصولات پیشنهادی با امتیاز اطمینان، مصرف آب/انرژی و سود پیش‌بینی‌شده
	توصیه محصول برای مزرعه سبزیجات احمد: گزینه‌های کشت با سود و هزینه منابع متناسب با خاک رس
	توصیه محصول برای مزرعه ذرت فاطمه: سناریوهای کشت روی خاک شنی با برآورد سود و منابع
	داشبورد مدیریتی: آمار تعداد مزارع، مساحت کل، مصرف آب/انرژی و نمودارهای ماهانه
	Swagger UI: لیست اندپوینت‌های API (مزارع، محصولات، پیش‌بینی‌ها، توصیه‌ها و داشبورد) برای تست سریع

🔗 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

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