mounaye647/irrigation-smart-system-mauritania

Smart Irrigation System using Kafka, Spark & Edge AI for Mauritanian agriculture. This project analyzes real-time sensor data (temperature, soil humidity, climate) to predict irrigation needs and optimize water usage. Built with Python, Apache Kafka, Apache Spark, Machine Learning, and Streamlit. Smart Irrigation System using Kafka, Spark & Edge AI Optimisation de l’irrigation en Mauritanie Étudiant Description du projet Ce projet présente un système intelligent d’irrigation basé sur : Apache Kafka (collecte de données en temps réel) Apache Spark Streaming (traitement des données) Machine Learning (prédiction des besoins en eau) Edge Computing (décision locale) Streamlit (visualisation) Le système analyse : Température Humidité du sol Conditions climatiques Pour recommander automatiquement l’irrigation optimale. Contexte mauritanien Ce projet vise à aider l’agriculture dans des zones comme : Rosso Kaédi Boghé En réduisant : Le gaspillage d’eau Les coûts agricoles Les pertes de production Sources de données agricoles Références utilisées : FAO : fao.org DEA Cropland Map (Afrique) gee-community-catalog.org World Bank Data :datacatalog.worldbank.org Technologies utilisées Python Apache Kafka Apache Spark Machine Learning (Scikit-learn) Streamlit Docker (optionnel) Installation Installer les dépendances Python pip install pandas numpy scikit-learn kafka-python pyspark streamlit MÉTHODE COMPLÈTE POUR LANCER LE PROJET Suivre cet ordre exactement : Étape 1 — Démarrer Zookeeper Dans le dossier Kafka : bin/zookeeper-server-start.sh config/zookeeper.properties (Sur Windows) .\bin\windows\zookeeper-server-start.bat .\config\zookeeper.properties Étape 2 — Démarrer Kafka bin/kafka-server-start.sh config/server.properties (Sur Windows) .\bin\windows\kafka-server-start.bat .\config\server.properties Étape 3 — Lancer le Producer (simulation des capteurs) Dans le dossier du projet : python kafka_produc …