Logo Lanfrica

DjafarouAbdou909/agri-bot

Domaine:

agriculturenatural language processing

Type de record:

softwareproject
Créateur:
Dja
Hôte:
AGRI-BOT is an AI-powered agronomic assistant accessible via WhatsApp. It helps farmers get crop disease detection from images, agricultural advice, and weather-based recommendations using NLP and machine learning to improve productivity and reduce losses in African agriculture. # AGRI-BOT 🌱 Assistant agricole intelligent sur WhatsApp pour les agriculteurs d'Afrique francophone, en particulier la Côte d'Ivoire. ## En bref L'agriculteur envoie un message (texte, vocal, ou photo de plante) sur WhatsApp, et AGRI-BOT répond avec des conseils agricoles adaptés à sa culture, un diagnostic de maladie, ou une alerte météo. --- ## Fonctionnalités | Fonctionnalité | Description |---|---|---| | **Texte** | Question agricole en texte → réponse contextualisée (Groq / Llama 3.3) | **Vocal** | Message vocal → transcription (Gemini) → réponse | **Image** | Photo de plante → diagnostic de maladie (Gemini Vision) | **Météo** | Message de bienvenue automatique avec météo au premier contact + alertes quotidiennes (pluie/chaleur/vent) | **Détection de culture** | Détecte automatiquement la culture déclarée dans un message ("je cultive du cacao") --- ## Stack technique - **Backend** : Django + Django REST Framework - **Tâches asynchrones** : Celery + Redis (le webhook doit répondre vite à Meta, tout traitement lourd passe en tâche de fond) - **Base de données** : PostgreSQL - **Messagerie** : WhatsApp Cloud API (Meta) - **IA texte** : Groq (Llama 3.3 70B) — rapide, gratuit en tier de base - **IA vocal + image** : Google Gemini (`gemini-2.5-flash`) — multimodal, gère transcription audio et analyse d'image - **Météo** : OpenWeatherMap **Pourquoi ce choix d'API plutôt que des modèles entraînés maison ?** Aucun modèle n'a été entraîné from scratch — tout passe par des API ou modèles pré-entraînés, pour rester réaliste sur un délai de hackathon. C'est un choix d'architecture volontaire, pas un raccourci. --- ## Structure du projet ``` backend/ ├── config/ # settings Django, Celery, urls principales ├── webhooks/ # réception des messages WhatsApp (point d'entrée) ├── routing/ # dispatch texte/audio/image + tâche Celery centrale ├── nlp/ # génération de réponse texte (Groq) + transcription audio (Gemini) ├── vision/ …