FIAP - Faculdade de Informatica e Administracao Paulista

SpaceAgro Sentinel

Sistema inteligente de monitoramento agricola com dados espaciais, sensores e Inteligencia Artificial

Nome do grupo

Projeto individual

Integrante

• Enzo Caetano Peracio Rodrigues - RM570352

Professores

Tutor(a)

Coordenador(a)

• André Godoi

Descricao do projeto

O SpaceAgro Sentinel e uma POC/MVP desenvolvida para a Global Solution 2026.1 - Space Connect. A solucao usa dados ambientais sinteticos inspirados em dados espaciais, leituras simuladas de sensores ESP32/DHT22 e Machine Learning para classificar o risco agricola de uma regiao.

A proposta responde como a tecnologia espacial pode melhorar processos na Terra: dados de vegetacao, clima e solo ajudam produtores a tomar decisoes mais rapidas sobre irrigacao, monitoramento climatico e manejo da plantacao.

Problema resolvido

Produtores agricolas dependem de informacoes sobre temperatura, umidade, chuva, solo e saude da vegetacao para evitar desperdicio de agua e perdas de produtividade. Sem analise integrada, a tomada de decisao fica lenta e sujeita a erro.

Solucao proposta

O projeto gera uma base de dados agricola, analisa os dados com Pandas, cria graficos, treina um modelo de classificacao e disponibiliza um dashboard em Streamlit para prever risco como baixo, medio ou alto. Cada previsao retorna uma recomendacao automatica.

Tecnologias utilizadas

• Python 3.11+
• Pandas
• NumPy
• Matplotlib
• Seaborn
• Scikit-learn
• Streamlit
• CSV
• ESP32 com DHT22 simulado no Wokwi

Arquitetura da solucao

Dados ambientais simulados + dados de sensor ESP32
                ↓
Arquivos CSV na pasta data/
                ↓
Tratamento e analise com Python/Pandas
                ↓
Geracao de graficos
                ↓
Treinamento de modelo de Machine Learning
                ↓
Classificacao do risco agricola
                ↓
Dashboard em Streamlit
                ↓
Recomendacao automatica ao usuario

Estrutura de pastas

Global-Solution-1/
├── README.md
├── requirements.txt
├── assets/
│   └── logo-fiap.png
├── data/
│   ├── dados_agricolas_espaciais.csv
│   └── dados_sensor_esp32.csv
├── docs/
│   ├── arquitetura.md
│   ├── relatorio_base.md
│   └── imagens/
└── src/
    ├── dashboard.py
    ├── analise_dados.py
    ├── modelo_ml.py
    ├── gerar_dados.py
    ├── utils.py
    └── esp32/
        ├── src/
        │   └── sketch.ino
        ├── diagram.json
        ├── plataformio.ini
        ├── wokwi.toml
        └── README.md

Como executar

Instale as dependencias:

pip install -r requirements.txt

Como gerar os dados

python src/gerar_dados.py

O comando cria:

• data/dados_agricolas_espaciais.csv
• data/dados_sensor_esp32.csv

Como rodar a analise

python src/analise_dados.py

Os graficos serao salvos em docs/imagens/.

Como rodar o modelo de ML

python src/modelo_ml.py

O script treina uma arvore de decisao, exibe a acuracia, mostra o relatorio de classificacao e executa uma previsao de exemplo.

Como rodar o dashboard

streamlit run src/dashboard.py

O dashboard exibe dados, metricas, graficos e um formulario lateral para prever o risco agricola com valores informados pelo usuario.

Links e observacoes

• GitHub.
• Video nao listado: inserir link do video.
• Protótipo

Historico de lancamentos

• 0.1.0 - 08/06/2026
  • Criacao do MVP SpaceAgro Sentinel com geracao de dados, analise, Machine Learning, dashboard, ESP32 e documentacao base.

---

Licenca

Este projeto academico segue o modelo FIAP e pode ser utilizado para fins educacionais.