Esta API está desarrollada en FastAPI y permite predecir el cultivo óptimo basado en características del suelo y del ambiente. Utiliza un modelo de aprendizaje automático previamente entrenado para hacer recomendaciones de cultivo.
server.py
: Contiene la lógica de la aplicación FastAPI, incluyendo la definición de la API y el modelo de datos.Dockerfile
: Define la imagen Docker para la aplicación.requirements.txt
: Lista de dependencias de Python requeridas para ejecutar la aplicación.
Para ejecutar esta API en tu entorno local, sigue estos pasos:
- Python 3.12.3
- pip
git clone <URL_DEL_REPOSITORIO>
cd <DIRECTORIO_DEL_REPOSITORIO>
pip install -r requirements.txt
uvicorn server:app --host 0.0.0.0 --port 8000
La API estará disponible en http://localhost:8000.
GET / Descripción: Devuelve un mensaje de bienvenida.
Respuesta: { "message": "Welcome to the crop prediction API!" }
POST /predict Descripción: Realiza una predicción del cultivo óptimo basado en las características del suelo y del ambiente.
Cuerpo de la Solicitud: { "Nitrogen": 117, "phosphorus": 56, "potassium": 15, "temperature": 25.992374, "humidity": 77.054355, "ph": 7.368258, "rainfall": 89.118821 }
Respuesta: { "prediction": ["Cultivo Recomendado"] }
Para ejecutar la API en un contenedor Docker:
docker build -t crop-prediction-api .
docker run -p 80:80 crop-prediction-api
La API estará disponible en http://localhost.
Dependencias El archivo requirements.txt contiene las siguientes dependencias:
fastapi uvicorn pandas joblib pydantic
Si deseas contribuir al desarrollo de esta API, por favor, realiza un fork del repositorio y envía un pull request con tus mejoras.
Este proyecto está licenciado bajo la MIT License.
Si tienes alguna pregunta o sugerencia, no dudes en contactarme.