IoT และการเชื่อมต่อ

📝 ตัวอย่างโค้ด Python สำหรับ AI Decision Making

import pandas as pd
from sklearn.ensemble import RandomForestRegressor
import numpy as np

class SmartIrrigationAI:
    def __init__(self):
        self.model = RandomForestRegressor(n_estimators=100)
        self.is_trained = False
    
    def train_model(self, historical_data):
        """ฝึกโมเดลด้วยข้อมูลในอดีต"""
        features = ['soil_moisture', 'soil_temp', 'air_temp', 
                   'humidity', 'light_intensity', 'ph']
        X = historical_data[features]
        y = historical_data['irrigation_amount']
        
        self.model.fit(X, y)
        self.is_trained = True
    
    def predict_irrigation_need(self, current_conditions):
        """ทำนายความต้องการน้ำ"""
        if not self.is_trained:
            return None
        
        prediction = self.model.predict([current_conditions])
        return max(0, prediction[0])  # ไม่ให้ติดลบ
    
    def make_decision(self, sensor_data):
        """ตัดสินใจว่าควรรดน้ำหรือไม่"""
        irrigation_need = self.predict_irrigation_need(sensor_data)
        
        # กฎการตัดสินใจ
        if sensor_data[0] < 30:  # ความชื้นดินต่ำกว่า 30%
            if irrigation_need > 50:
                return "รดน้ำมาก", irrigation_need
            elif irrigation_need > 20:
                return "รดน้ำปานกลาง", irrigation_need
            else:
                return "รดน้ำเล็กน้อย", irrigation_need
        else:
            return "ไม่ต้องรดน้ำ", 0

# การใช้งาน
ai_system = SmartIrrigationAI()
# ฝึกโมเดลด้วยข้อมูลในอดีต (ข้ามขั้นตอนนี้ในตัวอย่าง)

# ข้อมูลจากเซ็นเซอร์ปัจจุบัน
current_sensor_data = [25, 28, 32, 65, 800, 6.2]  
# [ความชื้นดิน%, อุณหภูมิดิน°C, อุณหภูมิอากาศ°C, 
#  ความชื้นอากาศ%, ความเข้มแสง, pH]

decision, amount = ai_system.make_decision(current_sensor_data)
print(f"การตัดสินใจ: {decision}, ปริมาณ: {amount} ลิตร")