Projeto: Sistema de Sensoriamento para Agricultura

Este repositório contém o modelo de banco de dados e o código desenvolvido para o sistema de sensoriamento de uma plantação. O sistema coleta dados de sensores em tempo real e faz ajustes automáticos na irrigação e aplicação de nutrientes, utilizando uma base de dados Oracle.

Objetivo

O objetivo do sistema é otimizar o uso de água e nutrientes, ajustando automaticamente a quantidade aplicada com base nos dados coletados por três tipos de sensores (umidade, pH, nutrientes) instalados em diferentes culturas.

Estrutura do Banco de Dados (MER)

Entidades e Atributos:

ENTIDADE SENSOR

• SEN_ID (PK): Identificador único do sensor.
• SEN_TIPO: Tipo de sensor (ex: umidade, pH, NPK).
• SEN_DESCRICAO: Breve descritivo do tipo de sensor.

ENTIDADE CULTURA

• CUL_ID (PK): Identificador único da cultura.
• CUL_NOME: Nome da cultura (ex: milho, soja).
• CUL_UMIDADE_MIN: Umidade mínima ideal para a cultura.
• CUL_UMIDADE_MAX: Umidade máxima ideal para a cultura.
• CUL_PH_MIN: pH mínimo ideal para a cultura.
• CUL_PH_MAX: pH máximo ideal para a cultura.
• CUL_N_MIN: Nível mínimo de Nitrogenio necessários.
• CUL_N_MAX: Nível máximo de Nitrogenio N necessários.
• CUL_P_MIN: Nível mínimo de Fosforo necessários.
• CUL_P_MAX: Nível máximo de Fosforo necessários.
• CUL_K_MIN: Nível mínimo de Potassio necessários.
• CUL_K_MAX: Nível máximo de Potassio necessários.

ENTIDADE LEITURA_SENSOR

• LEI_ID (PK): Identificador único da leitura.
• LEI_SENSOR_ID (FK): Referência ao sensor que fez a leitura.
• LEI_CULTURA_ID (FK): Referência à cultura relacionada à leitura.
• LEI_DATA_HORA: Data e hora da leitura do sensor.
• LEI_VALOR: Valor da leitura (string pois necessita representar valores de NPK).

ENTIDADE AJUSTE_APLICACAO

• AJU_ID (PK): Identificador único do ajuste.
• AJU_CULTURA_ID (FK): Referência à cultura que recebeu o ajuste.
• AJU_DATA_HORA: Data e hora do ajuste realizado.
• AJU_QUANTIDADE_AGUA: Quantidade de água aplicada no ajuste.
• AJU_QUANTIDADE_NUTRIENTES: Quantidade de nutrientes aplicados no ajuste (string para representar NPK).

Relacionamentos

LEITURA_SENSOR

• SENSOR (1) --- (N) LEITURA_SENSOR: Um sensor pode ter várias leituras, mas cada leitura é feita por um único sensor.
• CULTURA (1) --- (N) LEITURA_SENSOR: Uma cultura pode ter várias leituras, mas cada leitura está relacionada a uma única cultura.

AJUSTE_APLICACAO

• CULTURA (1) --- (N) AJUSTE_APLICACAO: Uma cultura pode ter múltiplos ajustes de aplicação, mas cada ajuste é referente a uma única cultura.

Diagrama MER

Tecnologias Utilizadas

• PyCharm e SQL Oracle Cloud para o desenvolvimento do código.
• Autonomous Transactional Oracle Database como banco de dados transacional.
• SQLDesigner e Data Modeler para criar o diagrama de Entidade-Relacionamento (MER).
• Markdown para a documentação no GitHub.
• GitHub para versionamento de código.

Configuração do Ambiente de Desenvolvimento

Requisitos:

1. Autonomous Transactional Oracle Database como banco de dados transacional.

Configuração do Banco de Dados Oracle:

1. Configurar conta Free Tier em https://www.oracle.com/cloud/free/
2. Provisionar Autonomous Transactional Oracle Database
3. Abrir SQL Console
4. Executar o script SQL_SCRIP_CAP1_FIAP.sql

Caso queira ajustar/testar o script SQL_SCRIP_CAP1_FIAP.sql, foi gerado o script DROP_ALL.sql que derruba todas as tabelas, dados e views.