В выпускной квалификационной работе рассмотрена задача разработки аппаратно-программного комплекса для автоматизированного управления поливом растений с использованием машинного обучения. В работе выполнен анализ существующих способов управления поливом, факторов, влияющих на влажность почвы, и методов управления на основе данных. Сформирован и подготовлен набор данных для прогнозирования влажности почвы через один час после текущего измерения. Для решения задачи применена модель Random Forest Regressor, показавшая приемлемое качество прогноза по метрикам MAE, RMSE и R2 . Разработана аппаратная часть комплекса на базе микроконтроллера ESP32, датчиков, релейного модуля и насоса. Серверная часть реализует прием данных, хранение измерений, выполнение прогнозной модели и формирование решения о необходимости полива. Экспериментальная проверка подтвердила работоспособность системы при передаче данных, прогнозировании влажности, управления насосом и отправке уведомлений пользователю.

The final qualification work considers the development of a hardware and software complex for automated plant irrigation control using machine learning. The study analyzes existing irrigation control methods, factors affecting soil moisture, and data-based control approaches. A dataset was formed and prepared to predict soil moisture one hour after the current measurement. The Random Forest Regressor model was used for this task and demonstrated acceptable prediction quality according to MAE, RMSE, and R2 metrics. The hardware part of the complex was developed on the basis of an ESP32 microcontroller, sensors, a relay module, and a pump. The server part provides data receiving, measurement storage, execution of the prediction model, and generation of an irrigation control decision. Experimental testing confirmed the operability of the system in data transmission, soil moisture prediction, pump control, and user notification.