🌱 Doctor Green (닥터 그린)

ESP32 센서와 AI 병해 진단으로 우리 집 작물을 돌봐주는 스마트팜 반려식물 관리 앱

---

소개

Doctor Green은 ESP32 기반 센서 모듈이 수집한 온도·습도·토양수분 데이터를 실시간으로 보여주고, LED/팬을 원격으로 제어하며, 스마트폰 카메라로 찍은 작물 사진을 AI로 분석해 병충해를 진단해주는 Next.js 기반 웹 애플리케이션입니다. 기상청·농촌진흥청 공공데이터를 함께 연동해 재배 환경 판단에 필요한 정보를 한곳에 모았습니다.

주요 기능

• 실시간 센서 모니터링: 온도·습도·토양수분 값을 실시간으로 확인하고(app/realtime/[deviceId]), 날짜별 24시간 추이 그래프로 과거 데이터를 되짚어볼 수 있습니다(app/history).
• LED / 팬 원격 제어: 앱에서 켜고 끄면 Supabase의 원하는 상태(desired state)가 갱신되고, ESP32가 이를 폴링해 실제 GPIO를 제어합니다.
• AI 병해 진단(연결 시안): 작물 사진을 올리면 Hugging Face Space에 올려 둔 YOLO 7클래스 모델을 호출해 결과를 보여 줍니다(app/diagnose). 앱과 추론 서버를 잇는 연결 시안이며, 자체 데이터로 만드는 진단 모델은 따로 재구축 중입니다(아래 AI 진단 모델 재구축 참고).
• 오늘의 리포트: 자정 이후 쌓인 센서 데이터를 서버(RPC)에서 집계해 하루 요약을 홈 화면에 보여줍니다.
• 작물 가이드 / 병해충 도감: 작물별 재배 가이드와 병해·해충 도감을 제공해 초보자도 쉽게 이상 증상을 찾아볼 수 있습니다(app/guide, app/dodam).

아키텍처

┌──────────┐   HTTP POST(센서값)   ┌────────────┐        폴링(desired state)   ┌──────────┐
│  ESP32   │ ────────────────────▶ │  Supabase   │ ◀──────────────────────────  │  ESP32   │
│ (센서)   │                       │ (DB/Auth)   │ ─────────────────────────▶  │ (LED/팬) │
└──────────┘                       └─────┬──────┘        GPIO 제어              └──────────┘
                                          │
                                          │ REST / RPC
                                          ▼
                                 ┌──────────────────┐
                                 │  Next.js App      │
                                 │  (App Router)      │
                                 └───┬───────┬───────┘
                                     │       │
                     이미지 업로드    │       │  공공데이터 프록시(API Route)
                                     ▼       ▼
                     ┌────────────────────┐ ┌───────────────────────────────┐
                     │ Hugging Face Space  │ │ 기상청(KMA) · 농진청(NCPMS)   │
                     │  YOLO 진단 시안     │ │ · 팜맵(FarmMap)               │
                     └────────────────────┘ └───────────────────────────────┘

• 센서 경로: ESP32가 Wi-Fi로 Supabase에 센서값을 직접 POST합니다(Blynk 등 중계 서버를 거치지 않음).
• 원격 제어: 앱에서 LED/팬 버튼을 누르면 devices.led_on / devices.fan_on 컬럼(원하는 상태)만 갱신되고, ESP32가 주기적으로 이 값을 읽어와 실제 하드웨어를 맞춥니다.
• AI 진단(연결 시안): 앱 서버(API Route)가 이미지를 Base64로 받아 Gradio Client로 Hugging Face Space를 호출하고, YOLO 추론 결과를 그대로 프론트에 반환합니다. 실패 시 가짜 데이터로 대체하지 않고 에러를 그대로 전달합니다.
• 공공데이터 연동: 기상청(KMA) 단기예보, 농촌진흥청 병해충 정보시스템(NCPMS), 팜맵(FarmMap) API를 서버 사이드 Route Handler에서 프록시해 클라이언트에 안전하게 전달합니다.

AI 진단 모델 재구축

데모에 연결된 YOLO 모델과 별개로, 진단 모델을 자체 데이터로 다시 만들고 있습니다. 현재는 데이터 단계입니다.

• 데이터: AI Hub 딸기 병해 데이터(71451). 해외 IP에서는 내려받을 수 없어 Windows용 다운로더를 직접 작성했습니다.
• 라벨: JSON 라벨을 YOLO 형식 박스로 변환해 병징 부위를 잘라냈습니다(형식 변환이며 YOLO 학습은 아님).
• 규모: 5클래스(정상 + 병해 4종) × 1,000장에서 병징 크롭 39,889장(train 32,155 / val 4,326 / test 3,408). 같은 원본 사진의 크롭이 train과 validation에 나뉘지 않게 그룹 단위 층화 분할을 했습니다.
• 다음 단계: ConvNeXt-Tiny 또는 EfficientNetV2-S 크롭 분류기 학습. 아직 학습 결과는 없습니다.
• 작업 브랜치: training/aihub-data-prep

기술 스택

영역	사용 기술
프레임워크	Next.js 16 (App Router), React 19, TypeScript
스타일	Tailwind CSS 4
데이터베이스 / 인증	Supabase (Postgres, Auth, RPC)
차트	Recharts
AI 진단 연동(시안)	Hugging Face Space (YOLO 7클래스), @gradio/client
공공데이터	기상청(KMA), 농촌진흥청(NCPMS), 팜맵(FarmMap)
하드웨어	ESP32 (센서 수집 + GPIO 제어)

로컬 실행 방법

npm install
cp .env.example .env.local   # 아래 표를 참고해 값 채우기
npm run dev

브라우저에서 http://localhost:3000 접속.

환경 변수 (.env.example)

변수	설명
KMA_KEY	기상청 공공데이터포털 단기예보 API 인증키
NCPMS_KEY	농촌진흥청 국가농작물병해충관리시스템(NCPMS) API 인증키
FARMMAP_KEY	팜맵(농경지 경계) API 인증키
HF_SPACE_ID	AI 병해충 진단용 Hugging Face Space ID (예: username/space-name)
NEXT_PUBLIC_SUPABASE_URL	Supabase 프로젝트 URL
NEXT_PUBLIC_SUPABASE_ANON_KEY	Supabase 익명(anon) 공개 키

시스템 플로우 다이어그램

라이트/다크 모드에 따라 자동으로 배색이 바뀌는 SVG입니다(portfolio/ 폴더에 영문 버전과 PNG 버전도 있습니다).

참고

교육 목적의 파생 저장소로 doctor-green-edu(가상 실습실 포함, 2시간 수업용)가 별도로 존재합니다. 이 저장소는 실제 서비스용 코드만 유지합니다.