CI/CD

Backend.txt

@@ -0,0 +1,162 @@
+## Backend Architecture – CropLogic Platform
+
+پلتفرم **CropLogic** از سه سرویس کاملاً مستقل تشکیل شده است تا مقیاس‌پذیری، پایداری و امنیت داده‌ها در سطح بالایی حفظ شود. این سرویس‌ها عبارت‌اند از:
+
+- Backend Service  
+- AI Service  
+- SensorHub Service  
+
+جدا بودن این سرویس‌ها باعث می‌شود هر بخش بتواند به‌صورت مستقل توسعه داده شود، در صورت افزایش بار به‌صورت جداگانه مقیاس‌پذیر باشد و در صورت بروز مشکل در یک سرویس، سایر سرویس‌ها دچار اختلال نشوند.
+
+---
+
+## 1. Backend Service
+
+سرویس **Backend** هسته‌ی اصلی منطق سیستم محسوب می‌شود و نقش **Gateway** بین کلاینت و سایر سرویس‌های داخلی را ایفا می‌کند.
+
+### وظایف اصلی
+- دریافت درخواست‌ها از سمت کلاینت  
+- ارتباط با سرویس‌های **AI** و **SensorHub**  
+- پردازش و مدیریت خروجی سرویس‌ها  
+- آماده‌سازی و ارسال پاسخ نهایی به کلاینت  
+
+به عبارت دیگر، Backend لایه‌ی هماهنگ‌کننده بین بخش‌های مختلف سیستم است و تمام ارتباطات خارجی از طریق این سرویس انجام می‌شود.
+
+### تکنولوژی‌ها
+- **Framework:** Django  
+- **Database:** MySQL  
+
+پروژه با استفاده از **Clean Architecture** طراحی شده است؛ بنابراین لایه‌ی دیتابیس از منطق اصلی جدا بوده و در صورت نیاز امکان تغییر دیتابیس در آینده به‌سادگی وجود دارد.
+
+---
+
+## 2. AI Service
+
+سرویس **AI** به دلیل حجم بالای محاسبات و احتمال ایجاد بار سنگین روی سیستم، به‌صورت کاملاً جدا از Backend پیاده‌سازی شده است. این سرویس مسئول انجام تمام پردازش‌های مرتبط با **هوش مصنوعی و تحلیل داده‌ها** است.
+
+### بخش‌های اصلی این سرویس
+
+#### 2.1 سیستم RAG (Retrieval-Augmented Generation)
+
+این سیستم با استفاده از **Embedding مدل‌های LLM** پیاده‌سازی شده و نقش ساخت **دستیار هوشمند مزرعه** را بر عهده دارد.  
+
+از این دستیار برای:
+- پاسخ به سوالات کشاورزان  
+- ارائه راهنمایی‌های تخصصی کشاورزی  
+- تحلیل شرایط مزرعه  
+
+استفاده می‌شود.
+
+---
+
+#### 2.2 دریافت اطلاعات خاک بر اساس مختصات جغرافیایی
+
+برای دریافت داده‌های علمی مربوط به خاک از API زیر استفاده می‌شود:
+
+`https://rest.isric.org/soilgrids`
+
+این سرویس اطلاعات خاک را بر اساس مختصات جغرافیایی ارائه می‌دهد.
+
+پارامترهای اصلی دریافت شده شامل موارد زیر است:
+
+- depth_label  
+- bdod  
+- cec  
+- cfvo  
+- clay  
+- nitrogen  
+- ocd  
+- ocs  
+- phh2o  
+- sand  
+- silt  
+- soc  
+- wv0010  
+- wv0033  
+- wv1500  
+
+علاوه بر این، اطلاعات خاک برای عمق‌های مختلف نیز دریافت می‌شود، از جمله:
+
+- 0–5 سانتی‌متر  
+- 5–10 سانتی‌متر  
+- 10–15 سانتی‌متر  
+
+این تفکیک عمق خاک اهمیت زیادی دارد، زیرا برخی گیاهان نسبت به ویژگی‌های خاک در عمق‌های خاص حساس‌تر هستند.
+
+---
+
+#### 2.3 ترکیب داده‌های خاک با داده‌های سنسور
+
+اطلاعات دریافتی از SoilGrids با داده‌های **سنسورهای مزرعه** ترکیب می‌شوند.  
+
+هدف از این مرحله:
+- تکمیل داده‌های ناقص سنسورها  
+- افزایش دقت مدل‌های تحلیلی  
+- ایجاد یک دیتاست کامل از شرایط واقعی مزرعه
+
+---
+
+#### 2.4 محاسبات تکمیلی ژئوفیزیک و خاک
+
+در این مرحله، داده‌هایی که نه از طریق سنسورها و نه از طریق APIهای خارجی قابل دریافت نیستند، با استفاده از **فرمول‌های علمی ژئوفیزیک و خاک‌شناسی کشاورزی** محاسبه می‌شوند.
+
+این کار باعث می‌شود مدل‌های تحلیلی تصویر کامل‌تری از شرایط مزرعه داشته باشند.
+
+---
+
+#### 2.5 تحلیل و مدل‌های هوش مصنوعی
+
+در مرحله نهایی، داده‌های جمع‌آوری‌شده و پردازش‌شده وارد سیستم‌های تحلیلی می‌شوند که شامل موارد زیر است:
+
+- استفاده از **سیستم RAG** برای تحلیل و تولید پاسخ  
+- استفاده از **Machine Learning** در سناریوهای تخصصی‌تر  
+- استفاده از **مدل‌های از پیش آموزش‌دیده (Pretrained Models)**
+
+خروجی این تحلیل‌ها شامل مواردی مانند:
+
+- توصیه زمان و میزان **آبیاری**  
+- توصیه **کوددهی**  
+- تحلیل وضعیت خاک و رشد گیاه  
+- پیشنهاد اقدامات بهینه برای مدیریت مزرعه
+
+### دیتابیس
+- **MySQL**
+
+---
+
+## 3. SensorHub Service
+
+سرویس **SensorHub** مسئول دریافت، ذخیره و مدیریت داده‌های سنسورهای مزرعه است.
+
+به دلیل حساسیت بالای این داده‌ها و اهمیت **عدم از دست رفتن اطلاعات سنسورها**، این سرویس به‌صورت مستقل از سایر بخش‌ها پیاده‌سازی شده است.
+
+### ویژگی‌های این سرویس
+- دریافت داده‌های سنسورها در زمان واقعی  
+- ذخیره‌سازی امن و پایدار داده‌ها  
+- ارائه داده‌ها به سرویس Backend برای تحلیل
+
+### دیتابیس
+
+برای این سرویس از **Apache Cassandra** استفاده شده است.
+
+دلایل انتخاب Cassandra:
+
+- دیتابیس **Distributed** و مناسب برای داده‌های حجیم  
+- **Fault Tolerance بالا**  
+- جلوگیری از از دست رفتن داده‌ها  
+- مناسب برای **Time-Series Data** مانند داده‌های سنسورها
+
+---
+
+## جمع‌بندی معماری
+
+معماری CropLogic بر پایه **Microservice Architecture** طراحی شده است که مزایای زیر را فراهم می‌کند:
+
+- مقیاس‌پذیری مستقل هر سرویس  
+- افزایش پایداری سیستم  
+- جداسازی مسئولیت‌ها  
+- مدیریت بهتر بار پردازشی  
+- امنیت بیشتر برای داده‌های حساس
+
+این معماری باعث می‌شود پلتفرم بتواند در مقیاس‌های بزرگ مزرعه و تعداد زیاد سنسورها نیز عملکرد پایدار و قابل اعتمادی داشته باشد.
+:::