This work presents a chatbot designed to simplify access to environmental data in Agriculture 4.0, enabling farmers to interact with a Digital Twin through natural language. The system integrates a Python (FastAPI) backend, a React frontend, and a hybrid NLP engine, combining fuzzy matching and generative AI to facilitate the use of agricultural data.

Questo lavoro presenta un chatbot per semplificare l'accesso ai dati ambientali in Agricoltura 4.0, consentendo agli agricoltori di interagire con un Digital Twin tramite linguaggio naturale. Il sistema integra un backend in Python (FastAPI), un frontend in React e un motore NLP ibrido, combinando fuzzy matching e AI generativa per facilitare l'uso dei dati agricoli.

SVILUPPO DI UN CHATBOT PER LA CONSULTAZIONE DEI DATI SENSIBILI IN UN DIGITAL TWIN AGRARIO

MERICO, LORENZO
2023/2024

Abstract

This work presents a chatbot designed to simplify access to environmental data in Agriculture 4.0, enabling farmers to interact with a Digital Twin through natural language. The system integrates a Python (FastAPI) backend, a React frontend, and a hybrid NLP engine, combining fuzzy matching and generative AI to facilitate the use of agricultural data.
2023
DEVELOPMENT OF A CHATBOT FOR ACCESSING SENSITIVE DATA IN AN AGRICULTURAL DIGITAL TWIN
Questo lavoro presenta un chatbot per semplificare l'accesso ai dati ambientali in Agricoltura 4.0, consentendo agli agricoltori di interagire con un Digital Twin tramite linguaggio naturale. Il sistema integra un backend in Python (FastAPI), un frontend in React e un motore NLP ibrido, combinando fuzzy matching e AI generativa per facilitare l'uso dei dati agricoli.
CHATBOT
DIGITAL TWIN
NLP
AI GENERATIVA
File in questo prodotto:
Fulltext non presente su UNITESI – Verifica la disponibilità della tesi in formato cartaceo interrogando il Catalogo di Ateneo

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/70211