Inferencia de AI para Pinus Caribaea
Endpoint
Ruta:
https://us-central1-totemfunctions.cloudfunctions.net/pinuscaribaeaai
Método: POST
Descripción
Este endpoint realiza inferencias utilizando un modelo de inteligencia artificial entrenado para predecir ciertos resultados basados en características del Pinus Caribaea. El modelo utiliza parámetros ambientales y de crecimiento para hacer sus predicciones. Los datos de entrada son procesados por un modelo de inteligencia artificial.
Solicitud (Request)
Ejemplo de Cuerpo de Solicitud (JSON)
Descripción de Parámetros
uid (string): Identificador del usuario que realiza la solicitud. Se utiliza para verificar la autorización del usuario.
inputData (object): Datos de entrada que representan las características del entorno y el árbol Pinus Caribaea. Incluye:
Temperatura (°C) (number): Temperatura del ambiente en grados Celsius.
Humedad (%) (number): Humedad relativa del ambiente en porcentaje.
Luz Solar (lúmenes) (number): Intensidad de la luz solar medida en lúmenes.
Niveles de Nutrientes (mg/kg) (number): Concentración de nutrientes en el suelo, medida en miligramos por kilogramo.
Edad del Árbol (años) (number): Edad del árbol en años.
Altura del Árbol (m) (number): Altura del árbol en metros.
Diámetro del Tronco (cm) (number): Diámetro del tronco del árbol en centímetros.
Errores Comunes
400 Bad Request: Si faltan los parámetros
uid
oinputData
.403 Forbidden: Si el
uid
no está autorizado.500 Internal Server Error: En caso de errores internos durante el procesamiento de la solicitud.
Respuesta (Response)
Ejemplo de Cuerpo de Respuesta (JSON)
Descripción de Campos
message (string): Mensaje que indica el resultado de la inferencia del modelo.
inputData (object): Datos de entrada proporcionados para la inferencia.
prediction (number): Resultado de la predicción del modelo, que puede representar algún valor calculado, como el índice de crecimiento o una probabilidad asociada al desarrollo del Pinus Caribaea bajo las condiciones dadas.
Notas Adicionales
La respuesta incluye los datos de entrada proporcionados y el resultado de la predicción generada por el modelo.
Este endpoint es útil para proyectos de investigación o gestión forestal que necesiten evaluar las condiciones de crecimiento del Pinus Caribaea utilizando técnicas de inteligencia artificial.