Los problemas de escasez de alimentos afectan a una parte cada vez mayor de la población a nivel mundial como consecuencia de la crisis climática, las guerras y la pandemia de COVID-19. El aumento de la producción de cultivos se ha convertido en una de las prioridades urgentes para muchos países. Para aumentar la productividad del cultivo, es necesario monitorear y evaluar la calidad del suelo agrícola mediante el análisis de las propiedades físicas y químicas del suelo, ya que el suelo es la base para proporcionar nutrientes al cultivo. Como resultado, el análisis del suelo contribuye en gran medida a mantener la sostenibilidad del suelo en la producción regular de cultivos. Recientemente, algunos investigadores agrícolas han comenzado a utilizar enfoques de aprendizaje automático para llevar a cabo el análisis del suelo, apuntando a las diferentes necesidades de análisis del suelo por separado. El método óptimo es considerar todas esas características (clima, productos químicos del suelo, nutrición y geolocalizaciones) basadas en los cultivos en crecimiento y el ciclo de producción para el análisis del suelo. La contribución de este proyecto es combinar el análisis del suelo, incluida la identificación de cultivos, recomendaciones de riego y análisis de fertilizantes, con modelos de aprendizaje automático basados en datos y crear un sistema interactivo y amigable para el usuario (Sistema de Análisis de Suelo) mediante el uso de datos satelitales en tiempo real y datos de sensores remotos. El sistema proporciona una forma más sostenible y eficiente de ayudar a los agricultores a cosechar con un mejor uso de la tierra, el agua y los fertilizantes. Según nuestros resultados de análisis, este enfoque combinado es prometedor y eficiente para la agricultura inteligente.