זיהוי מחלות צמחים באמצעות קוואלקום דרגוןבורד 410c: 4 שלבים

2024 מְחַבֵּר: John Day | [email protected]. שונה לאחרונה: 2024-01-30 09:15

שלום לכולם, אנו משתתפים בתחרות המצאת העתיד עם Dragonboard 410c בחסות Embarcados, Linaro ו- Baita.

פרויקט AVoID (מחלת צפייה באגרו)

מטרתנו היא ליצור מערכת משובצת המסוגלת ללכוד תמונה, לעבד ולזהות מחלות צמחים אפשריות בחווה. יישום נוסף של הפרויקט שלנו (לא מיושם) הוא יכולת IoT לנטר בזמן אמת חווה.

היתרון הגדול ביותר של מערכת AVoID הוא שאתה לא צריך אובייקט מסוג מסוים כדי לעקוב אחר החווה. אם יש לך ארבעה אופניים או מזל ט, אתה יכול פשוט לצרף את פלטפורמת AVoID לאובייקט שלך ולפקח על החווה.

בעיקרון ה- AVoID מורכב על ידי Dranboard 410c ומצלמת רשת.

בשלבים הבאים אנו בעצם מסבירים כיצד לבנות את הבלוק הראשי של מערכת AVoID

אל תהסס לפנות אלינו לגבי מערכת AVoID והטמעתה:

Caio Ferreira ([email protected])

ארונידס נטו ([email protected])

מריה לואיזה ([email protected])

שלב 1: הגדר את החומרה והתוכנה

השלב הראשון של הפרויקט שלנו הוא הגדרת החומרה הנדרשת ליישם את מערכת AVoID.

בעיקרון תצטרך

חוּמרָה

- 01x Dragonboard 410c (עם תמונת Debian, לחץ כאן כדי לראות כיצד להתקין את Debian ב- Dragonboard);

- מצלמת 01x תואמת ל- Dragonboard (ראה תאימות כאן);

תוֹכנָה

> התקן את OpenCV בחבילות התמונות של Dragonboard, Scikit Learn ו- Scikit להפצת דביאן לינוקס.

- התקנת OpenCV (עיין בקישור זה, השתמש בחלק הראשון הקשור להתקנת OpenCV);

- התקן את Scikit Learn and Image דרך הטרמינל!

pip install -U scikit -learn

שלב 2: בדיקות בסיסיות של מצלמת אינטרנט

השלב השני שלנו הוא לוודא שכל מה שהגדרנו בסדר!

1) הפעל את קוד ההדגמה של מצלמת האינטרנט כדי לראות כמה תמונות/סרטונים

הפעל את הקוד foto.py במסוף.

> פייתון foto.py

2) הפעל דוגמא מסוימת של OpenCV

אפשרות נוספת על מנת לוודא שה- openCV מותקן כראוי היא הפעלת דוגמא של opencv.

שלב 3: אימון/בדיקת מערך נתונים ליישום יעד AVoID

חלק א ': טכניקות עיבוד תמונה

כנראה שזה יהיה השלב המורכב ביותר בפרויקט שלנו. כעת עלינו לייצב כמה פרמטרים ומדדים כדי להחליט אם לצמח (תמונה מצמח) יש מחלה כלשהי.

ההתייחסות העיקרית שלנו לשלב זה היא מאמר זה המראה כיצד לזהות מחלות בעלים באמצעות טכניקות עיבוד תמונה. ביסודו של דבר, מטרתנו בשלב זה היא לשכפל טכניקות עיבוד הדמיה אלה בלוח Dragonboard 410c.

1) הגדר את מערך נתוני התמונה ואת סוג הצמח שברצונך לאתר מחלות

זהו חלק חשוב במפרט שלך. איזה סוג של צמח אתה רוצה להכשיר מחלות. מתוך הפניה למאמר, אנו מפתחים על בסיס עלה Strwaberry.

קוד זה, טוען עלה תות ועושה את חלק עיבוד התמונה.

חלק ב ': למידת מכונה

לאחר החלק של עיבוד התמונה, עלינו לארגן את הנתונים בצורה כלשהי. מתורת הלמידה המכונה, עלינו לאגד את הנתונים בקבוצות. אם בתוכנית יש מחלה, אחד מהקבוצה הזו יצביע על כך.

אלגוריתם הסיווג בו אנו משתמשים כדי לקבץ מידע זה הוא האלגוריתם K-means.

שלב 4: תוצאות ועבודה עתידית

אז נוכל לראות כמה תוצאות לאיתור כמה מחלות מהתמונות ומאשכולות התמונה.

שיפור נוסף בפרויקט שלנו הוא לוח המחוונים של IoT שניתן ליישם.