Taimehaiguste tuvastamine Qualcomm Dragonboard 410c abil: 4 sammu

2024 Autor: John Day | [email protected]. Viimati modifitseeritud: 2024-01-30 08:48

Tere kõigile! Osaleme konkursil Inventing the Future with Dragonboard 410c, mida sponsoreerivad Embarcados, Linaro ja Baita.

AVoID projekt (Agro View haigus)

Meie eesmärk on luua sisseehitatud süsteem, mis suudab talus pildistada, töödelda ja avastada võimalikke taimehaigusi. Meie projekti (rakendamata) lisarakendus on asjade Interneti võimekus talu reaalajas jälgida.

AVoID -süsteemi suurim eelis on see, et talu jälgimiseks pole vaja konkreetset tüüpi objekte. Kui teil on neljarattaline jalgratas või droon, saate lihtsalt oma objekti külge kinnitada AVoID -platvormi ja jälgida seda.

Põhimõtteliselt koosneb AVoID Dranboard 410c ja veebikaamerast.

Järgmistes sammudes selgitame põhimõtteliselt, kuidas luua AVoID -süsteemi põhiplokk

Võtke meiega julgelt ühendust AVoID -süsteemi ja selle rakendamise osas:

Caio Ferreira ([email protected])

Eronides Neto ([email protected])

Maria Luiza ([email protected])

Samm: seadistage riistvara ja tarkvara

Meie projekti esimene samm on vajaliku riistvara seadistamine AVoID -süsteemi rakendamiseks.

Põhimõtteliselt vajate

Riistvara

- 01x Dragonboard 410c (Debiani pildiga klõpsake siin, et näha, kuidas Debian Dragonboardile installida);

- 01x veebikaamera, mis ühildub Dragonboardiga (vaata siit ühilduvust);

Tarkvara

> Installige OpenCV Dragonboardile, Scikit Learnile ja Scikiti pildipakettidele Debian Linuxi levitamiseks.

- OpenCV installimine (vt seda linki, kasutage OpenCV installimisega seotud esimest osa);

- Installige Scikit Learn ja Image terminali kaudu!

pip install -U skikit -õppida

2. samm: veebikaamera põhitestid

Meie teine samm on kontrollida, kas kõik, mille oleme seadistanud, on korras!

1) Mõne pildi/video vaatamiseks käivitage veebikaamera demokood

Käivitage terminalis foto.py kood.

> python foto.py

2) Käivitage mõni OpenCV näide

Teine võimalus OpenCV õigesti installimise kontrollimiseks on käivitada opencv näide.

3. samm: andmekogumi koolitamine/testimine AVoID -eesmärgi elluviimiseks

A osa: pilditöötlusmeetodid

Tõenäoliselt on see meie projekti kõige keerulisem samm. Nüüd peame stabiliseerima mõned parameetrid ja mõõdikud, et otsustada, kas taimel (taime kujutis) on mõni haigus.

Meie peamine viide selle sammu jaoks on see artikkel, mis näitab, kuidas lehtede haigusi pilditöötlusmeetodite abil tuvastada. Põhimõtteliselt on meie eesmärk selles etapis kopeerida neid pilditöötlusmeetodeid Dragonboard 410c plaadil.

1) Määratlege pildiandmekogum ja taimeliik, mida soovite haigusi avastada

See on teie spetsifikatsiooni oluline osa. Millist taime soovite haigusi määratleda. Artikli viitest lähtudes arendame Strwaberry lehe põhjal.

See kood laadib maasikalehe ja täidab pilditöötluse osa.

B osa: masinõpe

Pärast pilditöötluse osa peame andmed mingil viisil korraldama. Masinõppe teooriast lähtudes peame andmed rühmitama. Kui plaanil on haigus, viitab sellele rühmale üks.

Klassifitseerimisalgoritm, mida me selle teabe rühmitamiseks kasutame, on K-keskmiste algoritm.

4. samm: tulemused ja tulevane töö

Niisiis, näeme mõningaid tulemusi, et tuvastada piltidelt ja pildiklastritelt mõningaid haigusi.

Teine meie projekti täiustus on asjade Interneti juhtpaneel, mida saaks rakendada.