Откриване на болести по растенията с Qualcomm Dragonboard 410c: 4 стъпки

2024 Автор: John Day | [email protected]. Последно модифициран: 2024-01-30 07:52

Здравейте на всички, участваме в конкурса Inventing the Future with Dragonboard 410c, спонсориран от Embarcados, Linaro и Baita.

Проект AVoID (болест на Agro View)

Нашата цел е да създадем вградена система, способна да улавя изображения, да обработва и открива възможни болести по растенията във ферма. Допълнително приложение на нашия проект (нереализирано) е възможността на IoT да наблюдава ферма в реално време.

Най -голямото предимство на системата AVoID е, че не се нуждаете от определен вид обект за наблюдение на фермата. Ако имате четириколка или дрон, можете просто да прикрепите платформата AVoID към вашия обект и да наблюдавате фермата.

По принцип AVoID се състои от Dranboard 410c и уеб камера.

В следващите няколко стъпки ние основно обясняваме как да изградим основния блок на AVoID системата

Чувствайте се свободни да се свържете с нас относно системата AVoID и нейното внедряване:

Кайо Ферейра ([email protected])

Еронид Нето ([email protected])

Мария Луиза ([email protected])

Стъпка 1: Настройте хардуера и софтуера

Първата стъпка от нашия проект е настройването на необходимия хардуер за внедряване на AVoID системата.

По принцип ще ви трябва

Хардуер

- 01x Dragonboard 410c (с изображение на Debian, щракнете тук, за да видите как да инсталирате Debian на Dragonboard);

- 01x уеб камера, съвместима с Dragonboard (вижте тук съвместимост);

Софтуер

> Инсталирайте OpenCV на пакети с изображения Dragonboard, Scikit Learn и Scikit за дистрибуцията Debian Linux.

- Инсталиране на OpenCV (вижте тази връзка, използвайте първата част, свързана с инсталацията на OpenCV);

- Инсталирайте Scikit Learn и Image през терминала!

pip install -U scikit -learn

Стъпка 2: Основни тестове на уеб камера

Втората ни стъпка е да проверим дали всичко, което сме настроили, е наред!

1) Стартирайте демо кода на уеб камерата, за да видите някои изображения/видеоклипове

Стартирайте кода foto.py на терминала.

> python foto.py

2) Изпълнете пример на OpenCV

Друга възможност, за да проверите дали openCV е правилно инсталиран, е да стартирате пример с opencv.

Стъпка 3: Обучение/тестване на набор от данни за изпълнение на AVoID целта

Част А: техники за обработка на изображения

Вероятно това ще бъде най -сложната стъпка в нашия проект. Сега трябва да стабилизираме някои параметри и показатели, за да решим дали дадено растение (изображение от растение) има някакво заболяване.

Нашата основна справка за тази стъпка е тази статия, която показва как да открием болести по листата, използвайки техники за обработка на изображения. По принцип нашата цел в тази стъпка е да възпроизведем тези техники за обработка на изображения в дъската Dragonboard 410c.

1) Определете набора от изображения и вида растение, което искате да откриете болести

Това е важна част от вашата спецификация. Какво растение искате да идентифицирате болестите. От препратката към статията разработваме на базата на лист Strwaberry.

Този код зарежда ягодов лист и изпълнява частта за обработка на изображението.

Част Б: машинно обучение

След частта за обработка на изображения, трябва да организираме данните по някакъв начин. От теорията на машинното обучение трябва да групираме данните в групи. Ако планът има заболяване, някой от тази група би го посочил.

Алгоритъмът за класификация, който използваме за групиране на тази информация, е алгоритъмът K-средства.

Стъпка 4: Резултати и бъдеща работа

Така че можем да видим някои резултати за откриване на някои заболявания от изображенията и групите изображения.

Друго подобрение в нашия проект е таблото за IoT, което може да бъде внедрено.