Otkrivanje biljnih bolesti s Qualcomm Dragonboard 410c: 4 koraka

2024 Autor: John Day | [email protected]. Zadnja promjena: 2024-01-30 09:35

Pozdrav svima, sudjelujemo u natjecanju Inventing the Future with Dragonboard 410c kojega sponzoriraju Embarcados, Linaro i Baita.

AVoID projekt (Agro View Disease)

Naš cilj je stvoriti ugrađeni sustav koji može snimiti sliku, obraditi i otkriti moguće biljne bolesti na farmi. Dodatna primjena našeg projekta (nije implementirana) je IoT mogućnost praćenja farme u stvarnom vremenu.

Najveća prednost AVoID sustava je ta što vam za nadzor nad farmom nije potreban određeni objekt. Ako imate četverocikl ili bespilotnu letjelicu, jednostavno možete pričvrstiti AVoID plataform na svoj objekt i nadgledati farmu.

U osnovi AVoID se sastoji od Dranboard 410c i web kamere.

U sljedećih nekoliko koraka u osnovi objašnjavamo kako izgraditi glavni blok AVoID sustava

Slobodno nas kontaktirajte u vezi AVoID sustava i njegove implementacije:

Caio Ferreira ([email protected])

Eronides Neto ([email protected])

Maria Luiza ([email protected])

Korak 1: Postavite hardver i softver

Prvi korak našeg projekta je postavljanje potrebnog hardvera za implementaciju AVoID sustava.

U osnovi će vam trebati

Hardver

- 01x Dragonboard 410c (sa Debian slikom, kliknite ovdje da vidite kako instalirati Debian na Dragonboard);

- 01x web kamera kompatibilna s Dragonboardom (ovdje pogledajte kompatibilnost);

Softver

> Instalirajte OpenCV na Dragonboard, Scikit Learn i Scikit slikovne pakete za Debian Linux distribuciju.

- Instaliranje OpenCV -a (pogledajte ovu vezu, upotrijebite prvi dio koji se odnosi na instalaciju OpenCV -a);

- Instalirajte Scikit Learn i Image putem terminala!

pip install -U scikit -learn

Korak 2: Osnovni testovi web kamere

Naš drugi korak je provjeriti je li sve što smo postavili u redu!

1) Pokrenite demo kôd web kamere da vidite neke slike/video zapise

Pokrenite kod foto.py na terminalu.

> python foto.py

2) Pokrenite neki primjer OpenCV -a

Druga mogućnost da biste provjerili je li openCV ispravno instaliran jest pokrenuti primjer opencv.

Korak 3: Obuka/testiranje skupa podataka za implementaciju AVoID cilja

Dio A: tehnike obrade slika

Vjerojatno će to biti najsloženiji korak u našem projektu. Sada moramo stabilizirati neke parametre i metrike kako bismo odlučili ima li biljka (slika iz biljke) neku bolest.

Naša glavna referenca za ovaj korak je ovaj članak koji pokazuje kako otkriti bolesti na lišću tehnikama obrade slika. U osnovi, naš cilj u ovom koraku je ponoviti ove tehnike obrade slike na ploči Dragonboard 410c.

1) Definirajte skup podataka o slici i vrstu biljke u kojoj želite otkriti bolesti

Ovo je važan dio vaše specifikacije. Kakvu biljku želite poništiti bolesti. Iz reference članka razvijamo na temelju lista Strwaberry.

Ovaj kôd učitava list jagode i obavlja dio obrade slike.

Dio B: strojno učenje

Nakon dijela za obradu slike, podatke moramo na neki način organizirati. Iz teorije strojnog učenja podatke moramo grupirati u grupe. Ako plan ima bolest, jedna od ove skupine bi je naznačila.

Algoritam klasifikacije koji koristimo za grupiranje ovih informacija je algoritam K-sredina.

Korak 4: Rezultati i budući rad

Dakle, možemo vidjeti neke rezultate za otkrivanje nekih bolesti na slikama i skupinama slika.

Drugo poboljšanje u našem projektu je IoT nadzorna ploča koja bi se mogla implementirati.