Pengesanan Penyakit Tumbuhan Dengan Qualcomm Dragonboard 410c: 4 Langkah

2024 Pengarang: John Day | [email protected]. Diubah suai terakhir: 2024-01-30 11:10

Halo semua, kami menyertai Peraduan Menciptakan Masa Depan dengan Dragonboard 410c yang ditaja oleh Embarcados, Linaro dan Baita.

Projek AVoID (Penyakit Pandangan Agro)

Matlamat kami adalah mewujudkan sistem tertanam yang dapat menangkap gambar, memproses dan mengesan kemungkinan penyakit tanaman di sebuah ladang. Aplikasi tambahan projek kami (tidak dilaksanakan) adalah kemampuan IoT untuk memantau ladang secara real time.

Kelebihan terbesar sistem AVoID ialah anda tidak memerlukan jenis objek khusus untuk memantau ladang. Sekiranya anda mempunyai segi empat atau drone, anda hanya boleh melampirkan plataform AVoID ke objek anda dan memantau ladangnya.

Pada dasarnya AVoID disusun oleh Dranboard 410c dan kamera web.

Dalam beberapa langkah seterusnya, pada dasarnya kita menjelaskan bagaimana membina blok utama sistem AVoID

Jangan ragu untuk menghubungi kami mengenai sistem AVoID dan pelaksanaannya:

Caio Ferreira ([email protected])

Eronides Neto ([email protected])

Maria Luiza ([email protected])

Langkah 1: Sediakan Perkakasan dan Perisian

Langkah pertama projek kami adalah menyediakan perkakasan yang diperlukan untuk melaksanakan sistem AVoID.

Pada dasarnya anda akan memerlukan

Perkakasan

- 01x Dragonboard 410c (dengan gambar Debian, klik di sini untuk melihat bagaimana memasang Debian di Dragonboard);

- Kamera Web 01x serasi dengan Dragonboard (lihat keserasian di sini);

Perisian

> Pasang OpenCV pada pakej gambar Dragonboard, Scikit Learn dan Scikit untuk edaran Linux Debian.

- Memasang OpenCV (lihat pautan ini, gunakan bahagian pertama yang berkaitan dengan pemasangan OpenCV);

- Pasang Scikit Learn dan Image melalui Terminal!

memasang pip -U scikit-belajar

Langkah 2: Ujian Asas Kamera Web

Langkah kedua kami adalah mengesahkan bahawa semua yang kami siapkan tidak apa-apa!

1) Jalankan kod demo kamera web untuk melihat beberapa gambar / video

Jalankan kod foto.py di terminal.

> python foto.py

2) Jalankan beberapa contoh OpenCV

Pilihan lain untuk mengesahkan bahawa openCV dipasang dengan betul adalah menjalankan contoh opencv.

Langkah 3: Melatih / menguji Set Data untuk Melaksanakan Matlamat AVoID

Bahagian A: teknik memproses gambar

Mungkin ini adalah langkah paling kompleks dalam projek kami. Sekarang kita perlu menstabilkan beberapa parameter dan metrik untuk memutuskan apakah tanaman (gambar dari tumbuhan) mempunyai beberapa penyakit.

Rujukan utama kami untuk langkah ini adalah artikel ini yang menunjukkan cara mengesan penyakit pada daun menggunakan teknik memproses gambar. Pada dasarnya, objektif kami dalam langkah ini adalah untuk mereplikasi teknik pemprosesan pencitraan ini di papan Dragonboard 410c.

1) Tentukan set data gambar dan jenis tanaman yang anda mahu mengesan penyakit

Ini adalah bahagian penting dari spesifikasi anda. Apa jenis tanaman yang anda mahukan untuk menghidupkan penyakit. Dari rujukan artikel, kami mengembangkan berdasarkan daun Strwaberry.

Kod ini, memuatkan daun strawberi dan melakukan bahagian pemprosesan gambar.

Bahagian B: pembelajaran mesin

Selepas bahagian pemprosesan gambar, kita perlu mengatur data dalam beberapa cara. Dari teori pembelajaran mesin, kita perlu mengumpulkan data dalam kumpulan. Sekiranya rancangan itu mempunyai penyakit, salah satu kumpulan ini akan menunjukkannya.

Algoritma klasifikasi yang kami gunakan untuk mengelompokkan maklumat ini adalah algoritma K-means.

Langkah 4: Hasil dan Kerja Masa Depan

Jadi, kita dapat melihat beberapa hasil untuk mengesan beberapa penyakit dari kumpulan gambar dan gambar.

Penambahbaikan lain dalam projek kami adalah papan pemuka IoT yang dapat dilaksanakan.