Odkrivanje rastlinskih bolezni z Qualcomm Dragonboard 410c: 4 koraki

2024 Avtor: John Day | [email protected]. Nazadnje spremenjeno: 2024-01-30 12:05

Pozdravljeni vsi, sodelujemo na tekmovanju Inventing the Future with Dragonboard 410c, ki ga sponzorirajo Embarcados, Linaro in Baita.

Projekt AVoID (bolezen Agro View)

Naš cilj je ustvariti vgrajen sistem, ki bi lahko zajel sliko, obdelal in odkril možne rastlinske bolezni na kmetiji. Dodatna aplikacija našega projekta (ni izvedena) je zmožnost IoT za spremljanje kmetije v realnem času.

Največja prednost sistema AVoID je, da za spremljanje kmetije ne potrebujete posebne vrste predmeta. Če imate štirikolesnik ali dron, lahko preprosto pritrdite ploščo AVoID na svoj objekt in spremljate kmetijo.

AVoID v bistvu sestavljata Dranboard 410c in spletna kamera.

V naslednjih nekaj korakih bomo v bistvu razložili, kako zgraditi glavni blok sistema AVoID

O sistemu AVoID in njegovi implementaciji nas lahko kontaktirate:

Caio Ferreira ([email protected])

Eronides Neto ([email protected])

Maria Luiza ([email protected])

1. korak: Nastavite strojno in programsko opremo

Prvi korak našega projekta je nastavitev potrebne strojne opreme za implementacijo sistema AVoID.

V bistvu boste potrebovali

Strojna oprema

- 01x Dragonboard 410c (s sliko Debian, kliknite tukaj, če si želite ogledati, kako namestite Debian na Dragonboard);

- 01x spletna kamera, združljiva z Dragonboardom (glej združljivost tukaj);

Programska oprema

> Namestite OpenCV na slikovne pakete Dragonboard, Scikit Learn in Scikit za distribucijo Debian Linux.

- Namestitev OpenCV (glejte to povezavo, uporabite prvi del, povezan z namestitvijo OpenCV);

- Namestite Scikit Learn in Image skozi terminal!

pip install -U scikit -learn

Korak: Osnovni testi spletne kamere

Naš drugi korak je preveriti, ali je vse v redu!

1) Zaženite demo kodo spletne kamere, če si želite ogledati nekaj slik/videoposnetkov

Zaženite kodo foto.py na terminalu.

> python foto.py

2) Zaženite nekaj primerov OpenCV

Druga možnost, da preverite, ali je openCV pravilno nameščen, je zagon primera opencv.

3. korak: Usposabljanje/testiranje nabora podatkov za izvajanje cilja AVoID

Del A: tehnike obdelave slik

Verjetno bo to najbolj zapleten korak v našem projektu. Zdaj moramo stabilizirati nekatere parametre in meritve, da se odločimo, ali ima rastlina (slika rastline) kakšno bolezen.

Naša glavna referenca za ta korak je ta članek, ki prikazuje, kako s tehnikami obdelave slik odkriti bolezni v listih. V bistvu je naš cilj v tem koraku ponoviti te tehnike obdelave slik na plošči Dragonboard 410c.

1) Določite niz slikovnih podatkov in vrsto rastline, za katero želite odkriti bolezni

To je pomemben del vaše specifikacije. Kakšno rastlino želite identificirati bolezni. Iz sklica na članek razvijamo na podlagi lista Strwaberry.

Ta koda naloži jagodni list in opravi del obdelave slik.

Del B: strojno učenje

Po delu za obdelavo slik moramo podatke na nek način organizirati. Iz teorije strojnega učenja moramo podatke razvrstiti v skupine. Če ima načrt bolezen, bi jo navedel eden iz te skupine.

Algoritem razvrščanja, ki ga uporabljamo za razvrščanje teh informacij, je algoritem K-srednjih vrednosti.

4. korak: Rezultati in prihodnje delo

Tako lahko vidimo nekaj rezultatov za odkrivanje nekaterih bolezni iz slik in grozdov slik.

Druga izboljšava v našem projektu je nadzorna plošča IoT, ki bi jo lahko izvedli.