Zbulimi i Sëmundjeve të Bimëve me Qualcomm Dragonboard 410c: 4 hapa

2024 Autor: John Day | [email protected]. E modifikuara e fundit: 2024-01-30 12:20

Përshëndetje të gjithëve, ne po marrim pjesë në Konkursin "Shpikja e së Ardhmes me Dragonboard 410c" e sponsorizuar nga Embarcados, Linaro dhe Baita.

Projekti AVoID (Sëmundja e Shikimit Agro)

Qëllimi ynë është të krijojmë një sistem të ngulitur në gjendje të kapë imazhin, të përpunojë dhe zbulojë sëmundjet e mundshme të bimëve në një fermë. Një aplikim shtesë i projektit tonë (nuk zbatohet) është aftësia IoT për të monitoruar në kohë reale një fermë.

Avantazhi më i madh i sistemit AVoID është se nuk keni nevojë për një lloj të veçantë objekti për të monitoruar fermën. Nëse keni një biçikletë katërkëndëshe ose një dron, thjesht mund të lidhni platformën AVoID me objektin tuaj dhe të monitoroni fermën tuaj.

Në thelb AVoID është i përbërë nga Dranboard 410c dhe një kamer në internet.

Në hapat e ardhshëm ne në thelb shpjegojmë se si të ndërtojmë bllokun kryesor të sistemit AVoID

Mos ngurroni të na kontaktoni në lidhje me sistemin AVoID dhe zbatimin e tij:

Caio Ferreira ([email protected])

Eronides Neto ([email protected])

Maria Luiza ([email protected])

Hapi 1: Konfiguroni harduerin dhe softuerin

Hapi i parë i projektit tonë është ngritja e pajisjeve të nevojshme për të zbatuar sistemin AVoID.

Në thelb do t'ju duhet

Hardware

- 01x Dragonboard 410c (me imazh Debian, klikoni këtu për të parë se si të instaloni Debian në Dragonboard);

- 01x Webcam e pajtueshme me Dragonboard (shiko këtu pajtueshmërinë);

Softuer

> Instaloni paketat e imazheve OpenCV në Dragonboard, Scikit Learn dhe Scikit për shpërndarjen Debian Linux.

- Instalimi i OpenCV (shihni këtë lidhje, përdorni pjesën e parë që lidhet me instalimin e OpenCV);

- Instaloni Scikit Learn and Image përmes Terminalit!

pip install -U scikit -learn

Hapi 2: Testet Bazë të Webcam

Hapi ynë i dytë është të verifikojmë që gjithçka që kemi vendosur është në rregull!

1) Drejtoni kodin demo të kamerës për të parë disa imazhe/video

Drejtoni kodin foto.py në terminal.

> python foto.py

2) Drejtoni një shembull OpenCV

Një opsion tjetër për të verifikuar që openCV është instaluar saktë është të ekzekutoni një shembull opencv.

Hapi 3: Trajnimi/testimi i një grupi të dhënash për të zbatuar qëllimin AVoID

Pjesa A: Teknikat e përpunimit të imazhit

Ndoshta ky do të jetë hapi më kompleks në projektin tonë. Tani duhet të stabilizojmë disa parametra dhe metrikë për të vendosur nëse një bimë (një imazh nga një bimë) ka ndonjë sëmundje.

Referenca jonë kryesore për këtë hap është ky artikull që tregon se si të zbulohen sëmundjet në gjethe duke përdorur teknikat e përpunimit të imazhit. Në thelb, objektivi ynë në këtë hap është të përsërisim këto teknika të përpunimit të imazhit në tabelën Dragonboard 410c.

1) Përcaktoni grupin e të dhënave të imazhit dhe llojin e bimës që dëshironi të zbuloni sëmundjet

Kjo është një pjesë e rëndësishme e specifikimit tuaj. Çfarë lloj bime dëshironi të pavlerësoni sëmundjet. Nga referenca e artikullit, ne zhvillohemi bazuar në një gjethe Strwaberry.

Ky kod, ngarkon një gjethe luleshtrydhe dhe bën pjesën e përpunimit të imazhit.

Pjesa B: mësimi i makinerisë

Pas pjesës së përpunimit të figurës, ne duhet të organizojmë të dhënat në një farë mënyre. Nga teoria e të mësuarit të makinerisë, ne duhet të grupojmë të dhënat në grupe. Nëse plani ka një sëmundje, një nga ky grup do ta tregonte atë.

Algoritmi i klasifikimit që ne përdorim për të grupuar këto informacione është algoritmi K-means.

Hapi 4: Rezultatet dhe puna në të ardhmen

Pra, ne mund të shohim disa rezultate për të zbuluar disa sëmundje nga imazhet dhe grupet e imazheve.

Përmirësim tjetër në projektin tonë është pulti IoT që mund të zbatohet.