Detectarea bolilor plantelor cu Qualcomm Dragonboard 410c: 4 pași

2024 Autor: John Day | [email protected]. Modificat ultima dată: 2024-01-30 11:44

Bună ziua tuturor, participăm la Concursul Inventând viitorul cu Dragonboard 410c sponsorizat de Embarcados, Linaro și Baita.

Proiect AVOID (Boala Agro View)

Scopul nostru este să creăm un sistem încorporat capabil să capteze imagini, să proceseze și să detecteze posibile boli ale plantelor într-o fermă. O aplicație suplimentară a proiectului nostru (neimplementată) este capacitatea IoT de a monitoriza în timp real o fermă.

Cel mai mare avantaj al sistemului AVoID este că nu aveți nevoie de un anumit tip de obiect pentru a monitoriza ferma. Dacă aveți un cvadriciclu sau o dronă, puteți pur și simplu să atașați plata AVOID la obiectul dvs. și să monitorizați ferma.

Practic, AVoID este compus din Dranboard 410c și o cameră web.

În următorii pași explicăm practic cum să construim blocul principal al sistemului AVoID

Nu ezitați să ne contactați despre sistemul AVOID și despre implementarea acestuia:

Caio Ferreira ([email protected])

Eronides Neto ([email protected])

Maria Luiza ([email protected])

Pasul 1: Configurați hardware-ul și software-ul

Primul pas al proiectului nostru este configurarea hardware-ului necesar pentru implementarea sistemului AVOID.

Practic vei avea nevoie

Hardware

- 01x Dragonboard 410c (cu imagine Debian, faceți clic aici pentru a vedea cum se instalează Debian pe Dragonboard);

- 01x Webcam compatibil cu Dragonboard (vezi aici compatibilitate);

Software

> Instalați OpenCV pe Dragonboard, Scikit Learn și pachetele de imagini Scikit pentru distribuția Debian Linux.

- Instalarea OpenCV (vezi acest link, utilizați prima parte legată de instalarea OpenCV);

- Instalați Scikit Learn și Image prin terminal!

pip install -U scikit-learn

Pasul 2: Teste de bază Webcam

Al doilea pas al nostru este să verificăm dacă tot ceea ce am configurat este în regulă!

1) Rulați codul demonstrativ al camerei web pentru a vedea câteva imagini / videoclipuri

Rulați codul foto.py pe terminal.

> python foto.py

2) Rulați un exemplu OpenCV

O altă opțiune pentru a verifica dacă openCV este instalat corect este să rulați un exemplu opencv.

Pasul 3: Instruirea / testarea unui set de date pentru a implementa obiectivul AVoID

Partea A: tehnici de procesare a imaginilor

Probabil că acesta va fi cel mai complex pas din proiectul nostru. Acum trebuie să stabilizăm câțiva parametri și valori pentru a decide dacă o plantă (o imagine dintr-o plantă) are vreo boală.

Principala noastră referință pentru acest pas este acest articol care arată cum să detectăm bolile din frunze folosind tehnici de procesare a imaginilor. Practic, obiectivul nostru în acest pas este de a reproduce aceste tehnici de procesare a imaginii pe placa Dragonboard 410c.

1) Definiți setul de date de imagine și tipul de plantă pe care doriți să o detectați

Aceasta este o parte importantă a specificațiilor dvs. Ce fel de plantă doriți să indeitificați bolile. Din referința articolului, ne dezvoltăm pe baza unei frunze Strwaberry.

Acest cod, încarcă o frunză de căpșuni și face partea de procesare a imaginii.

Partea B: învățarea automată

După partea de procesare a imaginii, trebuie să organizăm datele într-un fel. Din teoria învățării automate, trebuie să grupăm datele în grupuri. Dacă planul are o boală, unul din acest grup ar indica-o.

Algoritmul de clasificare pe care îl folosim pentru a grupa aceste informații este algoritmul K-means.

Pasul 4: Rezultate și lucrări viitoare

Deci, putem vedea câteva rezultate pentru a detecta unele boli din imagini și clustere de imagini.

O altă îmbunătățire a proiectului nostru este tabloul de bord IoT care ar putea fi implementat.