Plantsiekteopsporing met Qualcomm Dragonboard 410c: 4 stappe

2024 Outeur: John Day | [email protected]. Laas verander: 2024-01-30 07:26

Hallo almal, ons neem deel aan die Inventing the Future met Dragonboard 410c Wedstryd geborg deur Embarcados, Linaro en Baita.

AVOID -projek (Agro View -siekte)

Ons doel is om 'n ingeboude stelsel te skep wat die beeld kan opneem, verwerk en moontlike plantsiektes op 'n plaas kan opspoor. 'N Bykomende toepassing van ons projek (nie geïmplementeer nie) is die IoT -vermoë om 'n plaas intyds te monitor.

Die grootste voordeel van die AVoID -stelsel is dat u nie 'n spesifieke voorwerp nodig het om die plaas te monitor nie. As u 'n vierwielmotor of 'n hommeltuig het, kan u die AVoID -platvorm op u voorwerp koppel en die plaas monitor.

Die AVoID is basies saamgestel deur die Dranboard 410c en 'n webcam.

In die volgende paar stappe verduidelik ons basies hoe u die hoofblok van die AVoID -stelsel kan bou

Kontak ons gerus oor die AVoID -stelsel en die implementering daarvan:

Caio Ferreira ([email protected])

Eronides Neto ([email protected])

Maria Luiza ([email protected])

Stap 1: Stel die hardeware en sagteware op

Die eerste stap van ons projek is die opstel van die nodige hardeware om die AVoID -stelsel te implementeer.

Basies sal jy nodig hê

Hardeware

- 01x Dragonboard 410c (met 'n Debian -prent, klik hier om te sien hoe Debian op Dragonboard geïnstalleer word);

- 01x Webcam versoenbaar met die Dragonboard (sien hier verenigbaarheid);

Sagteware

> Installeer OpenCV op Dragonboard-, Scikit Learn- en Scikit -beeldpakkette vir die Debian Linux -verspreiding.

- Die installering van OpenCV (sien hierdie skakel, gebruik die eerste deel wat verband hou met die OpenCV -installasie);

- Installeer Scikit Learn and Image via die terminale!

pip installeer -U scikit -learn

Stap 2: Basiese toetse vir webkamera's

Ons tweede stap is om te verifieer dat alles wat ons opgestel het, reg is!

1) Begin die demo -kode van die webkamera om 'n paar beelde/video's te sien

Begin die kode foto.py op die terminale.

> python foto.py

2) Begin 'n voorbeeld van OpenCV

'N Ander opsie om te verifieer dat openCV korrek geïnstalleer is, is om 'n opencv -voorbeeld uit te voer.

Stap 3: Opleiding/toets van 'n datastel om AVOID -doelwit te implementeer

Deel A: beeldverwerkingstegnieke

Dit is waarskynlik die mees komplekse stap in ons projek. Nou moet ons 'n paar parameters en statistieke stabiliseer om te besluit of 'n plant ('n beeld van 'n plant) 'n siekte het.

Ons belangrikste verwysing vir hierdie stap is hierdie artikel wat wys hoe om siektes in blare op te spoor met behulp van beeldverwerkingstegnieke. Ons doelwit in hierdie stap is om hierdie beeldverwerkingstegnieke in die Dragonboard 410c -bord te herhaal.

1) Definieer die beelddatastel en die soort plant wat u siektes wil opspoor

Dit is 'n belangrike deel van u spesifikasie. Watter plant wil u siektes identifiseer? Uit die artikelverwysing ontwikkel ons op grond van 'n Strwaberry -blaar.

Hierdie kode laai 'n aarbei -blaar en maak deel van die beeldverwerking.

Deel B: masjienleer

Na die deel van die beeldverwerking, moet ons die data op een of ander manier organiseer. Uit die masjienleerteorie moet ons die data in groepe groepeer. As die plan 'n siekte het, sal een van hierdie groepe dit aandui.

Die klassifikasie-algoritme wat ons gebruik om hierdie inligting te groepeer, is die K-middel-algoritme.

Stap 4: Resultate en toekomstige werk

Ons kan dus resultate sien om siektes uit die beelde en beeldgroepe op te spoor.

'N Ander verbetering in ons projek is die IoT -dashboard wat geïmplementeer kan word.