สารบัญ:
2025 ผู้เขียน: John Day | [email protected]. แก้ไขล่าสุด: 2025-01-13 06:58
สวัสดีทุกคน เราเข้าร่วมการประกวด Inventing the Future with Dragonboard 410c ซึ่งสนับสนุนโดย Embarcados, Linaro และ Baita
โครงการ AVoID (โรควิวเกษตร)
เป้าหมายของเราคือการสร้างระบบฝังตัวที่สามารถจับภาพ ประมวลผล และตรวจหาโรคพืชที่เป็นไปได้ในฟาร์ม แอปพลิเคชันเพิ่มเติมของโครงการของเรา (ไม่ได้ดำเนินการ) คือความสามารถ IoT ในการตรวจสอบฟาร์มแบบเรียลไทม์
ข้อได้เปรียบที่ใหญ่ที่สุดของระบบ AvoID คือคุณไม่จำเป็นต้องมีอ็อบเจ็กต์เฉพาะเพื่อตรวจสอบฟาร์ม หากคุณมีควอดริไซเคิลหรือโดรน คุณสามารถแนบแพลตฟอร์ม AvoID เข้ากับวัตถุของคุณและติดตามฟาร์มของพวกมันได้
โดยทั่วไปแล้ว AvoID ประกอบด้วย Dranboard 410c และเว็บแคม
ในไม่กี่ขั้นตอนถัดไป โดยทั่วไปเราจะอธิบายวิธีสร้างบล็อกหลักของระบบ AvoID
อย่าลังเลที่จะติดต่อเราเกี่ยวกับระบบ AvoID และการใช้งาน:
Caio Ferreira ([email protected])
อีโรไนเดส เนโต ([email protected])
มาเรีย ลุยซา ([email protected])
ขั้นตอนที่ 1: ตั้งค่าฮาร์ดแวร์และซอฟต์แวร์
ขั้นตอนแรกของโครงการของเราคือการตั้งค่าฮาร์ดแวร์ที่จำเป็นและใช้งานระบบ AvoID
โดยทั่วไปคุณจะต้อง
ฮาร์ดแวร์
- 01x Dragonboard 410c (พร้อมภาพ Debian คลิกที่นี่เพื่อดูวิธีการติดตั้ง Debian บน Dragonboard)
- 01x เว็บแคมเข้ากันได้กับ Dragonboard (ดูความเข้ากันได้ที่นี่);
ซอฟต์แวร์
> ติดตั้ง OpenCV บนแพ็คเกจรูปภาพ Dragonboard, Scikit Learn และ Scikit สำหรับการกระจาย Debian Linux
- การติดตั้ง OpenCV (ดูลิงค์นี้ ใช้ส่วนแรกที่เกี่ยวข้องกับการติดตั้ง OpenCV)
- ติดตั้ง Scikit Learn และ Image ผ่าน Terminal!
pip ติดตั้ง -U scikit-learn
ขั้นตอนที่ 2: การทดสอบพื้นฐานของเว็บแคม
ขั้นตอนที่สองของเราคือตรวจสอบว่าทุกสิ่งที่เราตั้งค่านั้นใช้ได้!
1) เรียกใช้โค้ดสาธิตเว็บแคมเพื่อดูรูปภาพ/วิดีโอ
เรียกใช้รหัส foto.py บนเทอร์มินัล
> หลาม foto.py
2) เรียกใช้ตัวอย่าง OpenCV
ตัวเลือกอื่นเพื่อตรวจสอบว่ามีการติดตั้ง openCV อย่างถูกต้องคือการเรียกใช้ตัวอย่าง opencv
ขั้นตอนที่ 3: ฝึกอบรม/ทดสอบชุดข้อมูลเพื่อใช้งาน AvoID Goal
ส่วน A: เทคนิคการประมวลผลภาพ
นี่อาจเป็นขั้นตอนที่ซับซ้อนที่สุดในโครงการของเรา ตอนนี้เราจำเป็นต้องรักษาพารามิเตอร์และตัวชี้วัดบางอย่างให้คงที่เพื่อตัดสินใจว่าพืช (รูปภาพจากโรงงาน) มีโรคหรือไม่
ข้อมูลอ้างอิงหลักของเราสำหรับขั้นตอนนี้คือบทความนี้ที่แสดงวิธีการตรวจหาโรคในใบไม้โดยใช้เทคนิคการประมวลผลภาพ โดยพื้นฐานแล้ว เป้าหมายของเราในขั้นตอนนี้คือการทำซ้ำเทคนิคการประมวลผลภาพเหล่านี้ในบอร์ด Dragonboard 410c
1) กำหนดชุดข้อมูลภาพและชนิดพืชที่ต้องการตรวจหาโรค
นี่เป็นส่วนสำคัญของข้อกำหนดเฉพาะของคุณ พืชชนิดใดที่คุณต้องการแยกโรค จากข้อมูลอ้างอิงของบทความ เราพัฒนาโดยใช้ใบ Strwaberry
รหัสนี้โหลดใบสตรอเบอร์รี่และทำส่วนการประมวลผลภาพ
ส่วน B: การเรียนรู้ของเครื่อง
หลังจากส่วนการประมวลผลภาพ เราต้องจัดระเบียบข้อมูลด้วยวิธีใดวิธีหนึ่ง จากทฤษฎีการเรียนรู้ของเครื่อง เราต้องจัดกลุ่มข้อมูลเป็นกลุ่ม ถ้าแผนมีโรค หนึ่งในกลุ่มนี้จะระบุ
อัลกอริธึมการจำแนกประเภทที่เราใช้เพื่อจัดกลุ่มข้อมูลเหล่านี้คืออัลกอริธึม K-means
ขั้นตอนที่ 4: ผลลัพธ์และการทำงานในอนาคต
ดังนั้นเราจึงสามารถเห็นผลลัพธ์ในการตรวจหาโรคบางอย่างจากภาพและกลุ่มภาพ
การปรับปรุงอื่นๆ ในโครงการของเราคือแดชบอร์ด IoT ที่สามารถใช้งานได้