การตรวจหาโรคพืชด้วย Qualcomm Dragonboard 410c: 4 ขั้นตอน

2024 ผู้เขียน: John Day | [email protected]. แก้ไขล่าสุด: 2024-01-30 13:05

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