اكتشاف أمراض النبات باستخدام Qualcomm Dragonboard 410c: 4 خطوات

2024 مؤلف: John Day | [email protected]. آخر تعديل: 2024-01-30 07:39

مرحبًا بالجميع ، نشارك في مسابقة Inventing the Future with Dragonboard 410c برعاية Embarcados و Linaro و Baita.

مشروع AVoID (Agro View Disease)

هدفنا هو إنشاء نظام مضمن قادر على التقاط الصور ومعالجة واكتشاف الأمراض النباتية المحتملة في المزرعة. هناك تطبيق إضافي لمشروعنا (لم يتم تنفيذه) وهو قدرة إنترنت الأشياء على المراقبة في الوقت الفعلي للمزرعة.

أكبر ميزة لنظام AVoID هي أنك لا تحتاج إلى نوع محدد من الكائنات لمراقبة المزرعة. إذا كانت لديك دراجة رباعية أو طائرة بدون طيار ، فيمكنك ببساطة إرفاق نموذج لوحة AVoID بجسمك ومراقبة مزرعته.

يتكون AVoID بشكل أساسي من Dranboard 410c وكاميرا ويب.

في الخطوات القليلة التالية نشرح بشكل أساسي كيفية بناء الكتلة الرئيسية لنظام AVoID

لا تتردد في الاتصال بنا بخصوص نظام AVoID وتنفيذه:

كايو فيريرا ([email protected])

إيرونيدس نيتو ([email protected])

ماريا لويزا ([email protected])

الخطوة 1: إعداد الأجهزة والبرامج

تتمثل الخطوة الأولى في مشروعنا في إعداد الأجهزة المطلوبة لتنفيذ نظام AVoID.

سوف تحتاج في الأساس

المعدات

- 01x Dragonboard 410c (مع صورة Debian ، انقر هنا لترى كيفية تثبيت Debian على Dragonboard) ؛

- 01x كاميرا ويب متوافقة مع Dragonboard (انظر هنا التوافق) ؛

برمجة

> قم بتثبيت OpenCV على حزم صور Dragonboard و Scikit Learn و Scikit لتوزيع Debian Linux.

- تثبيت OpenCV (انظر هذا الرابط ، استخدم الجزء الأول المتعلق بتثبيت OpenCV) ؛

- تثبيت Scikit Learn and Image من خلال Terminal!

تثبيت Pip -U scikit-Learn

الخطوة 2: اختبارات كاميرا الويب الأساسية

خطوتنا الثانية هي التحقق من أن كل شيء نقوم بإعداده على ما يرام!

1) قم بتشغيل الكود التجريبي لكاميرا الويب لمشاهدة بعض الصور / مقاطع الفيديو

قم بتشغيل الكود foto.py على الجهاز.

> بيثون foto.py

2) قم بتشغيل بعض أمثلة OpenCV

الخيار الآخر للتحقق من تثبيت OpenCV بشكل صحيح هو تشغيل مثال opencv.

الخطوة 3: تدريب / اختبار مجموعة بيانات لتنفيذ هدف AVoID

الجزء أ: تقنيات معالجة الصور

ربما ستكون هذه هي الخطوة الأكثر تعقيدًا في مشروعنا. نحتاج الآن إلى تثبيت بعض المعلمات والمقاييس لتحديد ما إذا كان النبات (صورة من نبات) يعاني من بعض الأمراض.

مرجعنا الرئيسي لهذه الخطوة هو هذه المقالة التي توضح كيفية اكتشاف الأمراض في الأوراق باستخدام تقنيات معالجة الصور. في الأساس ، هدفنا في هذه الخطوة هو تكرار تقنيات معالجة التصوير هذه في لوحة Dragonboard 410c.

1) حدد مجموعة بيانات الصورة ونوع النبات الذي تريد اكتشاف الأمراض

هذا جزء مهم من المواصفات الخاصة بك. ما نوع النبات الذي تريده لتعديل الأمراض. من مرجع المقالة ، قمنا بتطوير بناءً على ورقة Strwaberry.

يقوم هذا الكود بتحميل ورقة فراولة ويقوم بجزء معالجة الصور.

الجزء ب: التعلم الآلي

بعد جزء معالجة الصورة ، نحتاج إلى تنظيم البيانات بطريقة ما. من نظرية التعلم الآلي ، نحتاج إلى تجميع البيانات في مجموعات. إذا كانت الخطة بها مرض ، فإن أحد هذه المجموعة سيشير إليه.

خوارزمية التصنيف التي نستخدمها لتجميع هذه المعلومات هي خوارزمية K-mean.

الخطوة 4: النتائج والعمل المستقبلي

لذلك ، يمكننا أن نرى بعض النتائج للكشف عن بعض الأمراض من الصور ومجموعات الصور.

التحسينات الأخرى في مشروعنا هي لوحة معلومات إنترنت الأشياء التي يمكن تنفيذها.