Qualcomm Dragonboard 410c: 4 үе шаттай ургамлын өвчнийг илрүүлэх

2024 Зохиолч: John Day | [email protected]. Хамгийн сүүлд өөрчлөгдсөн: 2024-01-30 11:03

Сайн байцгаана уу, Embarcados, Linaro, Baita ивээн тэтгэсэн Ирээдүйг Dragonboard 410c уралдаанд оролцуулж байна.

AVoID төсөл (Agro View Disease)

Бидний зорилго бол фермд байгаа ургамлын өвчнийг дүрслэх, боловсруулах, илрүүлэх боломжтой систем суурилуулах явдал юм. Манай төслийн нэмэлт програм (хэрэгжүүлээгүй) бол фермийг бодит цаг хугацаанд хянах IoT чадвар юм.

AVoID системийн хамгийн том давуу тал бол фермийн аж ахуйг хянахын тулд тодорхой төрлийн объект хэрэггүй болно. Хэрэв танд quadricycle эсвэл дрон байгаа бол та AVoID платформыг объект дээрээ хавсаргаж, фермийг хянах боломжтой.

Үндсэндээ AVoID нь Dranboard 410c болон вэбкамераас бүрдэнэ.

Дараагийн хэдэн алхам дээр бид AVoID системийн үндсэн блокыг хэрхэн яаж байгуулах талаар үндсэндээ тайлбарлах болно

AVoID систем болон түүний хэрэгжилтийн талаар бидэнтэй холбоо бариарай.

Кайо Феррейра ([email protected])

Эронид Нето ([email protected])

Мария Луиза ([email protected])

Алхам 1: Тоног төхөөрөмж, програм хангамжийг тохируулна уу

Манай төслийн эхний алхам бол AVoID системийг хэрэгжүүлэх шаардлагатай тоног төхөөрөмжийг суурилуулах явдал юм.

Үндсэндээ танд хэрэгтэй болно

Техник хангамж

- 01x Dragonboard 410c (Debian дүрс бүхий, Dragonboard дээр Debian хэрхэн суулгахыг энд дарж үзнэ үү);

- Dragonboard -тэй нийцтэй 01x вэбкамер (нийцтэй байдлыг эндээс үзнэ үү);

Програм хангамж

> Debian Linux түгээлтийн зориулалттай Dragonboard, Scikit Learn, Scikit зургийн багц дээр OpenCV суулгаарай.

- OpenCV суулгах (энэ холбоосыг үзнэ үү, OpenCV суулгалттай холбоотой эхний хэсгийг ашиглана уу);

- Терминалаар дамжуулан Scikit Learn and Image суулгаарай!

pip install -U scikit -learn

Алхам 2: Вэбкамерын үндсэн тестүүд

Бидний хийх хоёр дахь алхам бол бидний тохируулсан бүх зүйл зөв эсэхийг шалгах явдал юм.

1) Зарим зураг/видеог үзэхийн тулд вэбкамерын демо кодыг ажиллуулна уу

Терминал дээр foto.py кодыг ажиллуулна уу.

> python foto.py

2) OpenCV -ийн жишээг ажиллуулна уу

OpenCV -ийг зөв суулгасан эсэхийг шалгах өөр нэг сонголт бол opencv жишээ ажиллуулах явдал юм.

Алхам 3: AVoID зорилгыг хэрэгжүүлэх өгөгдлийн багцыг сургах/турших

А хэсэг: зураг боловсруулах техник

Магадгүй энэ нь манай төслийн хамгийн төвөгтэй алхам байх болно. Одоо бид ургамал (ургамлын зураг) ямар нэгэн өвчинтэй эсэхийг шийдэхийн тулд зарим параметр, хэмжүүрийг тогтворжуулах хэрэгтэй.

Энэхүү алхамыг хийх бидний гол лавлагаа бол зураг боловсруулах техник ашиглан навчны өвчнийг хэрхэн илрүүлэхийг харуулсан нийтлэл юм. Үндсэндээ бидний энэ алхам дахь зорилго бол эдгээр дүрс боловсруулах техникийг Dragonboard 410c самбар дээр давтах явдал юм.

1) Зургийн өгөгдлийн багц, өвчнийг илрүүлэхийг хүсч буй ургамлын төрлийг тодорхойл

Энэ бол таны тодорхойлолтын чухал хэсэг юм. Та ямар ургамлыг өвчин намдаахыг хүсч байна вэ? Өгүүллийн лавлагаанаас бид Strwaberry навч дээр үндэслэн боловсруулдаг.

Энэ код нь гүзээлзгэнэ навчийг ачаалж, зураг боловсруулах хэсгийг гүйцэтгэдэг.

Б хэсэг: машин сурах

Зураг боловсруулах хэсгийн дараа бид өгөгдлийг ямар нэгэн байдлаар цэгцлэх хэрэгтэй. Машины сургалтын онолоос бид өгөгдлийг бүлгээр нь бүлэглэх хэрэгтэй. Хэрэв төлөвлөгөө нь өвчинтэй бол энэ бүлгийн аль нэг нь үүнийг зааж өгөх болно.

Эдгээр мэдээллийг бүлэглэхэд ашигладаг ангиллын алгоритм бол K-алгоритм юм.

Алхам 4: Үр дүн ба ирээдүйн ажил

Тиймээс бид зураг, зургийн кластераас зарим өвчнийг илрүүлэх зарим үр дүнг харж болно.

Манай төслийн бусад сайжруулалт бол хэрэгжүүлж болох IoT хяналтын самбар юм.