Daftar Isi:
2025 Pengarang: John Day | [email protected]. Terakhir diubah: 2025-01-13 06:57
Halo semuanya, kami berpartisipasi dalam Kontes Menciptakan Masa Depan dengan Dragonboard 410c yang disponsori oleh Embarcados, Linaro dan Baita.
Proyek AVOID (Penyakit Pandangan Agro)
Tujuan kami adalah membuat sistem tertanam yang mampu menangkap gambar, memproses, dan mendeteksi kemungkinan penyakit tanaman di pertanian. Aplikasi tambahan dari proyek kami (tidak diterapkan) adalah kemampuan IoT untuk memantau pertanian secara real time.
Keuntungan terbesar dari sistem AVOID adalah Anda tidak memerlukan jenis objek tertentu untuk memantau pertanian. Jika Anda memiliki quadricycle atau drone, Anda cukup memasang platform AVOID ke objek Anda dan memantau peternakannya.
Pada dasarnya AVOID disusun oleh Dranboard 410c dan webcam.
Dalam beberapa langkah berikutnya kami pada dasarnya menjelaskan bagaimana membangun blok utama dari sistem AVOID
Jangan ragu untuk menghubungi kami tentang sistem AVOID dan implementasinya:
Caio Ferreira ([email protected])
Eronides Neto ([email protected])
Maria Luiza ([email protected])
Langkah 1: Siapkan Perangkat Keras dan Perangkat Lunak
Langkah pertama dari proyek kami adalah menyiapkan perangkat keras yang dibutuhkan untuk mengimplementasikan sistem AVOID.
Pada dasarnya Anda akan membutuhkan
Perangkat keras
- 01x Dragonboard 410c (dengan gambar Debian, klik di sini untuk melihat cara menginstal Debian di Dragonboard);
- 01x Webcam kompatibel dengan Dragonboard (lihat kompatibilitas di sini);
Perangkat lunak
> Instal OpenCV di Dragonboard, Scikit Learn dan paket image Scikit untuk distribusi Debian Linux.
- Instalasi OpenCV (lihat link ini, gunakan bagian pertama yang berhubungan dengan instalasi OpenCV);
- Instal Scikit Learn and Image melalui Terminal!
pip install -U scikit-belajar
Langkah 2: Tes Dasar Webcam
Langkah kedua kami adalah memverifikasi bahwa semua yang kami atur baik-baik saja!
1) Jalankan kode demo webcam untuk melihat beberapa gambar/video
Jalankan kode foto.py di terminal.
> python foto.py
2) Jalankan beberapa contoh OpenCV
Opsi lain untuk memverifikasi bahwa openCV diinstal dengan benar adalah dengan menjalankan contoh opencv.
Langkah 3: Pelatihan/pengujian Kumpulan Data untuk Menerapkan Tujuan AVOID
Bagian A: teknik pemrosesan gambar
Mungkin ini akan menjadi langkah paling rumit dalam proyek kami. Sekarang kita perlu menstabilkan beberapa parameter dan metrik untuk memutuskan apakah tanaman (gambar dari tanaman) memiliki beberapa penyakit.
Referensi utama kami untuk langkah ini adalah artikel ini yang menunjukkan cara mendeteksi penyakit pada daun menggunakan teknik pemrosesan gambar. Pada dasarnya, tujuan kami dalam langkah ini adalah untuk mereplikasi teknik pemrosesan pencitraan ini di papan Dragonboard 410c.
1) Tentukan kumpulan data gambar dan jenis tanaman yang ingin Anda deteksi penyakitnya
Ini adalah bagian penting dari spesifikasi Anda. Jenis tanaman apa yang Anda inginkan untuk menghilangkan penyakit. Dari referensi artikel, kami mengembangkan berdasarkan daun Strwaberry.
Kode ini, memuat daun stroberi dan melakukan bagian pemrosesan gambar.
Bagian B: pembelajaran mesin
Setelah bagian pemrosesan gambar, kita perlu mengatur data dalam beberapa cara. Dari teori pembelajaran mesin, kita perlu mengelompokkan data dalam kelompok. Jika rencana memiliki penyakit, salah satu dari kelompok ini akan menunjukkannya.
Algoritma klasifikasi yang kami gunakan untuk mengelompokkan informasi ini adalah algoritma K-means.
Langkah 4: Hasil dan Pekerjaan di Masa Depan
Jadi, kita bisa melihat beberapa hasil untuk mendeteksi beberapa penyakit dari citra dan cluster citra.
Peningkatan lain dalam proyek kami adalah dasbor IoT yang dapat diimplementasikan.