Ugunduzi wa Magonjwa ya mimea na Qualcomm Jokoni 410c: 4 Hatua

2024 Mwandishi: John Day | [email protected]. Mwisho uliobadilishwa: 2024-01-30 12:52

Halo kila mtu, tunashiriki katika Kugundua Baadaye na Shindano la Joka la 410c lililodhaminiwa na Embarcados, Linaro na Baita.

Mradi wa AVOID (Ugonjwa wa Kuona Kilimo)

Lengo letu ni kuunda mfumo uliopachikwa unaoweza kukamata picha, kuchakata na kugundua magonjwa yanayowezekana ya mmea shambani. Matumizi ya ziada ya mradi wetu (haujatekelezwa) ni uwezo wa IOT kufuatilia wakati halisi shamba.

Faida kubwa ya mfumo wa AVoID ni kwamba hauitaji aina ya kitu maalum cha kufuatilia shamba. Ikiwa una quadricycle au drone, unaweza kushikamana na muundo wa AVoID kwenye kitu chako na ufuatilie shamba la matibabu.

Kimsingi AVoID imeundwa na Dranboard 410c na kamera ya wavuti.

Katika hatua chache zifuatazo tunaelezea kimsingi jinsi ya kujenga kizuizi kuu cha mfumo wa AVoID

Jisikie huru kuwasiliana nasi kuhusu mfumo wa AVoID na utekelezaji wake:

Caio Ferreira ([email protected])

Eronides Neto ([email protected])

Maria Luiza ([email protected])

Hatua ya 1: Sanidi vifaa na Programu

Hatua ya kwanza ya mradi wetu ni kusanidi vifaa vinavyohitajika kutekeleza mfumo wa AVoID.

Kimsingi utahitaji

Vifaa

- 01x Dragonboard 410c (na picha ya Debian, bonyeza hapa kuona jinsi ya kufunga Debian kwenye Joka).

- 01x Webcam inayoendana na Joka (tazama hapa utangamano);

Programu

> Sakinisha OpenCV kwenye Joka, Scikit Jifunze na Picha za picha za usambazaji wa Debian Linux.

- Kuweka OpenCV (tazama kiunga hiki, tumia sehemu ya kwanza inayohusiana na usanidi wa OpenCV);

- Sakinisha Scikit Jifunze na Picha kupitia Kituo!

pip install -U scikit-jifunze

Hatua ya 2: Majaribio ya Msingi ya Webcam

Hatua yetu ya pili ni kudhibitisha kuwa kila kitu tunachoanzisha ni sawa!

1) Tumia nambari ya onyesho la kamera ya wavuti ili uone picha / video

Endesha nambari foto.py kwenye terminal.

> chatu foto.py

2) Tumia mfano wa OpenCV

Chaguo jingine ili kuhakikisha kuwa openCV imewekwa kwa usahihi ni kutumia mfano wa opencv.

Hatua ya 3: Mafunzo / upimaji wa Takwimu Ili kutekeleza Lengo la AVOID

Sehemu ya A: mbinu za usindikaji picha

Labda hii itakuwa hatua ngumu zaidi katika mradi wetu. Sasa tunahitaji kutuliza vigezo na metriki kuamua ikiwa mmea (picha kutoka kwa mmea) una ugonjwa.

Rejea yetu kuu ya hatua hii ni nakala hii inayoonyesha jinsi ya kugundua magonjwa kwenye majani ukitumia mbinu za usindikaji picha. Kimsingi, lengo letu katika hatua hii ni kuiga mbinu hizi za usindikaji wa picha kwenye bodi ya Dragonboard 410c.

1) Fafanua seti ya data ya picha na aina ya mmea ambao unataka kugundua magonjwa

Hii ni sehemu muhimu ya ufafanuzi wako. Je! Unataka aina gani ya mmea kudhibitisha magonjwa. Kutoka kwa kumbukumbu ya nakala, tunaendeleza kulingana na jani la Strwaberry.

Nambari hii, inabeba jani la jordgubbar na hufanya sehemu ya usindikaji wa picha.

Sehemu ya B: ujifunzaji wa mashine

Baada ya sehemu ya usindikaji wa picha, tunahitaji kupanga data kwa njia fulani. Kutoka kwa nadharia ya ujifunzaji wa mashine, tunahitaji kukusanya data katika vikundi. Ikiwa mpango una ugonjwa, mmoja wa kikundi hiki angeonyesha.

Algorithm ya uainishaji ambayo tunatumia kupanga kikundi cha habari hizi ni algorithm ya K-maana.

Hatua ya 4: Matokeo na Kazi ya Baadaye

Kwa hivyo, tunaweza kuona matokeo kadhaa kugundua magonjwa kutoka kwa picha na nguzo za picha.

Uboreshaji mwingine katika mradi wetu ni dashibodi ya IoT ambayo inaweza kutekelezwa.