Talaan ng mga Nilalaman:
2025 May -akda: John Day | [email protected]. Huling binago: 2025-01-13 06:58
Kamusta kayong lahat, nakikilahok kami sa Inventing the Future kasama ang Dragonboard 410c Contest na na-sponsor ni Embarcados, Linaro at Baita.
Iwasan ang Project (Agro View Disease)
Ang aming layunin ay lumikha ng isang naka-embed na system na makakakuha ng imahe, proseso at matukoy ang mga posibleng sakit sa halaman sa isang sakahan. Ang isang karagdagang aplikasyon ng aming proyekto (hindi ipinatupad) ay ang IoT capaibility upang subaybayan sa real time ang isang sakahan.
Ang pinakamalaking bentahe ng AVoID system ay hindi mo kailangan ng isang uri ng bagay na specifc upang subaybayan ang bukid. Kung mayroon kang isang quadricycle o isang drone, maaari mo lamang ilakip ang AVoID plataform sa iyong object at subaybayan ang sakahan.
Talaga ang AVoID ay binubuo ng Dranboard 410c at isang webcam.
Sa susunod na ilang mga hakbang karaniwang ipinapaliwanag namin kung paano bumuo ng pangunahing bloke ng AVoID system
Huwag mag-atubiling makipag-ugnay sa amin tungkol sa AVoID system at ang pagpapatupad nito:
Caio Ferreira ([email protected])
Eronides Neto ([email protected])
Maria Luiza ([email protected])
Hakbang 1: I-set up ang Hardware at Software
Ang unang hakbang ng aming proyekto ay i-set up ang kinakailangang hardware na ipatupad ang Iwasan ang system.
Talaga kakailanganin mo
Hardware
- 01x Dragonboard 410c (na may imahe ng Debian, mag-click dito upang makita kung paano i-install ang Debian sa Dragonboard);
- Tugma ang 01x Webcam sa Dragonboard (tingnan dito ang pagiging tugma);
Software
> I-install ang OpenCV sa Dragonboard, Scikit Learn at mga pakete ng imahe ng Scikit para sa pamamahagi ng Debian Linux.
- Pag-install ng OpenCV (tingnan ang link na ito, gamitin ang unang bahagi na nauugnay sa pag-install ng OpenCV);
- I-install ang Scikit Matuto at Imahe sa pamamagitan ng Terminal!
pip install -U scikit-alamin
Hakbang 2: Mga Pangunahing Pagsubok sa Webcam
Ang aming pangalawang hakbang ay i-verify na ang lahat ng na-set up namin ay ok!
1) Patakbuhin ang code ng demo ng webcam upang makita ang ilang mga imahe / video
Patakbuhin ang code foto.py sa terminal.
> python foto.py
2) Patakbuhin ang ilang halimbawa ng OpenCV
Ang iba pang pagpipilian upang ma-verify na wastong naka-install ang openCV ay upang magpatakbo ng isang halimbawa ng opencv.
Hakbang 3: Pagsasanay / pagsubok sa isang Set ng Data upang Maipatupad ang AVoID Goal
Bahagi A: mga diskarte sa pagproseso ng imahe
Marahil ito ang magiging pinaka-kumplikadong hakbang sa aming proyekto. Ngayon kailangan naming patatagin ang ilang mga parameter at sukatan upang magpasya kung ang isang halaman (isang imahe mula sa isang halaman) ay may ilang sakit.
Ang aming pangunahing sanggunian para sa hakbang na ito ay ang artikulong ito na nagpapakita kung paano makita ang mga sakit sa mga dahon gamit ang mga diskarte sa pagproseso ng imahe. Talaga, ang aming layunin sa hakbang na ito ay upang magtiklop ng mga diskarteng ito sa pagproseso ng imaging sa Dragonboard 410c board.
1) Tukuyin ang hanay ng data ng imahe at ang uri ng halaman na nais mong tuklasin ang mga sakit
Ito ay isang mahalagang bahagi ng iyong pagtutukoy. Anong uri ng halaman ang nais mong malaman ang mga sakit? Mula sa sanggunian ng artikulo, bumubuo kami batay sa isang dahon ng Strwaberry.
Ang code na ito, naglo-load ng isang dahon ng strawberry at ginagawa ang bahagi ng pagproseso ng imahe.
Bahagi B: pag-aaral ng makina
Matapos ang bahagi ng pagproseso ng imahe, kailangan naming ayusin ang data sa ilang paraan. Mula sa teorya ng pagkatuto ng makina, kailangan nating kumpol ang data sa mga pangkat. Kung ang plano ay may sakit, ipahiwatig ito ng isa sa pangkat na ito.
Ang algorithm ng pag-uuri na ginagamit namin upang mapangkat ang impormasyong ito ay ang K-ibig sabihin ng algorithm.
Hakbang 4: Mga Resulta at Trabaho sa Hinaharap
Kaya, maaari naming makita ang ilang mga resulta upang makita ang ilang mga sakit mula sa mga imahe at mga kumpol ng imahe.
Ang iba pang pagpapabuti sa aming proyekto ay ang IoT dashboard na maaaring ipatupad.