Qualcomm Dragonboard 410c: 4 Addımla Bitki Xəstəliklərinin Müayinəsi

2024 Müəllif: John Day | [email protected]. Son dəyişdirildi: 2024-01-30 07:46

Hamıya salam, Embarcados, Linaro və Baitanın sponsorluq etdiyi Dragonboard 410c ilə Gələcəyi İxtira Edirik.

AVOID Layihəsi (Agro View Disease)

Məqsədimiz, bir fermada şəkil çəkə bilən, ehtimal olunan bitki xəstəliklərini emal edən və aşkar edə bilən bir sistem yaratmaqdır. Layihəmizin əlavə bir tətbiqi (həyata keçirilmir), bir fermanı real vaxtda izləmək üçün IoT qabiliyyətidir.

AVoID sisteminin ən böyük üstünlüyü, fermanı izləmək üçün xüsusi bir obyektə ehtiyacınız olmamasıdır. Bir quadricycle və ya pilotsuz təyyarəniz varsa, sadəcə AVOID plataformu obyektinizə bağlaya və fermanı izləyə bilərsiniz.

Əsasən AVoID, Dranboard 410c və veb kameradan ibarətdir.

Növbəti bir neçə addımda, əsasən AVoID sisteminin əsas blokunun necə qurulacağını izah edəcəyik

AVoID sistemi və tətbiqi haqqında bizimlə əlaqə saxlamaqdan çekinmeyin:

Caio Ferreira ([email protected])

Eronides Neto ([email protected])

Maria Luiza ([email protected])

Addım 1: Avadanlıq və Proqramı Qurun

Layihəmizin ilk addımı, AVoID sistemini tətbiq etmək üçün lazım olan avadanlıqların qurulmasıdır.

Əsasən ehtiyacınız olacaq

Avadanlıq

- 01x Dragonboard 410c (Debian şəkli ilə, Dragonboard -da Debianın necə qurulduğunu görmək üçün bura daxil olun);

- Dragonboard ilə uyğun 01x Veb Kamera (uyğunluğa baxın);

Proqram təminatı

> Debian Linux paylanması üçün Dragonboard, Scikit Learn və Scikit görüntü paketlərində OpenCV quraşdırın.

- OpenCV qurmaq (bu linkə baxın, OpenCV quraşdırılması ilə bağlı birinci hissədən istifadə edin);

- Terminal vasitəsilə Scikit Learn və Image quraşdırın!

pip install -U scikit -öyrən

Addım 2: Veb Kameranın Əsas Testləri

İkinci addımımız, qurduğumuz hər şeyin qaydasında olduğunu yoxlamaqdır!

1) Bəzi şəkilləri/videoları görmək üçün veb kamerası demo kodunu işə salın

Terminalda foto.py kodunu işə salın.

> python foto.py

2) Bəzi OpenCV nümunələrini işlədin

OpenCV -nin düzgün qurulduğunu yoxlamaq üçün başqa bir seçim, bir opencv nümunəsi işlətməkdir.

Addım 3: AVOID Məqsədini həyata keçirmək üçün Məlumat Dəstini öyrətmək/sınamaq

A hissəsi: görüntü işləmə texnikası

Yəqin ki, bu, layihəmizdəki ən mürəkkəb addım olacaq. İndi bir bitkinin (bir bitkinin şəklinin) hansısa bir xəstəliyi olub olmadığını müəyyən etmək üçün bəzi parametrləri və ölçüləri sabitləşdirməliyik.

Bu addım üçün əsas istinadımız, görüntü işləmə üsullarından istifadə edərək yarpaqlarda xəstəliklərin necə aşkarlanacağını göstərən bu məqalədir. Əsasən, bu addımdakı məqsədimiz, bu görüntü işləmə üsullarını Dragonboard 410c lövhəsində təkrar etməkdir.

1) Şəkil məlumat dəstini və xəstəlikləri aşkar etmək istədiyiniz bitki növünü təyin edin

Bu, spesifikasiyanızın vacib bir hissəsidir. Hansı bitki xəstəlikləri qızışdırmaq istəyirsən. Məqalə istinadından Strwaberry yarpağı əsasında inkişaf edirik.

Bu kod, bir çiyələk yarpağı yükləyir və görüntü işləmə hissəsini yerinə yetirir.

B hissəsi: maşın öyrənmə

Şəkil işləmə hissəsindən sonra məlumatları bir şəkildə təşkil etməliyik. Maşın öyrənmə nəzəriyyəsindən, məlumatları qrup halında yığmalıyıq. Planın bir xəstəliyi varsa, bu qruplardan biri bunu göstərər.

Bu məlumatları qruplaşdırmaq üçün istifadə etdiyimiz təsnifat alqoritmi K vasitəsi alqoritmidir.

Addım 4: Nəticələr və Gələcək İş

Beləliklə, görüntülərdən və görüntü qruplarından bəzi xəstəlikləri aşkar etmək üçün bəzi nəticələr görə bilərik.

Layihəmizdəki digər inkişaf, tətbiq oluna biləcək IoT tablosudur.