Inhaltsverzeichnis:
2025 Autor: John Day | [email protected]. Zuletzt bearbeitet: 2025-01-23 12:52
Hallo zusammen, wir nehmen am Inventing the Future with Dragonboard 410c Contest teil, der von Embarcados, Linaro und Baita gesponsert wird.
AVoID-Projekt (Agro View Disease)
Unser Ziel ist es, ein eingebettetes System zu schaffen, das in der Lage ist, mögliche Pflanzenkrankheiten in einem landwirtschaftlichen Betrieb abzubilden, zu verarbeiten und zu erkennen. Eine weitere Anwendung unseres Projekts (nicht implementiert) ist die IoT-Fähigkeit, eine Farm in Echtzeit zu überwachen.
Der größte Vorteil des AVoID-Systems besteht darin, dass Sie kein spezielles Objekt benötigen, um die Farm zu überwachen. Wenn Sie ein Vierrad oder eine Drohne besitzen, können Sie die AVoID-Plattform einfach an Ihrem Objekt befestigen und die Farm überwachen.
Grundsätzlich besteht die AvoID aus dem Dranboard 410c und einer Webcam.
In den nächsten Schritten erklären wir Ihnen grundsätzlich, wie Sie den Hauptblock des AVoID-Systems aufbauen
Sprechen Sie uns gerne über das AVoID-System und dessen Implementierung an:
Caio Ferreira ([email protected])
Eronides Neto ([email protected])
Maria Luiza ([email protected])
Schritt 1: Hardware und Software einrichten
Der erste Schritt unseres Projektes ist die Einrichtung der benötigten Hardware um das AVoID System zu implementieren.
Grundsätzlich brauchst du
Hardware
- 01x Dragonboard 410c (mit Debian-Image, klicken Sie hier, um zu sehen, wie Debian auf Dragonboard installiert wird);
- 01x Webcam kompatibel mit dem Dragonboard (siehe hier Kompatibilität);
Software
> Installieren Sie OpenCV auf Dragonboard, Scikit Learn und Scikit-Image-Paketen für die Debian-Linux-Distribution.
- OpenCV installieren (siehe diesen Link, verwenden Sie den ersten Teil der OpenCV-Installation);
- Installieren Sie Scikit Learn and Image über das Terminal!
pip install -U scikit-learn
Schritt 2: Webcam-Basistests
Unser zweiter Schritt besteht darin, zu überprüfen, ob alles, was wir eingerichtet haben, in Ordnung ist!
1) Führen Sie den Webcam-Democode aus, um einige Bilder/Videos zu sehen
Führen Sie den Code foto.py auf dem Terminal aus.
> python foto.py
2) Führen Sie ein OpenCV-Beispiel aus
Eine andere Möglichkeit, um zu überprüfen, ob openCV korrekt installiert ist, besteht darin, ein opencv-Beispiel auszuführen.
Schritt 3: Trainieren/Testen eines Datensatzes zur Umsetzung des AVoID-Ziels
Teil A: Bildverarbeitungstechniken
Dies wird wahrscheinlich der komplexeste Schritt in unserem Projekt sein. Jetzt müssen wir einige Parameter und Metriken stabilisieren, um zu entscheiden, ob eine Pflanze (ein Bild von einer Pflanze) eine Krankheit hat.
Unsere Hauptreferenz für diesen Schritt ist dieser Artikel, der zeigt, wie man Krankheiten in Blättern mit Bildverarbeitungstechniken erkennt. Grundsätzlich besteht unser Ziel in diesem Schritt darin, diese Bildverarbeitungstechniken auf dem Dragonboard 410c-Board zu replizieren.
1) Definieren Sie den Bilddatensatz und die Pflanzenart, die Sie Krankheiten erkennen möchten
Dies ist ein wichtiger Teil Ihrer Spezifikation. Welche Art von Pflanze möchten Sie Krankheiten entziffern? Aus der Artikelreferenz entwickeln wir auf Basis eines Erdbeerblattes.
Dieser Code lädt ein Erdbeerblatt und übernimmt die Bildverarbeitung.
Teil B: Maschinelles Lernen
Nach der Bildverarbeitung müssen wir die Daten irgendwie organisieren. Aus der Theorie des maschinellen Lernens müssen wir die Daten in Gruppen gruppieren. Wenn der Plan eine Krankheit enthält, würde einer aus dieser Gruppe darauf hinweisen.
Der Klassifikationsalgorithmus, den wir verwenden, um diese Informationen zu gruppieren, ist der K-Means-Algorithmus.
Schritt 4: Ergebnisse und zukünftige Arbeit
Wir können also einige Ergebnisse sehen, um einige Krankheiten aus den Bildern und Bildclustern zu erkennen.
Eine weitere Verbesserung in unserem Projekt ist das IoT-Dashboard, das implementiert werden könnte.
Empfohlen:
Löten von oberflächenmontierbaren Komponenten - Lötgrundlagen: 9 Schritte (mit Bildern)
Löten von oberflächenmontierbaren Komponenten | Lötgrundlagen: Bisher habe ich in meiner Lötgrundlagen-Serie genug Grundlagen zum Löten besprochen, damit Sie mit dem Üben beginnen können. In diesem Instructable, was ich besprechen werde, ist etwas fortgeschrittener, aber es sind einige der Grundlagen zum Löten von Surface Mount Compo
Durchlöten von Komponenten - Lötgrundlagen: 8 Schritte (mit Bildern)
Löten von Durchgangslochkomponenten | Lötgrundlagen: In diesem Instructable werde ich einige Grundlagen zum Löten von Durchgangslochkomponenten auf Leiterplatten diskutieren. Ich gehe davon aus, dass Sie bereits die ersten 2 Instructables für meine Lötgrundlagen-Serie ausgecheckt haben. Wenn Sie nicht in meinem In
Eine Modifikation des linkshändigen DSLR-Halters von Bertus52x11. (mit zusätzlichem Mundgriff): 4 Schritte
Eine Modifikation des linkshändigen DSLR-Halters von Bertus52x11. (mit Added Mouth Grip): Also heute früher hat bertus52x11 die klügste Idee gepostet. Richtet sich an Menschen, die nur ihren linken Arm benutzen können - dauerhaft oder vorübergehend. Seine ursprüngliche Idee war es, am Stativanschluss darunter einen Daumenhaken anzubringen, mit dem die Kamera gehalten werden kann
Pflanzenkrankheiten mit maschinellem Lernen erkennen – wikiHow
Wie man Pflanzenkrankheiten mit maschinellem Lernen erkennt: Der Prozess des Erkennens und Erkennens erkrankter Pflanzen war schon immer ein manueller und mühsamer Prozess, bei dem Menschen den Pflanzenkörper visuell untersuchen müssen, was oft zu einer falschen Diagnose führen kann. Es wurde auch vorhergesagt, dass als globaler W
MyPhotometrics - Gandalf: Leistungsmessgerät Zur Messung Von Lasern Im Sichtbaren Bereich Auf Basis Von "Sauron": 8 Schritte
MyPhotometrics - Gandalf: Leistungsmessgerät Zur Messung Von Lasern Im Sichtbaren Bereich Auf Basis Von "Sauron": Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International Lizenz. Eine für Menschen lesbare Zusammenfassung dieser Lizenz findet sich hier.Was ist Gandalf?Gandalf ist eine Stand-A