क्वालकॉम ड्रैगनबोर्ड 410c के साथ पौधों की बीमारी का पता लगाना: 4 कदम

2024 लेखक: John Day | [email protected]. अंतिम बार संशोधित: 2024-01-30 09:21

सभी को नमस्कार, हम Embarcados, Linaro और Baita द्वारा प्रायोजित Dragonboard 410c प्रतियोगिता के साथ भविष्य की खोज में भाग ले रहे हैं।

परियोजना से बचें (कृषि देखें रोग)

हमारा लक्ष्य एक एम्बेडेड सिस्टम बनाना है जो एक खेत में संभावित पौधों की बीमारियों की छवि, प्रक्रिया और पता लगाने में सक्षम हो। हमारी परियोजना का एक अतिरिक्त अनुप्रयोग (कार्यान्वित नहीं) एक खेत की वास्तविक समय में निगरानी करने के लिए IoT क्षमता है।

एवीओआईडी प्रणाली का सबसे बड़ा लाभ यह है कि आपको खेत की निगरानी के लिए किसी विशिष्ट प्रकार की वस्तु की आवश्यकता नहीं होती है। यदि आपके पास क्वाड्रिसाइकिल या ड्रोन है, तो आप बस एवीओआईडी प्लैटफॉर्म को अपनी वस्तु से जोड़ सकते हैं और थर्म फार्म की निगरानी कर सकते हैं।

मूल रूप से एवीओआईडी ड्रैनबोर्ड 410 सी और एक वेबकैम द्वारा रचित है।

अगले कुछ चरणों में हम मूल रूप से एवीओआईडी सिस्टम के मुख्य ब्लॉक का निर्माण करने का तरीका बताते हैं।

AVoID प्रणाली और इसके कार्यान्वयन के बारे में हमसे बेझिझक संपर्क करें:

कैओ फरेरा ([email protected])

एरोनाइड्स नेटो ([email protected])

मारिया लुइज़ा ([email protected])

चरण 1: हार्डवेयर और सॉफ़्टवेयर सेट करें

हमारी परियोजना का पहला चरण एवीओआईडी सिस्टम को लागू करने के लिए आवश्यक हार्डवेयर स्थापित करना है।

मूल रूप से आपको आवश्यकता होगी

हार्डवेयर

- 01x ड्रैगनबोर्ड 410c (डेबियन छवि के साथ, यह देखने के लिए यहां क्लिक करें कि ड्रैगनबोर्ड पर डेबियन कैसे स्थापित करें);

- ड्रैगनबोर्ड के साथ संगत 01x वेब कैमरा (यहाँ संगतता देखें);

सॉफ्टवेयर

> डेबियन लिनक्स वितरण के लिए ड्रैगनबोर्ड, स्किकिट लर्न और स्किकिट इमेज पैकेज पर ओपनसीवी स्थापित करें।

- ओपनसीवी स्थापित करना (यह लिंक देखें, ओपनसीवी स्थापना से संबंधित पहले भाग का उपयोग करें);

- टर्मिनल के माध्यम से स्किकिट लर्न एंड इमेज इंस्टॉल करें!

पाइप इंस्टाल -यू स्किकिट-लर्न

चरण 2: वेबकैम मूल परीक्षण

हमारा दूसरा चरण यह सत्यापित करना है कि हमने जो कुछ भी सेट किया है वह ठीक है!

1) कुछ चित्र/वीडियो देखने के लिए वेबकैम डेमो कोड चलाएँ

टर्मिनल पर कोड photo.py चलाएँ।

> अजगर photo.py

2) कुछ ओपनसीवी उदाहरण चलाएं

यह सत्यापित करने के लिए कि ओपनसीवी सही ढंग से स्थापित है, अन्य विकल्प एक ओपनसीवी उदाहरण चलाना है।

चरण 3: लक्ष्य से बचने के लिए डेटा सेट का प्रशिक्षण/परीक्षण करना

भाग ए: छवि प्रसंस्करण तकनीक

संभवत: यह हमारी परियोजना का सबसे जटिल कदम होगा। अब हमें यह तय करने के लिए कुछ मापदंडों और मेट्रिक्स को स्थिर करने की आवश्यकता है कि क्या किसी पौधे (पौधे से एक छवि) को कोई बीमारी है।

इस चरण के लिए हमारा मुख्य संदर्भ यह लेख है जो दिखाता है कि इमेज प्रोसेसिंग तकनीकों का उपयोग करके पत्तियों में रोगों का पता कैसे लगाया जाता है। मूल रूप से, इस चरण में हमारा उद्देश्य इन इमेजिंग प्रोसेसिंग तकनीकों को Dragonboard 410c बोर्ड में दोहराना है।

1) छवि डेटा सेट और उस प्रकार के पौधे को परिभाषित करें जिसे आप बीमारियों का पता लगाना चाहते हैं

यह आपके विनिर्देशन का एक महत्वपूर्ण हिस्सा है। आप किस तरह का पौधा बीमारियों को दूर करना चाहते हैं। लेख संदर्भ से, हम एक स्ट्राबेरी पत्ती के आधार पर विकसित होते हैं।

यह कोड, एक स्ट्रॉबेरी लीफ लोड करता है और इमेज प्रोसेसिंग पार्ट करता है।

भाग बी: मशीन लर्निंग

इमेज प्रोसेसिंग भाग के बाद, हमें डेटा को किसी तरह व्यवस्थित करने की आवश्यकता होती है। मशीन लर्निंग थ्योरी से, हमें डेटा को समूहों में क्लस्टर करने की आवश्यकता है। यदि योजना में कोई बीमारी है, तो इस समूह में से कोई एक इसका संकेत देगा।

इन सूचनाओं को समूहीकृत करने के लिए हम जिस वर्गीकरण एल्गोरिथ्म का उपयोग करते हैं, वह K- साधन एल्गोरिथ्म है।

चरण 4: परिणाम और भविष्य के कार्य

इसलिए, हम छवियों और छवि समूहों से कुछ बीमारियों का पता लगाने के लिए कुछ परिणाम देख सकते हैं।

हमारी परियोजना में अन्य सुधार IoT डैशबोर्ड है जिसे लागू किया जा सकता है।