chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

通過(guò)機(jī)器學(xué)習(xí)檢測(cè)葉子顏色并對(duì)其健康狀態(tài)作出判斷

電子森林 ? 來(lái)源:Aduino Project Hub ? 作者:Arduino “having11” ? 2021-04-01 10:10 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

前提

就像人類一樣,植物也可能染病,比如植物的葉子可能會(huì)因真菌或其他病原體而發(fā)黃或出現(xiàn)斑點(diǎn)。因此,通過(guò)機(jī)器學(xué)習(xí)的力量,可以掃描顏色,然后將其用于訓(xùn)練一個(gè)模型,該模型可以檢測(cè)葉子的顏色并對(duì)其健康狀態(tài)作出判斷。

硬件

這個(gè)項(xiàng)目主要用Arduino Nano 33 BLE Sense,它之所以被選中主要是它具有一組功能強(qiáng)大的傳感器,包括9DoF IMU,APDS-9960(顏色,手勢(shì),接近度和亮度),麥克風(fēng)以及溫度/濕度/壓力傳感器組合。為了使電路板圍繞植物的葉子移動(dòng)并進(jìn)行測(cè)量,將一對(duì)步進(jìn)電機(jī)與一對(duì)DRV8825驅(qū)動(dòng)器板配合使用。

設(shè)置TinyML

對(duì)于此項(xiàng)目,列出的針對(duì)Arduino Nano 33 BLE Sense on Edge Impulse的內(nèi)置傳感器將不起作用,這意味著將我們必須使用data forwarder而不是serial daemon。

首先,創(chuàng)建一個(gè)新項(xiàng)目并將其命名。接下來(lái)需要通過(guò)Node.js以及NPM來(lái)安裝EdgeImpulse CLI。然后運(yùn)行:

npm install -g edge-impulse-cli

如果找不到安裝路徑,則可能需要將其安裝路徑添加到PATH環(huán)境變量中。接下來(lái),運(yùn)行

edge-impulse-data-forwarder

并確保其有效,然后按Ctrl + C退出。

d97068ba-9245-11eb-8b86-12bb97331649.jpg

顏色識(shí)別

APDS-9960的工作原理是:通過(guò)物體表面所反射的光線波長(zhǎng)來(lái)讀取顏色。為了與傳感器通信,最好安裝Arduino APDS9960庫(kù),該庫(kù)可以訪問(wèn)一些有用的功能。

在代碼中,首先初始化APDS-9960,然后程序進(jìn)入循環(huán)功能,等待直到有顏色數(shù)據(jù)出現(xiàn)。如果有讀數(shù),則使用

APDS.readColor()

以及與表面的接近程度來(lái)讀取顏色。每個(gè)RGB分量都從0-2 ^ 16-1數(shù)轉(zhuǎn)換為其值與總和的比率。

掃描儀

掃描葉子的顏色是通過(guò)在兩個(gè)軸上移動(dòng)裝備以使葉子在車載APDS-9960下方經(jīng)過(guò)的各個(gè)位置進(jìn)行的。通過(guò)沿順時(shí)針或逆時(shí)針方向旋轉(zhuǎn)絲杠來(lái)移動(dòng)每個(gè)軸,以使程序段沿任一方向平移。整個(gè)系統(tǒng)是在Fusion 360中設(shè)計(jì)的,下面是這些設(shè)計(jì)的一些渲染圖:

X軸位于Y軸的頂部,從而使頂部程序段在兩個(gè)軸上移動(dòng)。Y軸上有一個(gè)附加的V輪,以支撐步進(jìn)電機(jī)的重量。零件是使用PLA打印的,填充量約為45%。

收集數(shù)據(jù)

當(dāng)系統(tǒng)首次啟動(dòng)時(shí),步進(jìn)電機(jī)是不知道它的初始位置的,因此我們必須進(jìn)行原點(diǎn)復(fù)位,(可通過(guò)限位開關(guān)實(shí)現(xiàn))。接下來(lái)初始化APDS-9960。有一個(gè)定義為兩個(gè)元素的數(shù)組的邊界框,它們包含一個(gè)框的相對(duì)角。在這兩個(gè)位置之間選擇一個(gè)隨機(jī)點(diǎn),然后將步進(jìn)器運(yùn)行到該位置,同時(shí)讀取它們之間的顏色。

處理和發(fā)送顏色信息

如前所述,使用

APDS.readColor()

來(lái)讀取顏色。計(jì)算總和后,將計(jì)算百分比,然后通過(guò)調(diào)用

Serial.printf()

的方法通過(guò)USB發(fā)送百分比。值用逗號(hào)分隔,每個(gè)讀數(shù)用換行符分隔。數(shù)據(jù)轉(zhuǎn)發(fā)器程序接收到數(shù)據(jù)后,會(huì)將其作為帶有給定標(biāo)簽(健康或不健康)的訓(xùn)練數(shù)據(jù)發(fā)送到Edge Impulse云端。

訓(xùn)練模型

收集完所有訓(xùn)練數(shù)據(jù)后,就該建立一個(gè)可以區(qū)分健康葉子和不健康葉子的模型了。我使用了由三軸時(shí)間序列,頻譜分析模塊和Keras模塊組成的脈沖。查看以下屏幕截圖可以了解我如何從數(shù)據(jù)中生成這些功能:

測(cè)驗(yàn)

為了測(cè)試新模型,這次我收集了一些新的測(cè)試數(shù)據(jù),這是不健康的。該模型的準(zhǔn)確性約為63%,并且在通過(guò)一些測(cè)試功能后,能夠在大多數(shù)時(shí)間正確地對(duì)葉子進(jìn)行分類。

可以通過(guò)添加更多訓(xùn)練數(shù)據(jù)并減慢訓(xùn)練速度來(lái)提高此準(zhǔn)確性。

代碼

#include 《Arduino_APDS9960.h》#include 《AccelStepper.h》#include 《MultiStepper.h》#include “pinDefs.h” int r, g, b, c, p;

float sum;

AccelStepper xStepper(AccelStepper::DRIVER, STEPPER_1_STEP, STEPPER_1_DIR);

AccelStepper yStepper(AccelStepper::DRIVER, STEPPER_2_STEP, STEPPER_2_DIR);

MultiStepper steppers;// a random location will be chosen within the bounding box

const long boundingBox[2][2] = { {0,0}, {40,40}};

void setup(){ Serial.begin(115200); while(!Serial);

if(!APDS.begin()) { Serial.println(“Could not init APDS9960”); while(1); }

pinMode(X_AXIS_HOMING_SW, INPUT_PULLUP); pinMode(Y_AXIS_HOMING_SW, INPUT_PULLUP); //Serial.println(digitalRead(X_AXIS_HOMING_SW) + digitalRead(Y_AXIS_HOMING_SW)); xStepper.setPinsInverted(X_AXIS_DIR); yStepper.setPinsInverted(Y_AXIS_DIR); xStepper.setMaxSpeed(150); yStepper.setMaxSpeed(150); steppers.addStepper(xStepper); steppers.addStepper(yStepper); homeMotors();}

void loop(){ long randomPos[2]; randomPos[0] = random(boundingBox[0][0], boundingBox[1][0]) * STEPS_PER_MM; randomPos[1] = random(boundingBox[0][1], boundingBox[1][1]) * STEPS_PER_MM; steppers.moveTo(randomPos);

while(steppers.run()) { if(!APDS.colorAvailable() || !APDS.proximityAvailable()){} else { APDS.readColor(r, g, b, c); sum = r + g + b; p = APDS.readProximity();

if(!p && c 》 10 && sum 》= 0) { float rr = r / sum, gr = g / sum, br = b / sum; Serial.printf(“%1.3f,%1.3f,%1.3f

”, rr, gr, br); } } }}

void homeMotors(){ // home x //Serial.println(“Now homing x”); while(digitalRead(X_AXIS_HOMING_SW))

xStepper.move(-1);

// home y //Serial.println(“Now homing y”); while(digitalRead(Y_AXIS_HOMING_SW)) yStepper.move(-1); xStepper.setCurrentPosition(0); yStepper.setCurrentPosition(0);}

原理圖

dae9a12a-9245-11eb-8b86-12bb97331649.png

原文標(biāo)題:Arduino使用TinyML掃描植物的葉子確定植物的健康

文章出處:【微信公眾號(hào):FPGA入門到精通】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯:haq

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 傳感器
    +關(guān)注

    關(guān)注

    2566

    文章

    53008

    瀏覽量

    767581
  • 驅(qū)動(dòng)器
    +關(guān)注

    關(guān)注

    54

    文章

    8697

    瀏覽量

    149996
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8503

    瀏覽量

    134637

原文標(biāo)題:Arduino使用TinyML掃描植物的葉子確定植物的健康

文章出處:【微信號(hào):xiaojiaoyafpga,微信公眾號(hào):電子森林】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    機(jī)器學(xué)習(xí)異常檢測(cè)實(shí)戰(zhàn):用Isolation Forest快速構(gòu)建無(wú)標(biāo)簽異常檢測(cè)系統(tǒng)

    本文轉(zhuǎn)自:DeepHubIMBA無(wú)監(jiān)督異常檢測(cè)作為機(jī)器學(xué)習(xí)領(lǐng)域的重要分支,專門用于在缺乏標(biāo)記數(shù)據(jù)的環(huán)境中識(shí)別異常事件。本文深入探討異常檢測(cè)技術(shù)的理論基礎(chǔ)與實(shí)踐應(yīng)用,
    的頭像 發(fā)表于 06-24 11:40 ?640次閱讀
    <b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>異常<b class='flag-5'>檢測(cè)</b>實(shí)戰(zhàn):用Isolation Forest快速構(gòu)建無(wú)標(biāo)簽異常<b class='flag-5'>檢測(cè)</b>系統(tǒng)

    精準(zhǔn)監(jiān)測(cè),健康無(wú)憂--XC3576H工控主板賦能亞健康檢測(cè)

    健康風(fēng)險(xiǎn)。核心功能包括:1.生理指標(biāo)監(jiān)測(cè):通過(guò)生物電、光學(xué)傳感器等技術(shù),檢測(cè)心率、血氧、血壓、血糖趨勢(shì)等關(guān)鍵指標(biāo),無(wú)需抽血即可獲取身體數(shù)據(jù)。2.疲勞度
    的頭像 發(fā)表于 05-28 17:56 ?224次閱讀
    精準(zhǔn)監(jiān)測(cè),<b class='flag-5'>健康</b>無(wú)憂--XC3576H工控主板賦能亞<b class='flag-5'>健康</b><b class='flag-5'>檢測(cè)</b>儀

    【「# ROS 2智能機(jī)器人開發(fā)實(shí)踐」閱讀體驗(yàn)】視覺實(shí)現(xiàn)的基礎(chǔ)算法的應(yīng)用

    : 一、機(jī)器人視覺:從理論到實(shí)踐 第7章詳細(xì)介紹了ROS2在機(jī)器視覺領(lǐng)域的應(yīng)用,涵蓋了相機(jī)標(biāo)定、OpenCV集成、視覺巡線、二維碼識(shí)別以及深度學(xué)習(xí)目標(biāo)檢測(cè)等內(nèi)容。
    發(fā)表于 05-03 19:41

    如何檢測(cè)電機(jī)的好壞?

    檢測(cè)電機(jī)的好壞可以通過(guò)多種方法綜合判斷,以下是一些常用的檢測(cè)方法: ? 一、外觀檢查 首先,通過(guò)觀察電機(jī)的外觀,可以初步
    的頭像 發(fā)表于 04-23 17:23 ?1394次閱讀

    斷路器的檢測(cè)方法

    斷路器的檢測(cè)方法多種多樣,以下是一些常見的檢測(cè)方法: 一、直觀檢查 直觀檢查是斷路器檢測(cè)的基礎(chǔ)步驟,主要通過(guò)觀察斷路器的外觀來(lái)判斷
    發(fā)表于 12-27 10:29

    什么是機(jī)器學(xué)習(xí)?通過(guò)機(jī)器學(xué)習(xí)方法能解決哪些問(wèn)題?

    來(lái)源:Master編程樹“機(jī)器學(xué)習(xí)”最初的研究動(dòng)機(jī)是讓計(jì)算機(jī)系統(tǒng)具有人的學(xué)習(xí)能力以便實(shí)現(xiàn)人工智能。因?yàn)闆]有學(xué)習(xí)能力的系統(tǒng)很難被認(rèn)為是具有智能的。目前被廣泛采用的
    的頭像 發(fā)表于 11-16 01:07 ?965次閱讀
    什么是<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>?<b class='flag-5'>通過(guò)</b><b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>方法能解決哪些問(wèn)題?

    晶體管的工作狀態(tài)判斷方法

    晶體管的工作狀態(tài)判斷是電子工程領(lǐng)域中的一項(xiàng)重要技能,它對(duì)于確保電路的正常運(yùn)行和性能優(yōu)化至關(guān)重要。晶體管的工作狀態(tài)通常根據(jù)其內(nèi)部PN結(jié)的偏置情況來(lái)判斷,主要包括截止
    的頭像 發(fā)表于 09-23 18:16 ?4563次閱讀

    中偉視界:礦山智能化,多種判斷方法提升皮帶跑偏檢測(cè)可靠性

    皮帶輸送機(jī)的跑偏檢測(cè)技術(shù),包括圖像處理算法、機(jī)器學(xué)習(xí)模型和物聯(lián)網(wǎng)技術(shù)的應(yīng)用,詳細(xì)闡述了各類判斷方法及實(shí)際案例,強(qiáng)調(diào)實(shí)時(shí)監(jiān)測(cè)和高精度檢測(cè)的優(yōu)勢(shì)
    的頭像 發(fā)表于 09-13 18:00 ?539次閱讀

    機(jī)器人語(yǔ)言系統(tǒng)包括三個(gè)基本狀態(tài)

    包括檢測(cè)機(jī)器人的當(dāng)前狀態(tài)、任務(wù)執(zhí)行情況、以及是否出現(xiàn)錯(cuò)誤或異常情況。監(jiān)控狀態(tài)對(duì)于確保機(jī)器人的安全、穩(wěn)定和高效運(yùn)行至關(guān)重要。 編輯
    的頭像 發(fā)表于 09-04 09:24 ?1115次閱讀

    基于機(jī)器學(xué)習(xí)的IWR6843AOP跌倒和姿態(tài)檢測(cè)實(shí)現(xiàn)

    電子發(fā)燒友網(wǎng)站提供《基于機(jī)器學(xué)習(xí)的IWR6843AOP跌倒和姿態(tài)檢測(cè)實(shí)現(xiàn).pdf》資料免費(fèi)下載
    發(fā)表于 09-03 10:02 ?3次下載
    基于<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>的IWR6843AOP跌倒和姿態(tài)<b class='flag-5'>檢測(cè)</b>實(shí)現(xiàn)

    NPN型晶體管三種狀態(tài)判斷方法

    NPN型晶體管作為電子學(xué)中的基礎(chǔ)元件,具有放大、開關(guān)等多種功能。工作狀態(tài)根據(jù)基極、發(fā)射極和集電極之間的電壓和電流關(guān)系可分為截止狀態(tài)、放大狀態(tài)和飽和
    的頭像 發(fā)表于 08-13 17:33 ?4947次閱讀

    機(jī)器視覺在焊接質(zhì)量檢測(cè)中的應(yīng)用

    的可能性。今天跟隨創(chuàng)想智控小編一起了解機(jī)器視覺在焊接質(zhì)量檢測(cè)中的應(yīng)用。 1. 機(jī)器視覺原理 機(jī)器視覺是一種利用計(jì)算機(jī)技術(shù)對(duì)圖像進(jìn)行分析和處理的技術(shù)。它
    的頭像 發(fā)表于 08-13 16:33 ?629次閱讀

    時(shí)序邏輯電路中如何判斷有效狀態(tài)和無(wú)效狀態(tài)

    在時(shí)序邏輯電路中,有效狀態(tài)和無(wú)效狀態(tài)判斷是電路分析和設(shè)計(jì)的重要環(huán)節(jié)。有效狀態(tài)是指電路在實(shí)際工作過(guò)程中被利用到的狀態(tài),它們構(gòu)成了電路的有效循
    的頭像 發(fā)表于 08-12 15:51 ?5188次閱讀

    觸發(fā)器的無(wú)效狀態(tài)怎么判斷

    觸發(fā)器的無(wú)效狀態(tài)判斷是一個(gè)涉及數(shù)據(jù)庫(kù)管理和維護(hù)的重要方面。觸發(fā)器作為數(shù)據(jù)庫(kù)中的一種特殊對(duì)象,有效性直接關(guān)系到數(shù)據(jù)庫(kù)操作的正確性和性能。
    的頭像 發(fā)表于 08-12 14:46 ?1401次閱讀

    【「時(shí)間序列與機(jī)器學(xué)習(xí)」閱讀體驗(yàn)】全書概覽與時(shí)間序列概述

    如何通過(guò)根因分析技術(shù)獲得導(dǎo)致故障的維度和元素,包括基于時(shí)間序列異常檢測(cè)算法的根因分析、基于熵的根因分析、基于樹模型的根因分析、規(guī)則學(xué)習(xí)等。 ●第7章“智能運(yùn)維的應(yīng)用場(chǎng)景”:介紹智能運(yùn)維領(lǐng)域的應(yīng)用,包括
    發(fā)表于 08-07 23:03