AI 树木病害识别监测IoT模型

本帖最后由 France 于 2022-11-17 16:47 编辑

项目背景

由于气候变化及过度砍伐，树木与植物越来越容易感染疾病。大多数树木病害是真菌性的，主要由干旱，二氧化碳浓度过高，过度拥挤，树干或树根受损导致的。这些病害会快速扩散，并以高扩散率长距离传播。

森林和树木对作物授粉至关重要，树木病害扩散会导致作物减产、动物死亡、广泛的传染病流行，甚至侵蚀土壤导致土地退化。因此，检测树木病害以防其渗透森林造成危险后果极其重要。由于各种环境因素会给树木带来不同压力并导致高度病害感染，对森林，农场和耕地造成不可恢复的破坏。因此仅仅检测疾病可能还不够，检查和记录环境因素也很重要。通过获取有关树木潜在病害与环境因素之间的预警，我们可以采取必要的防治措施，以减少森林退化或作物产量损失等严重危险后果。

在研读了最近关于树病检测方法和监测的研究论文后，我决定创建一个易于使用且预算友好的设备，通过物体检测来检测树木病害，并提供一种先进且好实行的方法来预防传染性树木病害。

硬件清单：

1. SenseCAP K1100

2. Wio 中端

3. 一氧化碳和温湿度传感器

4. LattePanda 3 Delta

5. 7寸LCD电容式触摸屏

6. Micro Card

软件

内容

为了准确的探测树木病害，我需要从感染各种病害的树木上获取数据，去训练物体检测模型，使之更具有可信度。Seeed的SenseCAP K1100传感器套件中正好包含了做IoT和计算机视觉（物体识别）项目所需的所有传感器，我打算用上这个，再加一个视觉AI模块和Wio终端来搭建我的设备。此外，我还用了一个一氧化碳，及温湿度传感器（SCD30）来获取精确的环境参数。Wio 终端有内置的micro SD卡模块，这样我可以轻松把收集到的参数录入其SD卡中的CSV文件中。

由于内存和RAM的限制，在Wio终端上无法同时捕获树木图像和运行物体检测模型。因此，我决定用LattePanda3 Delta 864，通过视觉AI模块来捕获图像，然后用Wio终端通过串行通信发送命令去运行物体检测模型。LattePanda 3 Delta是一台可以运行Ubuntu操作系统（x86_64）的SBC（单板计算机），我可以在上面直接用Python处理捕获的图像并运行我的模型。

我拍了很多病害树木的图片，组成了一个数据集，然后在Edge Impulse开发平台上设计了我的物体检测模型去检测不同种类的树木病害。我用了一种新颖的机器学习算法---Edge Impulse FOMO （更快更多的物体识别）训练我的模型，它能够在比较受限制的设备上运行物体检测功能。Edge Impulse几乎兼容所有的微控制器、开发板和单板计算机，所以我在LattePanda 3 Delta 上上传和运行模型时没遇到任何问题。

我在森林里散步时才有机会收集各种树木病害数据，所以训练模型的数据有限，且不符合实际。因此我根据受感染的部位（根，枝干，叶）来分类，并用这些类别作为标签来训练模型。

leaf_rust_spot_blisterstem_bark_branch_mildew

训练并测试完我的物体识别（FOMO）模型后，我将它作为一个Linux(x86)应用(.eim)部署并上传到LattePanda。然后它无需其他程序就能独立运行模型来探测树木病害了。

此外，我还想要运行模型后让设备通过发短信的形式远程通知用户检测的结果，所以我用了Twilio的API来将检测到的标签和用边界框标记的图片发送给验证的号码。

最后，为了把设备打造成坚固耐用的品质，以适应户外操作，我设计了一个森林主题的外壳，它带一个滑动的后盖和能让视觉传感器自由移动的把手（可3D打印）。

这就是最后项目完成了的效果：

更多细节步骤，敬请期待第二期。

外壳下载：

main case

back cover

camera.stl

程序：

Wio中端

代码下载

作者：Kutluhan Aktar 2022/09/27
原贴地址：https://www.hackster.io/kutluhan-aktar/iot-ai-driven-tree-disease-identifier-w-edge-impulse-mms-1b5ff6

[项目]AI 树木病害识别监测IoT模型 - 上

[项目] AI 树木病害识别监测IoT模型 - 上

硬件清单

楼主的其它帖子