FBTUG 子專案-辨識與機器學習
緣起
- 搞 FarmBot 只弄自動化，怎麼會夠挑戰性。當然要加入辨識與機器學習的元素。
主要 Coordinator
帶起步驟
- 感興趣主題討論
- 選擇合適的第一主題
- 收集適合的照片
- 系統設計
- ...
主題選擇
[ 請自入 ]
基本主題所需要收集的照片建議
- Training 需要的最小數量：60 (60張要作training坦白說的確是還不夠的, 不過介時若累積到了一定數目可以先開始試看看)
- 建議相片至少VGA尺寸(30萬像素)以上。
- 可參考李飛飛創建的圖片資料庫Caltech-101（http://www.vision.caltech.edu/Image_Datasets/Caltech101）或Caltech256（http://www.vision.caltech.edu/Image_Datasets/Caltech256/）
辨識項目
- [ 發想中 ]
- 植物所佔比例
- 植物生長指標
- 土壤特性指標
- motion detection 指標
- 每棵植物的比較指標
機器學習項目
- [ 發想中 ]
- 1.除草/除蟲自動化 (機器視覺)
- 2.澆水/施肥排程自動化 (sensor data)
- 3.熟成採收通知自動化 (機器視覺)
- 4.設備保修通知自動化 (sensor data)
照片收集方式
- 由於收集完的照片需要適當的歸檔，裡面的特徵需要額外的標示。這些都會需要一些研究與額外的工作。在一開始嘗試的時候，由於數量不大，不搞這麼複雜。直接開一個目錄在 FarmBot_Public 就好，建議目錄在此
Code
目前進展
植物辨識：可使用合併使用Color, Haralick texture, LBP...等特徵值。
參考