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

• chenghsun.tseng
• 
  

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

• github
• 
  

目前進展

雜草辨識

瓢蟲辨識

植物辨識：可使用合併使用Color, Haralick texture, LBP...等特徵值。

計算植物覆蓋比率

植物生長指標 NDVI 相關研究

計算種子數量

• 利用電腦視覺計算種子發芽數目

參考

• 列出可以實做的方向供參考