Detectarea obiectelor din plante
- 209
Asta este tot pentru astăzi. Sper că v-a plăcut micul program de mai sus. Era doar un mic utilitar pentru generarea rapidă de mostre pentru predarea și testarea unei inteligențe artificiale. Voi raporta acest lucru într-un articol viitor.
Cel mic script de mai sus poate fi folosit pentru a evidenția plantele peste mii de imagini similare și pentru a crea o imagine mică din până la 10 mii de imagini.
Un alt lucru interesant este că sistemul a detectat plante mici, petale, pe care nu le observasem și pe care le bănuiam a fi un bug. Dar când am mărit imaginea originală, s-a dovedit că, într-adevăr, există o mică buruiană acolo, dar în umbra dintre tufe, ochiul uman nu a observat-o.
Este o idee bună să filtrați creșterile de la marginile imaginilor într-o aplicație practică, deoarece tăieturile drepte nenaturale pot fi puțin înșelătoare pentru algoritmii de recunoaștere sau de predare.
Asta este tot pentru astăzi. Sper că v-a plăcut micul program de mai sus. Era doar un mic utilitar pentru generarea rapidă de mostre pentru predarea și testarea unei inteligențe artificiale. Voi raporta acest lucru într-un articol viitor.
Câteva comentarii:
Cel mic script de mai sus poate fi folosit pentru a evidenția plantele peste mii de imagini similare și pentru a crea o imagine mică din până la 10 mii de imagini.
Un alt lucru interesant este că sistemul a detectat plante mici, petale, pe care nu le observasem și pe care le bănuiam a fi un bug. Dar când am mărit imaginea originală, s-a dovedit că, într-adevăr, există o mică buruiană acolo, dar în umbra dintre tufe, ochiul uman nu a observat-o.
Este o idee bună să filtrați creșterile de la marginile imaginilor într-o aplicație practică, deoarece tăieturile drepte nenaturale pot fi puțin înșelătoare pentru algoritmii de recunoaștere sau de predare.
Asta este tot pentru astăzi. Sper că v-a plăcut micul program de mai sus. Era doar un mic utilitar pentru generarea rapidă de mostre pentru predarea și testarea unei inteligențe artificiale. Voi raporta acest lucru într-un articol viitor.
Câteva comentarii:
Cel mic script de mai sus poate fi folosit pentru a evidenția plantele peste mii de imagini similare și pentru a crea o imagine mică din până la 10 mii de imagini.
Un alt lucru interesant este că sistemul a detectat plante mici, petale, pe care nu le observasem și pe care le bănuiam a fi un bug. Dar când am mărit imaginea originală, s-a dovedit că, într-adevăr, există o mică buruiană acolo, dar în umbra dintre tufe, ochiul uman nu a observat-o.
Este o idee bună să filtrați creșterile de la marginile imaginilor într-o aplicație practică, deoarece tăieturile drepte nenaturale pot fi puțin înșelătoare pentru algoritmii de recunoaștere sau de predare.
Asta este tot pentru astăzi. Sper că v-a plăcut micul program de mai sus. Era doar un mic utilitar pentru generarea rapidă de mostre pentru predarea și testarea unei inteligențe artificiale. Voi raporta acest lucru într-un articol viitor.
Un pas important pe drumul către inteligența artificială este detectarea obiectelor. În micul nostru exemplu de astăzi, încercăm să detectăm buruienile care apar într-o zonă săpată și să le extragem automat din imaginea originală. Imaginea a fost făcută în mica mea grădină, folosind un simplu telefon cu Android.
În acest mic exemplu, folosim doar metode de procesare a imaginilor fără inteligență artificială. Cu toate acestea, imaginile rezultate sunt bune intrări pentru antrenarea unei inteligențe artificiale sau pentru o utilizare concretă.
Pentru sarcina concretă, apelăm la OpenCV și la limbajul Python. În agricultură, există multe sarcini similare în care obiectele trebuie extrase sau recunoscute dintr-o imagine dată.
Cele de mai jos arată fotografia originală cu câmp și buruieni. Este important de menționat că imaginea are efecte de umbră destul de puternice, care din fericire nu afectează detectarea buruienilor.
- Imaginea originală este mai întâi redimensionată din RGB în HSV.
- Din gama de culori HSV, extragem culoarea verde, adică părțile feminine.
- Apoi creăm o imagine în tonuri de gri.
- Ceea care, folosind un proces de prag, o convertim într-o imagine binară.
- Imaginea rezultată este încă foarte zgomotoasă, așa că folosim un proces Erode-Dilate pentru a elimina zgomotul, pentru a elimina părțile redundante și pentru a umple golurile.
- Apoi numărăm și colorăm fiecare plantă sau grup de plante.
- Definim o margine pentru fiecare dintre aceste zone.
- Apoi decupăm imaginile și creăm galeria, prezentată puțin mai jos.
Rezultatul:
Câteva comentarii:
Cel mic script de mai sus poate fi folosit pentru a evidenția plantele peste mii de imagini similare și pentru a crea o imagine mică din până la 10 mii de imagini.
Un alt lucru interesant este că sistemul a detectat plante mici, petale, pe care nu le observasem și pe care le bănuiam a fi un bug. Dar când am mărit imaginea originală, s-a dovedit că, într-adevăr, există o mică buruiană acolo, dar în umbra dintre tufe, ochiul uman nu a observat-o.
Este o idee bună să filtrați creșterile de la marginile imaginilor într-o aplicație practică, deoarece tăieturile drepte nenaturale pot fi puțin înșelătoare pentru algoritmii de recunoaștere sau de predare.
Asta este tot pentru astăzi. Sper că v-a plăcut micul program de mai sus. Era doar un mic utilitar pentru generarea rapidă de mostre pentru predarea și testarea unei inteligențe artificiale. Voi raporta acest lucru într-un articol viitor.
Un pas important pe drumul către inteligența artificială este detectarea obiectelor. În micul nostru exemplu de astăzi, încercăm să detectăm buruienile care apar într-o zonă săpată și să le extragem automat din imaginea originală. Imaginea a fost făcută în mica mea grădină, folosind un simplu telefon cu Android.
În acest mic exemplu, folosim doar metode de procesare a imaginilor fără inteligență artificială. Cu toate acestea, imaginile rezultate sunt bune intrări pentru antrenarea unei inteligențe artificiale sau pentru o utilizare concretă.
Pentru sarcina concretă, apelăm la OpenCV și la limbajul Python. În agricultură, există multe sarcini similare în care obiectele trebuie extrase sau recunoscute dintr-o imagine dată.
Cele de mai jos arată fotografia originală cu câmp și buruieni. Este important de menționat că imaginea are efecte de umbră destul de puternice, care din fericire nu afectează detectarea buruienilor.
Dar să ne uităm la ea în ordine:
- Imaginea originală este mai întâi redimensionată din RGB în HSV.
- Din gama de culori HSV, extragem culoarea verde, adică părțile feminine.
- Apoi creăm o imagine în tonuri de gri.
- Ceea care, folosind un proces de prag, o convertim într-o imagine binară.
- Imaginea rezultată este încă foarte zgomotoasă, așa că folosim un proces Erode-Dilate pentru a elimina zgomotul, pentru a elimina părțile redundante și pentru a umple golurile.
- Apoi numărăm și colorăm fiecare plantă sau grup de plante.
- Definim o margine pentru fiecare dintre aceste zone.
- Apoi decupăm imaginile și creăm galeria, prezentată puțin mai jos.
Rezultatul:
Câteva comentarii:
Cel mic script de mai sus poate fi folosit pentru a evidenția plantele peste mii de imagini similare și pentru a crea o imagine mică din până la 10 mii de imagini.
Un alt lucru interesant este că sistemul a detectat plante mici, petale, pe care nu le observasem și pe care le bănuiam a fi un bug. Dar când am mărit imaginea originală, s-a dovedit că, într-adevăr, există o mică buruiană acolo, dar în umbra dintre tufe, ochiul uman nu a observat-o.
Este o idee bună să filtrați creșterile de la marginile imaginilor într-o aplicație practică, deoarece tăieturile drepte nenaturale pot fi puțin înșelătoare pentru algoritmii de recunoaștere sau de predare.
Asta este tot pentru astăzi. Sper că v-a plăcut micul program de mai sus. Era doar un mic utilitar pentru generarea rapidă de mostre pentru predarea și testarea unei inteligențe artificiale. Voi raporta acest lucru într-un articol viitor.
