描述

前提

就像人類一樣，植物也會生病。就像您可能因皮膚感染而出現皮疹一樣，植物的葉子可能會因真菌或其他病原體而變黃和/或出現斑點。因此，通過利用機器學習的力量，可以掃描顏色，然后用于訓練可以檢測葉子顏色何時關閉的模型。

硬件

這個項目的大腦是 Arduino Nano 33 BLE Sense，選擇它有幾個原因。首先，它擁有豐富的強大傳感器，包括 9DoF IMU、APDS-9960（顏色、手勢、接近度和亮度）、麥克風和溫度/濕度/壓力傳感器組合。為了在植物的葉子周圍移動電路板并進行測量，一對步進電機與一對 DRV8825 驅動板結合使用。

設置 TinyML

對于此項目，為 Arduino Nano 33 BLE Sense on Edge Impulse 列出的內置傳感器將不起作用，因為僅列出了加速器和麥克風。這意味著必須使用數據轉發器而不是串行守護程序。首先，我創建了一個新項目并將其命名。接下來，我通過安裝 Node.js 和 NPM 來安裝 Edge Impulse CLI，然后運行npm install -g edge-impulse-cli??. 如果找不到，您可能需要將其安裝路徑添加到 PATH 環境變量中。接下來，運行edge-impulse-data-forwarder并確保它正常工作，然后使用 Ctrl+C 退出。

?

閱讀顏色

APDS-9960 通過從表面反射紅外光并讀取未被材料吸收的波長來讀取顏色。要與傳感器通信，最好安裝 Arduino APDS9960 庫，它可以訪問幾個有用的功能。在代碼中，APDS-9960首先被初始化，然后程序進入循環功能。在那里，它一直等到有顏色數據。如果讀數可用，則顏色與APDS.readColor()與表面的接近度一起被讀取。每個 RGB 分量都從 0-2^16-1 數字轉換為其值與總和的比率。

掃描裝置

掃描樹葉的顏色是通過在兩個軸上移動一個鉆機來通過板載 APDS-9960 下方樹葉的不同位置來完成的。每個軸都通過順時針或逆時針旋轉導螺桿來移動，以在任一方向平移塊。整個系統是在 Fusion 360 中設計的，下面是一些設計的渲染圖：

?

?

?

?

1 / 3

?

X 軸位于 Y 軸的頂部，讓頂部塊在兩個軸上移動。Y軸上有一個額外的V形輪來支撐步進電機的重量。零件使用 PLA 塑料打印，填充量約為 45%。

?

收集數據

當系統第一次啟動時，步進電機不知道它們在哪里，因此兩個軸通過逐步移動到原點直到它們碰到限位開關來回零。接下來，APDS-9960 被初始化。有一個邊界框，它被定義為兩個包含框的對角的二元素數組。在這兩個位置之間選擇一個隨機點，然后步進器運行到該位置，同時讀取其間的顏色。

處理和發送顏色信息

APDS.readColor()如前所述，使用 讀取顏色。計算總和后，通過調用該方法計算百分比，然后通過USB發送。Serial.printf()值用逗號分隔，每個讀數用換行符分隔。當數據轉發器程序接收到數據時，它將作為具有給定標簽（健康或不健康）的訓練數據發送到 Edge Impulse 云項目。

?

?

?

?

1 / 2

?

訓練模型

收集完所有的訓練數據后，是時候建立一個模型來區分健康和不健康的葉子了。我使用了由三軸時間序列、頻譜分析塊和 Keras 塊組成的脈沖。您可以看到下面的屏幕截圖，了解我是如何從數據中生成特征的：

?

?

?

?

1 / 2

?

測試

為了測試我的新模型，我收集了一些新的測試數據，這次是不健康的葉子。該模型的準確率在 63% 左右，通過一些測試特征發送后，大部分時間都能正確分類葉子。

?

可以通過添加更多的訓練數據和減慢訓練速度來提高這種準確性。