通过机器学习检测叶子颜色并对其健康状态作出判断

前提

就像人类一样，植物也可能染病，比如植物的叶子可能会因真菌或其他病原体而发黄或出现斑点。因此，通过机器学习的力量，可以扫描颜色，然后将其用于训练一个模型，该模型可以检测叶子的颜色并对其健康状态作出判断。

硬件

这个项目主要用Arduino Nano 33 BLE Sense，它之所以被选中主要是它具有一组功能强大的传感器，包括9DoF IMU，APDS-9960（颜色，手势，接近度和亮度），麦克风以及温度/湿度/压力传感器组合。为了使电路板围绕植物的叶子移动并进行测量，将一对步进电机与一对DRV8825驱动器板配合使用。

设置TinyML

对于此项目，列出的针对Arduino Nano 33 BLE Sense on Edge Impulse的内置传感器将不起作用，这意味着将我们必须使用data forwarder而不是serial daemon。

首先，创建一个新项目并将其命名。接下来需要通过Node.js以及NPM来安装EdgeImpulse CLI。然后运行：

npm install -g edge-impulse-cli

如果找不到安装路径，则可能需要将其安装路径添加到PATH环境变量中。接下来，运行

edge-impulse-data-forwarder

并确保其有效，然后按Ctrl + C退出。

颜色识别

APDS-9960的工作原理是：通过物体表面所反射的光线波长来读取颜色。为了与传感器通信，最好安装Arduino APDS9960库，该库可以访问一些有用的功能。

在代码中，首先初始化APDS-9960，然后程序进入循环功能，等待直到有颜色数据出现。如果有读数，则使用

APDS.readColor（）

以及与表面的接近程度来读取颜色。每个RGB分量都从0-2 ^ 16-1数转换为其值与总和的比率。

扫描仪

扫描叶子的颜色是通过在两个轴上移动装备以使叶子在车载APDS-9960下方经过的各个位置进行的。通过沿顺时针或逆时针方向旋转丝杠来移动每个轴，以使程序段沿任一方向平移。整个系统是在Fusion 360中设计的，下面是这些设计的一些渲染图：

X轴位于Y轴的顶部，从而使顶部程序段在两个轴上移动。Y轴上有一个附加的V轮，以支撑步进电机的重量。零件是使用PLA打印的，填充量约为45％。

收集数据

当系统首次启动时，步进电机是不知道它的初始位置的，因此我们必须进行原点复位，（可通过限位开关实现）。接下来初始化APDS-9960。有一个定义为两个元素的数组的边界框，它们包含一个框的相对角。在这两个位置之间选择一个随机点，然后将步进器运行到该位置，同时读取它们之间的颜色。

处理和发送颜色信息

如前所述，使用

APDS.readColor（）

来读取颜色。计算总和后，将计算百分比，然后通过调用

Serial.printf（）

的方法通过USB发送百分比。值用逗号分隔，每个读数用换行符分隔。数据转发器程序接收到数据后，会将其作为带有给定标签（健康或不健康）的训练数据发送到Edge Impulse云端。

训练模型

收集完所有训练数据后，就该建立一个可以区分健康叶子和不健康叶子的模型了。我使用了由三轴时间序列，频谱分析模块和Keras模块组成的脉冲。查看以下屏幕截图可以了解我如何从数据中生成这些功能：

测验

为了测试新模型，这次我收集了一些新的测试数据，这是不健康的。该模型的准确性约为63％，并且在通过一些测试功能后，能够在大多数时间正确地对叶子进行分类。

可以通过添加更多训练数据并减慢训练速度来提高此准确性。

代码

#include 《Arduino_APDS9960.h》#include 《AccelStepper.h》#include 《MultiStepper.h》#include “pinDefs.h” int r， g， b， c， p;

float sum;

AccelStepper xStepper（AccelStepper：：DRIVER， STEPPER_1_STEP， STEPPER_1_DIR）;

AccelStepper yStepper（AccelStepper：：DRIVER， STEPPER_2_STEP， STEPPER_2_DIR）;

MultiStepper steppers;// a random location will be chosen within the bounding box

const long boundingBox［2］［2］ = { {0，0}， {40，40}};

void setup（）{ Serial.begin（115200）; while（！Serial）;

if（！APDS.begin（）） { Serial.println（“Could not init APDS9960”）; while（1）; }

pinMode（X_AXIS_HOMING_SW， INPUT_PULLUP）; pinMode（Y_AXIS_HOMING_SW， INPUT_PULLUP）; //Serial.println（digitalRead（X_AXIS_HOMING_SW） + digitalRead（Y_AXIS_HOMING_SW））; xStepper.setPinsInverted（X_AXIS_DIR）; yStepper.setPinsInverted（Y_AXIS_DIR）; xStepper.setMaxSpeed（150）; yStepper.setMaxSpeed（150）; steppers.addStepper（xStepper）; steppers.addStepper（yStepper）; homeMotors（）;}

void loop（）{ long randomPos［2］; randomPos［0］ = random（boundingBox［0］［0］， boundingBox［1］［0］） * STEPS_PER_MM; randomPos［1］ = random（boundingBox［0］［1］， boundingBox［1］［1］） * STEPS_PER_MM; steppers.moveTo（randomPos）;

while（steppers.run（）） { if（！APDS.colorAvailable（） || ！APDS.proximityAvailable（））{} else { APDS.readColor（r， g， b， c）; sum = r + g + b; p = APDS.readProximity（）;

if（！p && c 》 10 && sum 》= 0） { float rr = r / sum， gr = g / sum， br = b / sum; Serial.printf（“%1.3f，%1.3f，%1.3f

”， rr， gr， br）; } } }}

void homeMotors（）{ // home x //Serial.println（“Now homing x”）; while（digitalRead（X_AXIS_HOMING_SW））

xStepper.move（-1）;

// home y //Serial.println（“Now homing y”）; while（digitalRead（Y_AXIS_HOMING_SW）） yStepper.move（-1）; xStepper.setCurrentPosition（0）; yStepper.setCurrentPosition（0）;}

原理图

原文标题：Arduino使用TinyML扫描植物的叶子确定植物的健康

文章出处：【微信公众号：FPGA入门到精通】欢迎添加关注！文章转载请注明出处。

责任编辑：haq