GreenGuardian Plant_Disease_Doctor

? Greenguardian Pflanzenerkrankungserkennungs -App

GreenGuardian ist eine Flutter -Anwendung, mit der Benutzer Anlagenkrankheiten identifizieren können, indem sie Bilder von Blättern von einer mobilen Kamera oder aus dem Speicher des Geräts scannen. Die App nutzt den Haar -Cascade -Algorithmus zur Bildverarbeitung und zur Erkennung von Krankheiten.

Merkmale

• ? Bildaufnahme: Benutzer können Bilder von Pflanzenblättern mit ihrer mobilen Kamera direkt aus der App aufnehmen.
• "Bildauswahl: Alternativ können Benutzer zur Analyse Bilder aus dem Speicher ihres Geräts auswählen.
• ? Erkennung von Krankheiten: Die App verwendet den Haar -Cascade -Algorithmus, um Krankheiten zu erkennen, die in den gescannten Blattbildern vorhanden sind.
• ? Ergebnisse Anzeige: Erkennete Krankheiten werden dem Benutzer zusammen mit relevanten Informationen wie möglichen Ursachen und vorgeschlagenen Rechtsmittel angezeigt.
• ? Benutzerfeedback: Benutzer können Feedback zur Genauigkeit der Erkennung von Krankheiten geben und dazu beitragen, die Leistung der App im Laufe der Zeit zu verbessern.

? Video Demo

Installation

Um Greenguardian zu verwenden, befolgen Sie die folgenden Schritte:

1. Klonen Sie dieses Repository in Ihre lokale Maschine.
2. Stellen Sie sicher, dass Sie Flattern installiert haben. Für Installationsanweisungen finden Sie in der Flutter -Dokumentation.
3. Navigieren Sie zum Projektverzeichnis und führen Sie flutter pub get Abhängigkeiten zu installieren.
4. Schließen Sie Ihr mobiles Gerät an oder richten Sie einen Emulator ein.
5. Führen Sie flutter run aus, um die App auf Ihrem Gerät oder Emulator zu starten.

Verwendung

Befolgen Sie nach der Installation diese Schritte, um die GreenGuardian App zu verwenden:

1. Starten Sie die App auf Ihrem Mobilgerät.
2. Wählen Sie mithilfe der Kamera ein Bild auf, oder wählen Sie ein Bild aus dem Speicher Ihres Geräts aus.
3. Nach der Auswahl eines Bildes verarbeitet die App sie mit dem Haar -Cascade -Algorithmus aus dem Haar, um alle vorhandenen Anlagenerkrankungen zu erkennen.
4. Zeigen Sie die auf dem Bildschirm angezeigten Ergebnisse an, einschließlich erkannter Krankheiten und verwandter Informationen.
5. Geben Sie falls gewünscht Feedback zur Genauigkeit der Erkennung.

Haar Cascade -Algorithmus

Der Haar Cascade-Algorithmus ist ein maschinelles Lernbasierter Ansatz, der für die Objekterkennung in Bildern verwendet wird. Es funktioniert, indem das Eingabebild in Graustufen konvertiert und dann eine Reihe von Operationen angewendet wird, um bestimmte Muster oder Merkmale im Bild zu identifizieren.

Wie es funktioniert

1. Feature-Auswahl: Haar-ähnliche Merkmale, die im Wesentlichen rechteckige Filter sind, werden verwendet, um Kanten, Zeilen und Texturen im Bild zu erkennen.

2. Integrales Bild: Um die Merkmale effizient zu berechnen, wird ein integriertes Bild aus dem ursprünglichen Graustufenbild berechnet. Dies ermöglicht eine schnelle Berechnung von Pixelsummen in jedem rechteckigen Bereich des Bildes.

3. Adaboost -Training: Der Algorithmus verwendet eine maschinelle Lerntechnik namens Adaboost, um eine kleine Anzahl wichtiger Merkmale aus einem großen Satz potenzieller Funktionen auszuwählen. Diese ausgewählten Merkmale werden dann kombiniert, um einen starken Klassifikator zu bilden.

4. Kaskadenklassifizierer: Der starke Klassifizierer wird als Kaskade schwacher Klassifizierer konstruiert, von denen jeder sich auf einen bestimmten Aspekt des zu erkennenden Objekts konzentriert. Diese Kaskadenstruktur ermöglicht eine effiziente Verarbeitung, indem sie Regionen des Bildes schnell ablehnen, die das Objekt wahrscheinlich nicht enthalten.

5. Erkennung von Schiebfenster: Der geschulte Kaskadenklassifizierer wird unter Verwendung eines Schiebungsfensteransatzes auf das Eingabebild angewendet. Der Klassifizierer wird über das Bild verschoben und bewertet jede Subregion, um festzustellen, ob das Interesse des Interesses enthält.

6. Schwellenwert und Erkennung: Jede Subregion wird basierend auf einem Schwellenwert bewertet, und wenn sie vergeht, wird sie als das Objekt eingestuft. Dieser Vorgang wird in mehreren Skalen wiederholt, um Objekte unterschiedlicher Größen innerhalb des Bildes zu erkennen.

Im Fall von GreenGuardian ist der Haar -Cascade -Algorithmus aus dem Haar geschult, um Muster zu erkennen, die mit verschiedenen Anlagenerkrankungen verbunden sind, sodass die App erkranker Krankheiten auf der Grundlage von Input -Blattbildern genau erfasst und diagnostiziert.

Der Haar -Cascade -Algorithmus, der üblicherweise in Objekterkennungsaufgaben verwendet wird, wird durch Konvertieren des Eingangsbildes in Graustufen und dann eine Reihe von Operationen angewendet, um bestimmte Muster oder Merkmale im Bild zu identifizieren. Diese Merkmale sind typischerweise Rechtecke unterschiedlicher Größen und Positionen.

Der Algorithmus weist jedem Pixel im Bild eine Binärzahl zu, basierend darauf, ob bestimmte Kriterien erfüllt, die durch die zu erfassten Muster definiert sind. Diese binäre Darstellung wird dann verwendet, um das Bild zu analysieren und Regionen zu identifizieren, die den gewünschten Mustern entsprechen.

Im Fall von GreenGuardian ist der Haar -Cascade -Algorithmus aus dem Haar geschult, um Muster zu erkennen, die mit verschiedenen Anlagenerkrankungen verbunden sind, sodass die App erkranker Krankheiten auf der Grundlage von Input -Blattbildern genau erfasst und diagnostiziert.

Beitragen

Beiträge zu Greenguardian sind willkommen! Wenn Sie einen Beitrag leisten möchten, befolgen Sie bitte die folgenden Schritte:

1. Geben Sie das Repository auf.
2. Erstellen Sie eine neue Filiale für Ihre Funktion oder Ihre Fehlerbehebung.
3. Nehmen Sie Ihre Änderungen vor und stellen Sie sicher, dass der Code dem Codierungsstil und den Konventionen des Projekts folgt.
4. Testen Sie Ihre Änderungen gründlich.
5. Beachten Sie Ihre Änderungen mit klaren und beschreibenden Festungsnachrichten.
6. Drücken Sie Ihre Änderungen in Ihre Gabel.
7. Senden Sie eine Pull -Anfrage an die develop des Hauptrepositorys.

Anerkennung

Die GreenGuardian App verwendet die folgenden Open-Source-Bibliotheken:

• Flutter: Ein UI -Toolkit zum Erstellen nativ kompilierter Anwendungen für Mobile, Web und Desktop von einer einzelnen Codebasis.
• Haar Cascade -Algorithmus: Ein effizienter Objekterkennungsalgorithmus, der in Computer Vision -Anwendungen verwendet wird.