FarmBot Taiwan User Group-FBTUG 造訪社團

MakerPRO 夥伴加持報導的文章。感謝！

哈爸

發現了夥伴寫的 FarmBot 繼續修正聚 紀錄

請參考：
https://hadad.hackpad.com/FarmBot--Ip4PxpVVLCA

哈爸

繼試做 Mini-FarmBot, 持續來給 UTM(Universal Tool Mount) 部分推進。

喜獲 iCShop 贊助 UTM 相關列印件兩份，讓相關研發能夠順利展開。

目前兩份預計留在核心團隊，讓有需要的人可以取得使用！

附圖為開箱照片。

感謝 iCShop 給予支持 http://www.icshop.com.tw/

哈爸

最精彩(難搞)的部分，NDVI 影像校正挖坑+推坑

目前NDVI相機大概研究的差不多了，基礎的NDVI影像計算也已經知道方法，下一步要做甚麼研究呢？對！沒錯就是NIR+B 或是NIR+R 影像的校正。

為何讓不同時間取得的影像可以互相比對,，要解決兩件事情。

1. 圖片與圖片之間的對位
2. 不同時間拍攝的反射校正

第1點我大概已經有概念，後續再跟各位報告。第2點是這樣的:

為什麼需要校正呢？因為NDVI 指標的計算，是由下面公式來的NDVI = (NIR - VIS) /(NIR+ VIS) ,其中的VIS 是BLUE channel 或是 RED channel 。
不過因為每天的日照強度並不一樣，所以即使是相機的設定一模一樣，拍攝的時間，角度，物體都一模一樣，也會取得不一樣的計算數值。

所以就需要進行raw data的校正，這樣不同狀況下取得的NDVI才可以進行比對。

下面這個連結是Public Lab裡面有個搞遙測的大哥最近的一個校正結論，他做了一連串的實驗而且是遙測出身的，真的很感謝他的研究紀錄，也希望有朋友一起來研究這段。

這張圖片可以解釋一些CMOS/CCD 感測器的特性，還有我們如何取得不同組合的NDVI觀察組合，如NIR+Blue / NIR + Red 。

之前一直有一個問題，如果是使用NIR + Blue 當作計算NDVI的來源，那就要使用NIR + BLUE 的濾鏡。

所以那資料的時候就從原本RGB 3 channel 的RED channel 去拿NIR的資料，去Blue channel 那Blue 資料。

但是，如果選用NIR + RED 濾鏡的時候，那要怎麼取資料呢？留給大家想一下。。。

https://publiclab.org/…/06-30-2…/automating-ndvi-calibration

NIR-GB相片分析, 並與實際的NDVI假色圖比較。

右上方是計算出的NDVI值, 左上方分別是NIR-GB原圖及標準的假色圖, 下方三張是拆解表示為高中低NDVI的三個區域(紅>黃>綠)。此部份我是用color space方式來作, 與假色圖比較後, 發現還挺接近的, 因此並沒有依據標準的NDVI假色圖作法.

程式中thRED2, thYELLOW2, thGREEN2 這三個值可調整紅黃綠的敏感度.

我不確定這種作法是否OK, 程式放在https://github.com/ch-tseng/image-NDVI 給大家參考,未來我會整理好後, 再統一放到Farmbot git .

開源農業實驗提案，讓我們歡迎第二個提案草稿上傳

FR-03: 土壤含水率對種子出土率之影響
提案夥伴： Yungming Yeh

還在等待說明影片的到來，先邀請熟悉農業的夥伴，針對實驗設計做討論。

工程團隊也可以先評估。
提醒 4/8 前是互相討論，反饋修正的時候，提案可以隨時修改。

哈爸

[5/7(日) 機器視覺講座] 有同好要一起來嗎 :-)

隨著實驗設計的展開，我們需要設計與實驗研究專用的系統

請參考：
FTBUG-研究專用系統
https://hadad.hackpad.com/FTBUG--QmmEmU7A1rs

FBTUG-開源農業實驗提案系統分析
https://hadad.hackpad.com/FBTUG--huTjvrsZTyX

目前都是非常原始的草稿，歡迎大家自入補充與設計。
有問題，建議也歡迎提出。

哈爸

FYI

舉例來說，美國一家新創公司已運用AI發展一項可與專門除雜草的清潔機器人媲美的產品，可掛接在曳引機上，利用感測器檢測出害蟲和雜草，然後噴灑農藥；也可在開過一片田地時，以每分鐘5,000株速度對菜苗拍照，並透過演算法及機器視覺判斷每株植物是生菜還是雜草，以執行不同的動作，大幅提升農耕效率

PS: 大家合力的研究，一直在往對的方向前進！