OpenMV Cam: กล้อง AI ขนาดเล็ก
📷 OpenMV Cam
เป็นกล้องอัจฉริยะขนาดเล็กที่รวมเซ็นเซอร์ภาพ ไมโครคอนโทรลเลอร์ และซอฟต์แวร์ประมวลผลภาพเข้าไว้ด้วยกัน ทำให้สามารถทำงาน Computer Vision ได้โดยไม่ต้องเชื่อมต่อกับคอมพิวเตอร์
คุณสมบัติเด่นของ OpenMV Cam
ขนาดเล็ก
ประมาณ 45 × 36 มม. น้ำหนักเพียง 16 กรัม
ประหยัดพลังงาน
ใช้ไฟเพียง 250 mA ที่ 5V สามารถทำงานด้วยแบตเตอรี่ได้หลายชั่วโมง
ประมวลผลในตัว
มีไมโครคอนโทรลเลอร์ STM32 ความเร็วสูงในตัว
หน่วยความจำ
มี RAM 512KB และ Flash 2MB สำหรับเก็บโค้ดและภาพ
พอร์ตเชื่อมต่อ
มี GPIO, I2C, SPI, UART สำหรับเชื่อมต่อกับเซ็นเซอร์และอุปกรณ์อื่นๆ
เลนส์หลากหลาย
สามารถเปลี่ยนเลนส์ได้ตามความต้องการ เช่น มุมกว้าง มุมแคบ หรือเลนส์แบบปรับโฟกัส
รุ่นยอดนิยมของ OpenMV Cam
🚀 OpenMV Cam H7
รุ่นล่าสุด ประสิทธิภาพสูงสุด เหมาะสำหรับงานซับซ้อน
⚖️ OpenMV Cam M7
รุ่นกลาง ราคาประหยัดกว่า เหมาะสำหรับผู้เริ่มต้น
💰 OpenMV Cam M4
รุ่นประหยัด เหมาะสำหรับงานพื้นฐาน
MicroPython: Python สำหรับไมโครคอนโทรลเลอร์
🐍 MicroPython
เป็นเวอร์ชันย่อส่วนของ Python ที่ออกแบบมาสำหรับอุปกรณ์ที่มีทรัพยากรจำกัด ทำให้การเขียนโค้ด Computer Vision เป็นเรื่องง่าย แม้สำหรับผู้ที่ไม่มีพื้นฐานการเขียนโปรแกรมมาก่อน
ข้อดีของ MicroPython
เรียนรู้ง่าย
ไวยากรณ์เหมือน Python ที่เป็นมิตรกับผู้เริ่มต้น
พัฒนาเร็ว
ไม่ต้อง compile สามารถรันโค้ดได้ทันที
ไลบรารีครบ
มีฟังก์ชัน Computer Vision พร้อมใช้งาน
Debug ง่าย
สามารถทดสอบและแก้ไขโค้ดได้แบบ real-time
📝 ตัวอย่างโค้ด MicroPython พื้นฐาน
import sensor, image, time
# ตั้งค่ากล้อง
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.skip_frames(time = 2000)
# วนลูปถ่ายภาพ
while(True):
img = sensor.snapshot()
print("ถ่ายภาพแล้ว!")ฟังก์ชันพื้นฐานของ OpenMV
การตั้งค่ากล้องและถ่ายภาพ
📷 sensor.reset()
รีเซ็ตกล้องให้กลับสู่สถานะเริ่มต้น
🎨 sensor.set_pixformat()
กำหนดรูปแบบสี เช่น RGB565, GRAYSCALE
📐 sensor.set_framesize()
กำหนดขนาดภาพ เช่น QVGA (320x240), VGA (640x480)
📸 sensor.snapshot()
ถ่ายภาพและส่งคืนเป็น image object
การประมวลผลภาพพื้นฐาน
🔄 img.to_grayscale()
แปลงภาพเป็นขาวดำ
🌫️ img.gaussian()
ลดสั�ญาณรบกวนด้วย Gaussian filter
📐 img.find_edges()
ตรวจจับขอบในภาพ
🔍 img.binary()
แปลงเป็นภาพ binary (ขาว-ดำ)
การตรวจจับสี: หัวใจของการวินิจฉัยโรคพืช
การตรวจจับสีเป็นฟังก์ชันที่สำคัญที่สุดสำหรับการวินิจฉัยโรคพืช เนื่องจากโรคส่วนใหญ่แสดงอาการผ่านการเปลี่ยนแปลงสีของใบ
การกำหนดช่วงสี (Color Thresholding)
📝 ตัวอย่างการตรวจจับใบเหลือง
import sensor, image, time
# ตั้งค่ากล้อง
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.skip_frames(time = 2000)
# กำหนดช่วงสีเหลือง (LAB color space)
yellow_threshold = (65, 100, -10, 10, 15, 45)
while(True):
img = sensor.snapshot()
# หาพื้นที่สีเหลือง
blobs = img.find_blobs([yellow_threshold],
pixels_threshold=200,
area_threshold=200)
# วาดกรอบรอบพื้นที่ที่พบ
for blob in blobs:
img.draw_rectangle(blob.rect())
img.draw_cross(blob.cx(), blob.cy())
print("พบใบเหลือง! พื้นที่:", blob.area())การใช้งานจริงในสวนทุเรียน
ตรวจจับใบเหลือง
บ่งชี้การขาดธาตุไนโตรเจนหรือการแก่ตัวผิดปกติ
ตรวจจับจุดสีน้ำตาล
อาจเป็นโรคใบไหม้หรือการติดเชื้อรา
ตรวจจับจุดดำ
บ่งชี้โรคใบจุดดำหรือการติดเชื้อแบคทีเรีย
ประเมินความเขียว
วัดระดับคลอโรฟิลล์และสุขภาพใบ
การประยุกต์ใช้ในสวนทุเรียน
เครื่องตรวจสุขภาพใบแบบพกพา
- OpenMV Cam ติดตั้งในกล่องกันน้ำ
- แบตเตอรี่ลิเธียมสำหรับใช้งานทั้งวัน
- จอ LCD แสดงผลการวินิจฉัยทันที
- บันทึกข้อมูลลง SD card
กล้องติดโดรนสำหรับสำรวจสวน
- น้ำหนักเบา ไม่กระทบการบินของโดรน
- ประมวลผลภาพขณะบิน
- ส่งสัญญาณเตือนเมื่อพบพื้นที่ผิดปกติ
- สร้างแผนที่สีแสดงสุขภาพต้นไม้
ระบบตรวจสอบอัตโนมัติ 24 ชั่วโมง
- ติดตั้งประจำที่ในจุดสำคัญของสวน
- ถ่ายภาพและวิเคราะห์ทุก 30 นาที
- ส่งแจ้งเตือนผ่าน WiFi เมื่อพบปัญหา
- ทำงานด้วยพลังงานแสงอาทิตย์
เครื่องนับและคัดแยกผลทุเรียน
- ติดตั้งบนสายพานลำเลียง
- นับจำนวนผลและวัดขนาดอัตโนมัติ
- คัดแยกตามเกรดคุณภาพ
- บันทึกสถิติการผลิตรายวัน
การเริ่มต้นใช้งาน OpenMV
เตรียมอุปกรณ์
- OpenMV Cam (แนะนำ M7 สำหรับผู้เริ่มต้น)
- สาย USB micro สำหรับเชื่อมต่อคอมพิวเตอร์
- MicroSD card (ถ้าต้องการเก็บภาพ)
ติดตั้งซอฟต์แวร์
- ดาวน์โหลด OpenMV IDE จาก openmv.io
- ติดตั้งและเชื่อมต่อกับ OpenMV Cam
- อัปเดต firmware ให้เป็นเวอร์ชันล่าสุด
ทดลองโค้ดตัวอย่าง
- เริ่มจากตัวอย่างใน OpenMV IDE
- ลองปรับค่าพารามิเตอร์ต่างๆ
- ทดสอบกับใบทุเรียนจริง
พัฒนาโครงการของตนเอง
- กำหนดปัญหาที่ต้องการแก้ไข
- ออกแบบระบบและเขียนโค้ด
- ทดสอบและปรับปรุงในสภาพแวดล้อมจริง
💡 เคล็ดลับสำหรับผู้เริ่มต้น
- เริ่มง่ายๆ: ทดลองตรวจจับสีก่อน แล้วค่อยไปสู่งานซับซ้อน
- ใช้แสงที่เหมาะสม: แสงธรรมชาติหรือ LED สีขาวให้ผลลัพธ์ที่ดีที่สุด
- เก็บข้อมูลตัวอย่าง: ถ่ายภาพใบทุเรียนในสภาวะต่างๆ เพื่อปรับแต่งพารามิเตอร์
- เข้าร่วมชุมชน: ฟอรัม OpenMV มีผู้เชี่ยวชาญคอยช่วยเหลือ
🎯 สรุป
OpenMV Cam เป็นเครื่องมือที่ทรงพลังสำหรับนำ Computer Vision ไปใช้ในสวนทุเรียน ด้วยขนาดเล็ก ใช้งานง่าย และราคาไม่แพง ทำให้เกษตรกรสามารถเข้าถึงเทคโนโลยีขั้นสูงได้อย่างง่ายดาย