• ID : Détruire par laser (ceux des petits découpage lasers)  les frelon asiatiques qui patrouillent devant les ruches et détruisent les colonies abeilles.

Principe / ID :

• => Flux Vidéo
• => Reconnaissance des frelons => Position (2D ? 3D?) , direction, vitesse,
• => Calcul des trajectoires et interception => calcul direction => Positionnement (Miroirs?) = visée + déclenchement tir laser.
  • Commande par Raspberry ? / + Arduino ?

• Acquisition et prétraitement flux vidéo => OpenCV  https://opencv.org/
• Reconnaissance image : Tensorflow => https://www.tensorflow.org/overview
• Reconnaissance / training set in CASCADE   Cf références ci dessous (Model training : Haar ou bien LBP (Local Binary Patern)
  • *** https://docs.opencv.org/4.x/dc/d88/tutorial_traincascade.html ***

Références :

• ****** https://thedatafrog.com/fr/articles/human-detection-video/ ***
• ***Training a Cascade Classifier – OpenCV Object Detection in Games #8 **  https://m.youtube.com/watch?v=XrCAvs9AePM ****
• ***** *********

Budget Matériel : 300 à 400€

• Laser : 500Mw Model FA02 (?) 12V Wave length 405 nm => 150€ environ : utilisé pour gravure bois (les frelons ça doit le faire / les ailes en particulier)
• Raspberry Pi => Logiciel embarqué (Linux => Python ) + commande + caméra
  • Modèle : Raspberry Pi 4 Modèle B 4 Go ARM-Cortex-A72 4 x 1,50 GHz, 4 Go de RAM, WLAN-AC, Bluetooth 5, LAN, 4 x USB, 2 x Micro HDMI
    • Amazon : 200€

Pour le démarrage : Commencer plus simple que du tir automatique avec un « Fusil » laser => Reconnaissance cible => Calcul direction et trajectoire interception pour assister le tir

Filtrer couleur : (le jaune par exemple)

import cv2
import numpy as np
 
cap = cv2.VideoCapture(0)
 
while(1):
    _, frame = cap.read()
    # It converts the BGR color space of image to HSV color space
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
     
    # Threshold of blue in HSV space
    lower_blue = np.array([60, 35, 140])
    upper_blue = np.array([180, 255, 255])
 
    # preparing the mask to overlay
    mask = cv2.inRange(hsv, lower_blue, upper_blue)
     
    # The black region in the mask has the value of 0,
    # so when multiplied with original image removes all non-blue regions
    result = cv2.bitwise_and(frame, frame, mask = mask)
 
    cv2.imshow('frame', frame)
    cv2.imshow('mask', mask)
    cv2.imshow('result', result)
     
    cv2.waitKey(0)
 
cv2.destroyAllWindows()
cap.release()