readme_ru.md

EN | RU

Сортировщик и маркирователь фотографий по матричному коду

Автоматическое распознавание растений на фотографии по двухмерному коду (Дата Матрице), организация фотографий растений, а также маркирование фотографий информацией о данном растении: род, вид, возраст и т.д. Удобный инструмент для ботаников и коллекционеров растений.

• Введение
• Описание
• Логика приложения
• Источники данных
  • Источники фотографий
  • Источник справочной информации
    • CSV-файл
    • XLSX-файл
• Детектирование и декодирование
• Организация файлов фотографий
• Интерфейс программы
• Примеры результатов
• Создание меток
• FAQ

Введение

Это некоммерческий проект с открытым исходным кодом. Автор этого проекта является любителем в выращивании суккулентов и мечтает об автоматизации рутинных процессов учета и систематизации информации о растениях, чтобы облегчить жизнь, а также популяризировать мирное хобби по выращиванию растений, в особенности мезембов (Аизовых)

Описание

Если вы изучаете или коллекционируете растения или просто являетесь любителем-энтузиастом, то почти наверняка ваш телефон и жесткий диск компьютера содержат тысячи фотографий растений. Это понятно, потому что вы фотографируете растения не только в особые моменты его жизни, например в период цветения, но и просто так, на регулярной освное, чтобы отслеживать развитие данного растения. И все попытки организовать эту кучу фотографий обычно заканчиваются неудачно.

Другой трудемкой задачей является хранении информации о растении. Пластиковая табличка с минимальной информацей и excel-файл (или амбарная книга) - традиционно используемые инструменты. Поддержка такой системы учета требует много сил, при этом большие риски, связанными с человеческим фактором.

Автоматически распознаваемые таблички могут помочь решить обе эти проблемы. Дата Матрица - это как QR-код, только меньше по размеру, который содрежит только уникальный номер растения. Табличку с Дата Матрицей очень просто сделать самостоятельно: распечтать, вырезать и заламинировать, один раз для всех ваших растений. Преимущества таких табличек:

• автоматическое распознавание растения или нескольких растений на фотографии;
• автоматическая маркировка фотографий информацией об изображенном растении (имя, возраст, источник семян и т.д.);
• автоматическая организация фотографий в индивидуальные папки растений;
• благодаря однотипности и одинаковому размеру бирок - аккуратный и организованный внешний вид вашей коллекции;
• точность идентификации: бирка может также содержать в себе информацию в человеко-понятном виде;
• автомтизация изготовления бирок.

Логика приложения

Предлагаются следующие шаги:

1. Пользователь (любитель растени) делает столько фотографий, сколько он хочет.
2. Приложение анализирует все эти фотографии, пытаясь найти на них Дата Матрицу и распознать расетние.
3. Имя растения, возраст и др. информация наносится на изображенрие фотографии.
4. Обновленный файл фотографии сохраняется в индивидуальную папку данного растения.

По прошествию какого-то количества времени накопятся новые фотографии и цикл повторится. В результате пользователь получит все свои фотографии, маркированные и организованные в отдельные папки полностью автоматически.

Более детальны алгоритм работе представлен на логической схеме.

Источники данных

Приложение использует два вида входных данных:

• изображение - фотографий растений;
• текст - справочная информация о растениях: род, вид, дата посева и т.д.

Источники фотографий

В текущей версии фотографии могут быть доставлены в приложение тремя способами:

1. Расположить файлы фотографий в папку INPUT в корневой директории приложений. Приложение их проанализирует (попытается распознать растения на фото) и, в зависимости от результата, переместит файлы в папку Successful или Unsuccessful.
2. Добавить путь (или несколько путей) к директории с фотографиями в файл input_paths.txt. Приложение проанализирует все фотографии по указанным путям в режиме только чтение.
3. Фото растений, не имеющих матриц данных либо имеющих, но не декодированных, могут вручную помещены непосредственно в папку нужного растения, подпапку LABEL_REQURED. Такие фотографии будут также обработаны, т.е. на них будут нанесена информация о тех растениях, в папку которых они были размещены.

Источник справочной информации

• В текущей версии справочная информация может быть получена из csv-файла. Которые в свою очередь может быть легко получен из таблицы Excel, наверняка у вас уже имеющейся.
• В плане разработки также стоит возможность получать информацию из облачных офисных приложены, таких как Google Spreadsheet.

CSV-файл

Основные требования к csv-файлу:

• корректные имена заголовков в первой строке;
• заполненный столбец UID (могут быть сгенерированы автоматически).

Использование таких простых форматов (а не использование баз данных, например) позволяет получить данные как через приложение, так и стандартными средствами (текстовый редактор, редактор электорнных таблиц). Тем не менее, есть много неудобств при редактировании csv-файла. Вероятно, использование данного формата носит временный характер.

XLSX-файл

Локальный XLSX-файл, онлайн таблица (например, Goolge Spreadsheet) будут поддерживаться в следующих релизах.

Детектирование и декодирование

Существует три вероятных сценария, связанных с обнаружением матрицы данных и ее декодированием:

1. Фото имеет матрицу данных, которая была успешно обнаружена и декодирована.
2. Фото имеет матрицу данных, но по каким-то причинам она не была обнаружена или декодированиа или была обнаружена но не была декодирована или была обнаружена и декодирована, но данный не были найдены в базе данных.
3. Фото не имеет матрицу данных.

Для случаем 2 и 3 возможно ручное размещение фотографии в папке требуемого растения подпапке LABEL_REQURED. См. пункт Источники фотографий.

Организация файлов фотографий

Первым этапом после запуска приложения явлется актуализация (или создание, если запуск выполняется впервые) папочной структуры. Выходная папочная структура в точности соответствует структуре базы данных и содержит индивидуальную директорию для каждого растения. Имя папки содержит UID и имя растения (род, вид и т.д.). Если вы случайно удалите папку какого-то растения или всю структуру, то они будут вновь созданы при следующем запуске (но не их содержимое!).

Папка каждого растения также содержит подпапку с именем LABEL_REQURED, в которую можно поместить вручную распознанные фотографии для нанесения лейбла.

Интерфейс программы

Вот пример, как выглядит главное окно программы:

Примеры результатов

• Результирующее фото вручную распознанного растения:

• Результирующее фото автоматически распознанного растения:

• Результирующее фото с несколькими растениями, распознанными автоматически:

Создание меток

PDF-макет с метками может быть сгенерирован для последующей печати и ламинации. Следующие шаги описывают технологию ручного изготовления износоусточивых меток:

• распечатать PDF-файл;
• вырезать метки;
• заламинировать метки используя настолько толстую ламинирующую плёнку, какую только можно купить;
• ламинируя следует оставлять минимальный зазор 2-4 мм между метками, чтобы обеспечить герметичность;
• вырезать заламинированные метки;
• сделать косой срез со стороны, которая будет втыкаться в субстрат.

Генератор макета уже внедрен в текущий релиз.

FAQ

Q: Будет ли это на Windows / Mac?

Т.к. всё написано на python, то теоретически - да. Но с большой долей вероятности для кроссплатформенной работы потребуется какой-то рефакторинг. Если вы являетесь пользователем Windows / Mac, вы может поучаствовать в проекте, хотя бы как тестировщик.

Q: Какой код содержит матрица данных на метках?

Только UID - уникальный идентификатор, состоящий из 6 (или более) цифр. Вся остальная информация получается из базы данных по UID.

Q: Где взять модель для нейросети?

Просто попросите меня любым способом. Она не секретная, просто слишком объемная, чтобы хранить ее на GitHub.