Milan Maric, dir. S&T

Andjela Draganić , ETF

IoT in pest detection IoT u detekciji insekata

Pogresan timing , nekonzistentnot i kompleksnost pri manualnom

osmatranju insekata

Neadekvatana zastista usjeva koriscenjem pesticida

Reaction time to pest pressure is about 7 to 10 days

Klopka za insekte je instalirana u polju gdje automatski registruje stetocine I salje podatke putem mobilne mreze ili internet linije.

Trap is catching targeted insects

and takes picture of what was

caught in the trap. These

pictures are sent to the cloud/servers

Rjesenje

Trapview

Neke od štetočina u vinovoj lozi uhvaćene na Trapview zamci

Automatski Video zapis uhvaćenih insekata

Yellow squares which are show on the picture are result of our image recognition algorithm. With it, we identify targeted insects automatically.

Stručna revizija snimljenih insekata

Yellow squares which are show on the picture are result of our image recognition algorithm. With it, we identify targeted insects automatically.

TrapView Pest Monitoring System

• TrapView pest monitoring system is a platform that provides information about occupancy of traps distributed through the fields/orchards

• The system captures and uploads the images to the TrapView cloud, at daily basis and it is useful in cases when there is need for monitoring large areas

• Each TrapView camera has its own Public Key Cryptography Signature - PKCS

• Part of the PKCS is the serial number SN

In order to be able to detect which camera captured the observed image, the SN is embedded into the image

The SN embedding can be added to the standard TrapView system after image capturing

TrapView Pest Monitoring System

Serial

number

embedding

SN

SN

Experimental results

• The observed SN is in the hexadecimal form: 4C F9 DF CA

• The first step is hexadecimal to binary conversion: 0100 1100 1111 1001 1101 1111 1100 1010

• The next step assumes forming matrix from each bit in the sequence. This part of the procedure results in binary logo formation

• The logo is repeated 4 times prior it is embedded into the 4 bit planes (the coefficients of the image are represented with 8 bits).

Watermarked

50 100 150 200 250

50

100

150

200

250

50 100 150 200 250

50

100

150

200

250

The CS reconstructed image obtained

from 21% of the randomly selected

samples

•The obtained peak signal to noise ratio (PSNR) is 30.0082 dB,

which numerically proves satisfactory reconstruction quality

•We can conclude that the CS approach will not affect the process of

specimens counting

The logo extracted after the CS attack

Original

50 100 150 200 250

50

100

150

200

250

Watermarked

50 100 150 200 250

50

100

150

200

250

• In order to decrease the number of transmitted samples per image, as

well as to increase transmission and upload speed, only 21% of

randomly selected samples per image are chosen

• TV-based optimization is done at the receiver side and the image is

reconstructed

• After the optimization, the logo and SN are extracted

• The watermark does

not degrade the

image quality

Statistika koncentracije insekata

Not only that you have total number of insects on a specific day in the trap, the system is also automatically calculating how many new pets were caught on daily basis

Video prikaz uhvacenih insekata

Vrijednost za poljoprivrednike

Minimalni rizik od štetnog uticaja pesticida – optimalna mjera i timing. Bolje planiranje buduće zaštite zasnovano na sačuvanim podacima na specifičnoj lokaciji Minimalna rezistencija insekata na upotrijebljene pesticide

Rješenje prisutno u 40 zemalja širom svijeta. Više od 25 različitih insekata može biti detektovano. Koristi se kod različitih poljoprivrednih kultura: povrće, voće , kukuruz itd.

IoT nadzor je najbolja preventiva

za primjenu mjera zaštite od

štetočina.

Ali prenos velike količine podataka

putem mobilne mreže van urbane

sredine nije uvijek efikasan…

Compressive Sensing based

image processing in TrapView

pest monitoring system

Andjela Draganić ,

Elektrotehnički fakultet, Univerzitet Crne Gore

Istraživanje finansirano od strane CS-ICT projekta

New ICT Compressive Sensing

based trends applied to:

Multimedia, Biomedicine and

Communications – CS-ICT

Projekat je finansiran od strane Ministarstva nauke Crne Gore i kredita

Svjetske banke

PARTNERI

Faculty of Electrical Engineering, UoM

National Polytechnical Institute Grenoble (INP Grenoble)

ALPMEDIA, Slovenia & LTFE, University Ljubljana

S&T Montenegro

University of Pittsburgh

External collaborators (University of Ghent, Harbin Institute of

Technology, etc.)

• 26 istraživača aktivno

uključeno u projekat

• 6 PhD studenata

• 2 MSc studenta

• 2 postdoktoranda

Istraživači

• Prof. dr Srdjan Stanković – Rukovodilac

projekta

• Prof. dr Ljubiša Stanković

• Prof. dr Miloš Daković

• Prof. dr Budimir Lutovac

• Prof. dr Nedjeljko Lekić

• Prof. dr Irena Orović

• MSc Miloš Brajović

• MSc Andjela Draganić

• MSc Stefan Vujović

• MSc Maja Lakičević

• MSc Isidora Stanković

• Dipl. ing. Željko Vujović

Univerzitet Crne Gore:

• Prof. Cornel Ioana

• Dr. Gabriel Vasile

• Prof. Jocelyn Chanussot

• Dr. Cindy Bernard

• Dr. Ion Candel

• Roze Mazari

• Emile Devillers

• Prof. dr Janez Bešter

• Dr. Matevž Pogačnik

• Dr. Jože Guna

• MSc Rok Žurbi

INP Grenoble:

Univerzitet Ljubljana:

ALPMEDIA:

• Dipl. ing. Ljubomir Pasinović

S&T:

• Dipl. ing. Milan Marić

Formirana je CS istraživačka laboratorija na

Univerzitetu Crne Gore (Elektrotehnički fakultet):

Laboratorija za kompresivno odabiranje i napredne

tehnologije

CILJ: kao jedina laboratorija u regionu koja se bavi

CS-om u ovom trenutku, možemo delovati kao

glavni regionalni centar za postizanje naučnih

rezultata i izradu softverskih proizvoda u ovoj

oblasti

Laboratorija za obradu

signala

Laboratorija za

multimedijalne signale i

sisteme

Razvoj novih algoritama i primjena u

realnim aplikacijama

CILJEVI PROJEKTA:

• Istraživanje i inovacione aktivnosti

• Razvoj novih CS algoritama

• Publikacije u SCI časopisima i učešće na

konferencijama

• Formiranje regionalnog centra za CS

Razvijeno je više algoritama za rekonstrukciju

signala, koji imaju poboljšane performanse u

odnosu na postojeće algoritme, kraće vrijeme

izvršavanja i robustnost na šumove

Rekonstrukcija

oštećenih video

frejmova korišćenjem

CS algoritama

• U nastavku:

• „Problemi“ kod TrapView sistema

• Compressive Sensing pristup za rekonstrukciju slika kojima fali informacija/piksela

• Primjena Compressive Sensing pristupa u TrapView sistemu

• Neki eksperimentalni rezultati

• Cilj1 : Smanjenje veličine slike koja se snima

TrapView kamerom

• Cilj 2 : Watermarking slike korišćenjem digitalnog

sertifikata radi 100% autentikacije i autentičnosti

• Compressive Sensing: Smanjenje

broja piksela koje je potrebno

prenijeti mrežom, uz zadrzavanje

informacije od značaja

• Rekonstrukcija slike na prijemu

primjenom algoritama Compressive

Sensing-a

• Važno je očuvati što je moguće bolji kvalitet

slike, u cilju minimizacije greške prilikom

brojanja insekata na slici, koji su se uhvatili u

zamku

• Compressive Sensing (kompresivno

odabiranje) - CS, je Intenzivno razvijan

metod poslednjih godina

• Razvijeni su algoritmi koji obezbjeđuju

prikupljanje odbiraka signala na sasvim

slučajan način

Omogućena je rekonstrukcija signala sa velikom tačnošću

iz značajno manjeg broja odbiraka, nego što je to

zahtijevao dosadašnji pristup, baziran na teoremi o

odabiranju

• Redukcija količine

podataka tokom

procesa odabiranja

• smanjenje

memorijskih resursa

neophodnih za čuvanje

odbiraka signala

• smanjenje vremena

prikupljanja podataka

i obrade signala

•Watermarking slike kamere

korišćenjem dig. sertifikata

• Autentikacija izvora

•Autentičnost sadržaja

•100 % Rekonstrukcija izvora

i sadržaja slike na prijemu

CS:

Eksperimentalni rezultati

Polazna slika

Originalna

• Broj piksela koje uzimamo –

od oko 3% do oko 40% od

ukupnog broja piksela u slici

Rekonstruisana 2Rekonstruisana 2

Rekonstruisana Xlptv Rekonstruisana 2 Rekonstruisana Xp Rekonstruisana Xp30.14% 39.67% 2.7% 10.68% 15% 21%

• Kvalitet rekonstuisanih slika je testiran vizuelno, i mjerenjem

peak signal to noise ratio (PSNR)

• Rekonstruisane slike iz smanjenog broja piksela:

Hvala na pažnji, pitanja ?