docs: add agriculture.md article (rus/eng) (#297)

* add agriculture.md

* add photos for agriculture.md

* Update agriculture.md

Add photos and fixed code.

* Update agriculture.md

Changed the name and the content of the article.

* Add agriculture.md at SUMMARY.md

* Update agriculture.md

Fixed indentation errors.

* Update agriculture.md

Fixed text bugs.

* Create the English version of agriculture.md

* Update agriculture.md

Fixed English.

* Add agriculture.md to SUMMARY.md (eng)

* Delete field.png

* Delete field2.png

* Update pictures for agriculture.md

* Update links to images in agriculture.md

* Update links to images in agriculture.md

* Delete field.jpg

* Delete field2.jpg

* Add update photo at agriculture.md

* Update ugriculture.md

* Update agriculture.md

* Update agriculture.md

* Update agriculture.md

Fixed text bugs.

* Update ugriculture.md

Fixed text bugs.

* Update agriculture.md

Fixed text bugs.

* Update agriculture.md

Updated the article according to the recommendations.

* Update agriculture.md

Updated the article according to the recommendations.

docs/ru/SUMMARY.md

@@ -119,6 +119,7 @@
   * [Блочный конструктор полета](clever_blocks.md)
   * [Калибровка камеры (legacy)](camera_calib.md)
   * [Управление дроном для оценки позы человека](human_pose_estimation_drone_control.md)
+  * [Распознавание видов агрокультур](agriculture.md)
 
 ## Учебник
 

docs/ru/agriculture.md

@@ -0,0 +1,147 @@
+# Распознавание видов агрокультур в массовом сельском производстве
+
+## Введение
+
+Современное сельское хозяйство во многих странах превращается в один из ярких примеров быстрого и успешного внедрения новых технологий. Беспилотные летательные аппараты способны выполнять широкий круг задач, среди которых мониторинг сельскохозяйственных угодий сегодня стал уже почти привычным инструментом повышения эффективности сельских хозяйств. Целью моего проекта является написание кода для распознавания видов агрокультур в массовом сельском производстве. В дальнейшем из результатов распознавания можно спроектировать карту посевных площадей.
+
+## Мониторинг
+
+В сельском хозяйстве мониторинг необходим для получения информации о состоянии угодий и посевов. Фермеры или специалисты могут по результатам мониторинга понять, нормально ли всходят культуры, есть ли угроза со стороны сорняков и/или насекомых – вредителей, какова степень увлажненности отдельных участков или целых площадей и т.д.
+
+## Объяснение кода
+
+Подключаем библиотеки:
+
+```python
+import rospy
+import cv2
+from sensor_msgs.msg import Image
+from cv_bridge import CvBridge
+import numpy as np
+```
+
+Создаём некоторые переменные:
+
+```python
+rospy.init_node('computer_vision_sample')
+
+bridge = CvBridge()
+
+color = 'undefined'
+shape = 'undefined'
+culture = ""
+```
+
+Для реализации алгоритмов компьютерного зрения рекомендуется использовать предустановленную на образ Клевера библиотеку OpenCV.
+ Создаём подписчика на топик с изображением с основной камеры для обработки с использованием OpenCV:
+
+```python
+def image_colback_color(data):
+    global color, shape
+
+    cv_image = bridge.imgmsg_to_cv2(data, 'bgr8') # OpenCV image
+    img_hsv = cv2.cvtColor(cv_image, cv2.COLOR_BGR2HSV) #[118:119,158:159]
+
+    #detected color
+    #print(img_hsv[0][0])
+```
+
+Каждая культура имеет свой неповторимый оттенок(пшеница- золотистая, гречиха - светло-коричневая).
+
+<img src="../assets/field.jpg" width="75%">
+<img src="../assets/field2.jpg" width="75%">
+
+Прописываем диапазоны цветов для определённых культур:
+
+```python
+#пшеница
+yellow_orange_low = (38, 110, 150)
+yellow_orange_high= (52, 110, 150)
+
+#гречиха
+brown_low = (23, 50, 50)
+brown_high= (37, 50, 50)
+
+yellow_orange_mask = cv2.inRange(img_hsv, yellow_orange_low, yellow_orange_high)
+brown_mask = cv2.inRange(img_hsv, brown_low, brown_high)
+
+if yellow_orange_mask[119][159] == 255:
+    shape = shape_recog(yellow_orange_mask)
+
+elif brown_mask[119][159] == 255:
+    shape = shape_recog(brown_mask)
+
+else:
+    shape = 'undefined'
+    color = 'undefined' 
+
+if shape = 'brown':
+    culture = "greshiha"
+if shape = 'yellow_orange':
+    culture = "pshenitsa"
+
+image_sub = rospy.Subscriber('main_camera/image_raw', Image, image_colback_color)
+```
+
+Скрипт будет занимать 100% процессора. Для искусственного замедления работы скрипта можно запустить throttling кадров с камеры, например, в 5 Гц (`main_camera.launch`):
+
+```xml
+<node pkg="topic_tools" name="cam_throttle" type="throttle" args="messages main_camera/image_raw 5.0 main_camera/image_raw_throttled"/>
+```
+
+Топик для подписчика в этом случае необходимо поменять на: `main_camera/image_raw_throttled`.
+
+```python
+print (culture)
+while not rospy.is_shutdown():
+    print("color: {}".format(color))
+    print("shape: {}".format(shape))
+    rospy.sleep(0.2) 
+```
+
+Данная программа будет определять культуру по её оттенку. Для повышения точности определения можно использовать больше цветовых диапазонов и дрон сможет распознавать большее колличество культур.
+
+Вот примеры цветовых диапазонов:
+
+```python
+red_low1 = (0, 110, 150)
+red_high1 = (7, 255, 255)
+
+red_low2 = (172, 110, 150)
+red_high2 = (180, 255, 255)
+
+red_orange_low = (8, 110, 150)
+red_orange_high = (22, 110, 150)
+
+orange_low = (23, 110, 150)
+orange_high = (37, 110, 150)
+
+yellow_orange_low = (38, 110, 150)
+yellow_orange_high = (52, 110, 150)
+
+yellow_low = (53, 150, 150)
+yellow_high = (67, 255, 255)
+
+yellow_green_low = (68, 150, 150)
+yellow_green_high = (82, 255, 255)
+
+green_low = (83, 150, 150)
+green_high = (97, 255, 255)
+
+blue_green_low = (98, 150, 150)
+blue_green_high = (113, 255, 255)
+
+blue_low = (114, 150, 150)
+blue_high = (127, 255, 255)
+
+blue_violet_low = (128, 150, 150)
+blue_violet_high = (142, 255, 255)
+
+violet_low = (143, 150, 150)
+violet_high = (157, 255, 255)
+
+red_violet_low = (158, 150, 150)
+red_violet_hugh = (171, 255, 255) 
+```
+
+Обратите внимание, что для красного цвета используется два диапазона т. к. красный цвет находится на границах цветового пространства HSV.