【拓可思】微型農場AI應用教學整合方案

參賽團隊名稱：拓可思

構想動機

本專案主要利用拓可思本身所製作的Farmie智慧農場載具、搭配ESP32的鏡頭將智慧農場所感測的數據回傳至雲端，因即時的邊緣運算需求較低，這邊運用 Intel DevCloud 來達成機器學習(Machine Learning) 為主題的種植實驗教學過程。

還記得小時候我們在教室學習到如何種植植物，了解陽光、空氣、土壤對植物生命的重要性，並運用測驗紙一天一天記錄著環境與植物成長的過程。在實驗中我們了解到什麼是環境的控制變因、操作變因等元素(Input)來進行簡單的實驗設計，利用統計圖表來呈現植物成長的狀態及趨勢(Output)，在其中尋找關聯性。這邊試圖引導學生利用機器學習的方式，來找到最佳解及最佳方案，從中也可以學習AI推論的簡單基礎。

使用的軟硬體如下:
• 硬體載具: 拓可思Farmie智慧農場
• 影像監控元件: ESP32
• 硬體模式設定: TarkusVP或Arduino IDE
• 影像辨識推論: Intel DevCloud

硬體載具

本案設計的小實驗主要使用Farmie智慧農場載具，並且在拓可思自家專利TarkusVP設定介面可以直接設定燈號、馬達、生長燈及風扇等動力模式，以及許多感測器接收數據的流程方式。同時ESP32作為監控模組也完成相對應的功能設計。若具有Arduino基礎的同學們，可以直接在Arduino IDE的介面下進行程式設計，同時拓可思使用的開源硬體都可以從官網上的資料搜尋到各元件所使用的PIN腳定義，並且以UART的方式與ESP32模組進行指令連接與數據對傳。

載具上程式流程的基礎設定邏輯主要在於調整ESP32拍照辨識的頻率與回傳智慧農場的感測器數值，並透過已經預先燒錄至ESP32的設定作為媒介連結雲端數據庫，將數據導入Intel DevCloud進行辨識並將推論結果回傳。

來看看如何做出來的：

 

第一階段、模型建立

我們先將預定種植的植物實地探訪拍照的方式，或在網路上搜尋相關照片，透過雲端網路預載圖片至Intel DevCloud建立學習的模型，使模型在Intel DevCloud上能夠對觀察的對象順利進行標記，並判斷所在的位置。

第二階段、模型優化

透過實驗的設計，我們將所標記的對象加上每天的環境因素(空氣溫溼度、土讓濕度、日照時間)與機器干預行為(空氣調節、澆灌行為、生長燈調節) 作為模型輸入的元素，與植物生長每天的狀態差異(成色、面積大小)的表現來做比對，實驗結果將透過訓練模型得到機器學習的結果，在不同的環境因素下所需要的最佳化機器干預行為。

下圖中右側為App的原型截圖，將所有機器進行簡單的分組，在每一天相同的環境之下，每一台機器所使用的機器干預行為(空氣調節、澆灌行為、生長燈調節)都設定做不同的模式，模式的流程設定可由TarkusVP進行流程調整或Arduino IDE進行程式設定。

第三階段、實驗觀察 – 交給機器來種植吧！

依照機器學習的訓練模型結果來調節機器本身的干預行為，並比較不同環境生長的因素下，觀察植物生長的變化，在教學模式及教學過程的考量下，我們可以從四個季節性的花卉來挑選主題，進行種植的觀察。

下圖中右側為App的原型截圖，每一個種植的機器都能產生統計報表及最佳化模式建議，嘗試用當下環境數據中，所推論的最佳化機器運作模式來種植。

團隊介紹

拓可思科創研發致力於軟體與硬體整合的教學方案，打造出能讓孩子在幼小時培養出好的邏輯思考能力，也堅信這是未來的指標教育。公司目標為在未來的三年能把機器人以至於AI的程式學習地圖、結合EA-清華STEAM學校的批判性思考(Critical Thinking)、合作學習(Cooperative Learning)、與創造力(Creativity)同時具有國際視野的教學模式，帶領至歐美及東南亞，成為國際化的教學方案。

Farmie法米農場為資訊與生活科技的教學載具，推展出食農為題材的STEAM課程。結合科技智能元件的方式，透過動手組合與流程設計的邏輯思考訓練，實現以食農為課程主題出發的多元學習方案。結合電子科學套件，一步一步實現AIoT概念的體驗課程。讓學生理解電腦如何與生活結合，體驗科技的基礎知識與原理，為一套符合STEAM教育框架的國中課程。

 

團隊里程碑：
2019 香港HKEDA教育發展協會榮譽理事與戰略合作夥伴
2020 臺灣創新發明博覽會TIE創新發明獎-銀牌獎
2021 資策會創新學習中心 HolonIQ 選拔入選2021 TAIWAN EDTECH智慧學習產業夥伴
2021 APICTA亞太資通訊競賽入圍
2022 科技部 & TTA 科技新創StartupProgram 美國全球CES展