学生的 FarmBeats

如今的服务器场看起来更像智能城市。 种植人员正在使用现代技术(如传感器、计算机视觉和人工智能)获取完备的农作物视图。 这些方法可帮助他们做出更好的决策、发现效率低下之处,并解锁有关改善食品生产的新见解。 FarmBeats for Students 课程将这些现代工具引入当今的学习者中。

此课程将价格低廉的硬件套件与课程和活动相结合,旨在让学生亲身体验将精准农业技术应用于粮食生产。 通过使用传感器数组,学生可以在 Excel 中流式传输和分析数据。 借助 Lobe.ai,他们可以构建、训练和应用机器学习模型,跟踪和告知植物运行状况。 让学生设置代理,并使用设定的大数据集工作。 借助学习进度,学生可以轻松查看这些现代农业工具之间的联系,以及其中的机会。

学生参与体验

使用面向学生的 FarmBeats,学生通过构建花园监视系统来了解 AI机器学习,和 物联网(IoT)。 他们组装了一个装有大气和环境传感器的树莓派,以了解其种子的运行状况、分析数据并做出决策。 学生建立的物联网设备连接到自定义的 Excel 工作簿,使用 Excel 数据流程序 收集实时数据。 使用 Lobe.ai,向学生介绍建立他们自己的机器学习模型,应用此技术来预测他们植物的营养不足,并识别花园中的害虫。 此课程最后介绍了一个 重要的人工智能框架,让学生了解参与到这项新技术所面临的一些社会和道德挑战中。

五个课程计划和活动旨在遵循 AI4K12 的 AI 教育准则 和五大理念。

使用 FarmBeats for Students 工具包的学生照片。

全面的教师资源

课程概念和成绩目标是与非常重要的教育标准相一致。 内容包括详细的 20 天时间表、硬件生成说明、学生活动指南、示例问题和答案、农业和技术教师笔记,以及 PowerPoint 演示文稿。

显示 FarmBeats for Students 入门步骤的图形。1. 浏览传感器工具包。将环境传感器连接到 Raspberry Pi 4。2. 下载免费课堂材料。使用符合标准的 AI、ML 和数据科学资源集合。3. 了解如何使用现代工具。使用数据流式传输器将实时数据从传感器流式传输到 Excel。将 Lobe 用于无代码 ML 模型。4. 深入了解你的花园。利用你学到的知识来改善种植条件和作物产量。

第一大理念:感知

学生使用树莓派和传感器数组构建自己的 IoT 设备。

课程内容

  • FBFS 演示文稿简介
  • 感知演示文稿
  • 活动 1:浇水决策传感器
  • 活动 2:生长优化传感器

获取第 1 课

农田里的农具照片。

第二大理念:表示形式和推理

学生创建一个 AI 代理来通知他们土壤湿度水平。

课程内容

  • 表示形式和推理演示文稿
  • 活动 1:构造 AI 代理
  • 活动 2:计算生长度单位(GDU)

获取第 2 课

显示建筑间互联网连接的智慧城市照片。

第三大理念:学习

学生使用 ML 模型来识别植物中的养分缺乏。

课程内容

  • 学习演示文稿
  • 活动 1:大数据分析
  • 活动 2:营养缺乏的 ML 模型

获取第 3 课

机器人手把方形钉子插进洞里的照片。

第四大理念:自然交互

学生使用 AI Lobe 识别自己花园中的害虫。

课程内容

  • 自然交互演示文稿
  • 活动 1:园林害虫的 ML 模型

获取第 4 课

机器人手采摘西红柿的照片。

第五大理念:社会影响

学生了解 AI 如何影响他们及其周围的世界。

课程内容

  • 社会影响演示文稿
  • FBFS 结论演示文稿

获取第 5 课

机器人手握平衡秤的照片。

获取与 FarmBeats for Students 课程计划配合使用的课堂准备工具包

可供购买

带有连接到笔记本电脑的传感器的 FarmBeats for Students 工具包插图。

教师资源