廖少峰 劉晗 伍敏靜

項目簡介

項目核心問題為“如何便捷、智能地測量土壤濕度，為現(xiàn)代智慧農(nóng)業(yè)生產(chǎn)提供便利？如何根據(jù)采集到的作物生長環(huán)境數(shù)據(jù)，智能地進行決策，為農(nóng)民解憂？”引導(dǎo)學(xué)生圍繞2 個核心問題，開展項目式學(xué)習(xí)活動，協(xié)助學(xué)生實現(xiàn)深層次學(xué)習(xí)，促進學(xué)科核心素養(yǎng)發(fā)展和高階思維技能形成。本項目的學(xué)科核心概念及認知目標見圖1。

項目規(guī)劃

基于學(xué)生的認知水平，找到能與廣東科技出版社《信息技術(shù)》5 年級下冊第6 課《物聯(lián)網(wǎng)》結(jié)合的生長點，確定項目式學(xué)習(xí)主題——AI 助力豆苗種植；圍繞“現(xiàn)狀與創(chuàng)意—探索與創(chuàng)新—交流與反思”主線引導(dǎo)學(xué)生實施項目。

項目目標

問題解決

通過思考、自主設(shè)計、小組討論，讓創(chuàng)意在“批判”與“接受”的過程中實現(xiàn)。

創(chuàng)造物化

了解“智慧農(nóng)業(yè)”基礎(chǔ)性、常識性知識；掌握設(shè)計草圖繪制、掌控板、物聯(lián)網(wǎng)（SIoT）、開源硬件編程、機器學(xué)習(xí)等相關(guān)技術(shù)；完成活動內(nèi)容和作品；完成科學(xué)記錄。

責(zé)任擔(dān)當(dāng)

遵守活動現(xiàn)場紀律，合理安排活動秩序，尊重他人想法，學(xué)會用更好的方式與人交流。

價值體認

學(xué)生積極參加科技體驗活動，體驗創(chuàng)意的樂趣，收獲快樂的創(chuàng)客體驗。

項目實施

自制土壤濕度信息采集裝置

土壤濕度信息采集裝置的設(shè)計與制作

①構(gòu)思與設(shè)計。小組圍繞項目核心問題“如何便捷、智能地測量土壤濕度”展開討論：需要什么工具、材料、軟件，并根據(jù)討論結(jié)果，繪制設(shè)計圖、線路圖等，同時準備工具、材料。②添加物聯(lián)網(wǎng)擴展、編寫程序。在Mind+ 擴展模塊添加主控板、掌控板，網(wǎng)絡(luò)服務(wù)添加MQTT、Wi-Fi。學(xué)生通過編寫程序，實現(xiàn)土壤濕度傳感器數(shù)據(jù)實時上傳物聯(lián)網(wǎng)SIoT 平臺，同時，掌控板OLED 屏幕顯示種子發(fā)芽實驗，A、B 杯實時顯示濕度數(shù)值。

種子萌發(fā)實驗

①篩選種子。選取顆粒飽滿的綠豆種子，先浸泡1 天，為發(fā)芽作準備。②設(shè)置對比實驗的條件。將土倒入塑料杯，貼上標簽，每個杯子倒入不同量的水?dāng)嚢杈鶆?，并放?4 顆綠豆種子。③安裝土壤濕度傳感器并校準。在教師的指導(dǎo)下，學(xué)生通過調(diào)整土壤濕度傳感器插入土壤的深度，并反復(fù)測試向土壤倒入不同水量（200 mL、100 mL、50 mL）后的土壤濕度讀數(shù)，并調(diào)整裝置，提高土壤濕度檢測的準確率。④監(jiān)測土壤濕度。向A 杯倒入1 杯水，B 杯倒入1/3 杯水，觀察并記錄掌控板顯示的數(shù)值。2 ～ 3 天后，查看綠豆種子是否發(fā)芽。

數(shù)據(jù)收集與歸納

①采集土壤濕度數(shù)據(jù)。在教師指導(dǎo)下，學(xué)生啟動SIoT物聯(lián)網(wǎng)平臺，查看設(shè)備列表：A 杯土壤濕度，點擊查看消息，顯示圖表，以點線圖的方式實時刷新信息，在窗口觀察A 杯土壤濕度傳感器采集的數(shù)值。用同樣的方法觀察B杯土壤濕度傳感器采集的數(shù)值。②導(dǎo)出實驗數(shù)據(jù)。完成數(shù)據(jù)測量后導(dǎo)出結(jié)果，并下載至電腦。③整理、分析實驗數(shù)據(jù)。學(xué)生利用Excel 表格預(yù)測種子發(fā)芽率高的土壤濕度范圍，并得出結(jié)論：相同環(huán)境下，土壤濕度不同，種子發(fā)芽率不同，隨著發(fā)芽數(shù)量增多，土壤濕度快速降低。

分享與交流

①土壤濕度檢測裝置功能演示。學(xué)生以小組為單位，用討論會或展覽的形式，展示、分享作品。小組分工可包括但不限于PPT 制作組、解說組、產(chǎn)品組及外聯(lián)組等。②開展作品的問卷調(diào)查。學(xué)生在展示分享作品過程中，通過填寫調(diào)查問卷，包括有哪些不足需要改正、哪些地方可用不同的方法實現(xiàn)、哪些地方很滿意等，進一步發(fā)現(xiàn)本組作品的優(yōu)點和不足。

機器學(xué)習(xí)和ID3 算法助力豆苗種植

預(yù)測出種子發(fā)芽率高的土壤濕度范圍，只成功了一半，豆苗生長還受多種因素影響，比如蟲害、溫度、陽光等。因此，學(xué)生將在教師的指導(dǎo)下利用Mind+ 機器學(xué)習(xí)，讓電腦攝像頭識別豆苗長勢，并作好KNN 分類。當(dāng)AI 檢測到豆苗長勢不佳時，電腦便根據(jù)實時采集到的各種數(shù)據(jù)（土壤濕度、溫度、光照等），運用ID3 算法，幫助菜農(nóng)及時作出科學(xué)決策。

采集數(shù)據(jù)

①土壤濕度傳感器通過模擬引腳把實時濕度數(shù)據(jù)傳送給掌控板。同時，通過編程，掌控板將實時濕度數(shù)據(jù)上傳物聯(lián)網(wǎng)SIOT 平臺，以便進行土壤濕度的實時遠程監(jiān)測。②通過Mind+ 擴展中的“獲取天氣”服務(wù)，實時采集氣溫等天氣數(shù)據(jù)。③通過USB 攝像頭實時采集豆苗圖像（為Mind+ 提供KNN 分類訓(xùn)練，判斷豆苗的生長狀態(tài)）。

數(shù)據(jù)標注

①在Mind+ 編程平臺中，通過建立各種變量標注所采集的數(shù)據(jù)，如濕度、溫度、天晴、多云等。②通過KNN圖片分類，實現(xiàn)對豆苗長勢的數(shù)據(jù)標注，如長勢良好、長勢一般、長勢差、有蟲害，將攝像頭拍攝到的豆苗狀態(tài)變成計算機能識別的信息。

機器學(xué)習(xí)

學(xué)生通過“喂圖片數(shù)據(jù)”，讓Mind+ 進行機器學(xué)習(xí)，為Mind+ 提供KNN 分類訓(xùn)練，判斷豆苗的生長狀態(tài)。

推理決策

①通過采集各種土壤樣本濕度信息，并對照各土壤的綠豆發(fā)芽率，得出最適合綠豆發(fā)芽的土壤濕度。②在種植豆苗過程中，通過對豆苗生長狀態(tài)、土壤濕度、天氣等數(shù)據(jù)進行處理，利用ID3 算法（決策樹）為勞動者提供種植綠豆芽的智能決策。③在教師指導(dǎo)下，學(xué)生了解了ID3 算法，最終采用Mind+ 自帶的AI 擴展——ML5 機器學(xué)習(xí)，讓機器反復(fù)學(xué)習(xí)不同長勢的豆苗圖片（1 000 多張），力求達到僅用1 個USB 攝像頭連接電腦就能準確判斷豆苗長勢的效果。④為了進一步驗證技術(shù)方案的可靠性，學(xué)生開展了對比實驗，準備4 盆豆苗（非圖片）：正常、有蟲害、缺水、缺光照，讓電腦識別各豆苗的生長狀態(tài)。結(jié)果表明，機器學(xué)習(xí)和ID3 算法識別豆苗長勢比較準確，能為農(nóng)民提供較為科學(xué)的決策指導(dǎo)。

項目評價

活動過程中及完成后， 對學(xué)生的表現(xiàn)進行評價， 以衡量項目的實施效果。評價采取自評、小組互評、過程性評價、結(jié)果性評價等多種評價方法相結(jié)合的方式進行。