聯繫我們
 課程時長 21 時間:

課程簡介

農業中的 TinyML 簡介

  • 理解 TinyML 的能力
  • 關鍵農業應用情境
  • 裝置端智慧的限制與優勢

硬體與感測器生態系統

  • 用於邊緣 AI 的微控制器
  • 常見農業感測器
  • 能源與連接性考量

數據收集與預處理

  • 現場數據採集方法
  • 清理感測器與環境數據
  • 邊緣模型的特徵提取

建立 TinyML 模型

  • 受限裝置的模型選擇
  • 訓練工作流程與驗證
  • 最佳化模型大小與效率

將模型部署至邊緣裝置

  • 使用 TensorFlow Lite 進行微控制器部署
  • 在硬體上閃爍與運行模型
  • 排除部署問題

智慧農業應用

  • 作物健康評估
  • 害蟲與病害偵測
  • 精準灌溉控制

IoT 整合與自動化

  • 將邊緣 AI 連接至農場管理平台
  • 事件驅動自動化
  • 即時監測工作流程

進階最佳化技術

  • 量化與剪枝策略
  • 電池最佳化方法
  • 大規模部署的可擴展架構

總結與後續步驟

最低要求

  • 熟悉 IoT 開發工作流程
  • 具備處理感測器數據的經驗
  • 對嵌入式 AI 概念有基本理解

適用對象

  • 農業科技工程師
  • IoT 開發者
  • AI 研究者

人數


每位參與者的報價

即將到來的課程

課程分類