VIP20
本课程属于：044-TinyML智慧农业与环境监测项目 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

1. TinyML智慧农业项目：环境监测、病害识别与本地决策

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
TinyML在智慧农业中的价值 · 课程目标 · 学习路径与项目总览
课程导入TinyML
02
智慧农业基础
环境监测要素（温湿度 · 光照 · 土壤湿度等）
智慧农业基础环境监测要素
03
TinyML核心概念
嵌入式机器学习 · 模型压缩 · 量化
TinyML核心概念
04
硬件平台选型
Arduino Nano 33 BL… · ESP32 · Raspberry Pi Pico等…
硬件平台选型Arduino
05
传感器接口与数据采集
I2C · SPI · UART等通信协议
传感器接口数据采集
06
数据预处理
数据清洗 · 归一化 · 特征提取
数据预处理数据清洗
07
环境监测模型设计
基于TinyML的温湿度预测 · 土壤湿度分类等简单回归/分类模型构建
环境监测模型设计TinyML
08
病害识别数据集构建
公开数据集（如PlantVillag… · 数据标注 · 类别平衡与数据划分
病害识别数据集构…PlantVillag
09
卷积神经网络基础
CNN结构 · 卷积层 · 池化层
卷积神经网络基础CNN
10
模型训练与优化
使用TensorFlow Lite… · Edge Impulse等工具训练模… · 并应用量化感知训练
模型训练优化
11
模型转换与部署
将训练好的模型转换为TensorFl… · 并部署到微控制器上
模型转换部署
12
本地决策逻辑
基于传感器数据和模型输出 · 设计阈值判断 · 状态机或简单规则引擎实现本地决策
本地决策逻辑基于传感器数据
13
案例实战
环境监测系统——实时采集温湿度 · 光照 · 并在本地判断是否需灌溉或通风
案例实战环境监测系统
14
案例实战
作物病害识别——使用摄像头或图像输入 · 在边缘设备上运行CNN模型进行病害分…
案例实战作物病害识别
15
案例实战
综合项目——结合环境监测与病害识别 · 实现自动预警与决策（如喷药 · 报警）
案例实战综合项目
16
模型性能评估
准确率 · 召回率 · F1分数
模型性能评估准确率
17
功耗与资源优化
电池供电设计 · 低功耗模式 · 模型推理频率优化
功耗资源优化
18
常见问题与调试
传感器数据噪声 · 模型过拟合 · 部署后精度下降
常见问题调试
19
边缘计算与云协同
本地决策与云端分析的结合 · 数据上传策略 · 以及离线与在线模式切换
边缘计算云协同
20
TinyML工具链详解
Edge Impulse · TensorFlow Lite Mi… · Arduino IDE
TinyML工具链详解
21
模型压缩进阶
8位量化 · 混合量化 · 权重聚类
模型压缩进阶8位量化
22
多传感器融合
融合温度 · 湿度 · 光照
多传感器融合融合温度
23
时间序列与预测
使用LSTM或简单RNN在TinyM… · 如霜冻预警
时间序列预测
24
图像预处理与嵌入式视觉
图像缩放 · 裁剪 · 颜色空间转换
图像预处理嵌入式视觉
25
项目部署与测试
在真实农田或温室中部署系统 · 进行长期运行测试 · 收集反馈并迭代优化
项目部署测试
26
安全性与可靠性
数据加密 · 模型鲁棒性 · 传感器故障检测与冗余设计
安全性可靠性
27
成本与可扩展性
硬件成本分析 · 多节点部署 · LoRa/WiFi通信组网
成本可扩展性
28
综合提升
从单一项目到产品化 · 考虑用户界面 · 远程监控
综合提升从单一项目到产品…
29
课程总结
回顾核心知识点 · 项目经验 · 以及TinyML在智慧农业中的未来趋…
课程总结回顾核心知识点
30
结业项目
独立完成一个完整的TinyML智慧农… · 包括环境监测 · 病害识别与本地决策
结业项目TinyML