農業実践的ラボ演習では、PBL形式の課題解決授業及び必要な実習課題を行う。本PBLの主テーマとして、現在の農業分野における課題を設定する。
座学において学んだ人工知能技術，画像処理技術について、農業を題材として演習する。農業用ハウスにIoTデバイスを設置し、環境情報を取得する。
科目一覧
Smart Agriculture Laboratory
人工知能と画像処理を用いた農業PBL
スマート農業ラボ
| 担当講師 | 石井 和男、亀井 圭史、眞田 篤、武村 泰範（九州工業大学）、柳本 利也（福岡県立遠賀高等学校） |
|---|---|
| 分類 | ラボ |
| 授業形態 | 対面 |
| 時数 | 16コマ |
| 時間数 | 24時間 |
| 到達目標 | 農業へのIoTデバイスの導入，センシング技術，AIの利用方法、を理解し、環境情報を取得できるようになる。 |
| 難易度 | ★★ |
| 分野別難易度 | データ：★ Python：★ IoT：★ 画像処理：★ 機械学習：★ 深層学習：★ ※履修モデルならコース内で学習できます。 ※画像処理、機械学習、深層学習はあまり深く理解していなくても受けられます。 |
| 履修上の注意 | この科目は「スマート農業モデル」のラボ科目です。 同モデルの事前学習科目はこちら（推奨科目） ・Python入門 ・データ基礎 ・統計基礎 すでに上記いずれかを習得済の方へのおすすめ（取替可） ・IoT概論 ・画像処理 ・機械学習 その他 C言語，Pythonなどのプログラム経験があることを前提とする。 |
| 授業計画 ・内容 |
1. 農業分野へのロボット導入 2. 農業における人工知能の可能性 3. 人工知能演習1：Python入門 4. 人工知能演習2：学習データの前処理（Numpy） 5. 人工知能演習3：ディープラーニング認識器 6. 人工知能演習4：時系列予測器，自己組織化マップ 7. 画像処理1：画像処理プログラムの開発環境, 画像処理の基礎 8. 画像処理2：色（カラー，グレースケール，2値）と色空間（RGB，HSV） 9. 画像処理3：物体のカウント（ラベリング，重心） 10. 画像処理4：物体の検出（テンプレートマッチング） 11. PBL演習1：農業分野の課題に関するブレインストーミング 12. PBL演習2：農業用ハウスIoT実習 13. PBL演習3：農業用ハウスIoT実習 14. PBL演習4：農業用ハウスIoT実習 15. PBL演習5：農業用ハウスIoT実習 16. 成果発表 |
| 事前・事後学習 の内容 |
復習を欠かさないようにしてください。 |
| 成績評価の 方法 |
授業ごとの課題やレポートの提出状況とPBL課題実践演習により総合的に判断を行う。 |
| 教科書 ・参考書等 |
講義毎に配付する。 |
| キーワード | 農業、IoT、機械学習、ロボティクス、画像処理、信号処理 |