Образовательный набор "ИИ-питомник для животных и растений" М1 ЙоТик 32 - изучение искусственного интеллекта, компьютерного зрения и автоматизации.
Набор предназначен для изучения базовых концепций искусственного интеллекта (AI), технологий компьютерного зрения и автоматизации в сфере растениеводства и животноводства. Комплект является важным элементом оснащения школьных IT- и агроклассов.
Соответствует 838 приказу:
2.22.12. Образовательный набор для изучения технологий связи и концепции сети передачи данных между физическими объектами, IoT
2.22.24. Комплект технического зрения
Как работает набор:
Набор помогает развивать навыки обучения нейросетей, программирования, конструирования и проектирования автоматизированных систем. Процесс нагляден: камера фиксирует фигурки животных, обученная модель распознаёт их, а контроллер «ЙоТик 32» управляет исполнительными механизмами — например, меняет цвет RGB-подсветки или открывает калитку с сервоприводом. Благодаря этому учащиеся осваивают всю технологическую цепочку: объект → камера → распознавание → команда → действие.
Возможность подключения дополнительных датчиков и исполнительных устройств позволяет масштабировать проекты, расширяя знания школьников в области ИИ и интернета вещей (IoT).
Комплект поддерживает программирование как в блочной, так и в текстовой средах (MGBot AI и IoTik Studio), что обеспечивает сквозное обучение кодированию — от начального до продвинутого уровня.
Решаемые учебные задачи:
1.Сборка, программирование и управление робототехнической системой:
- распознавание объектов с помощью камеры MGB-CAM и контроллера «ЙоТик 32»;
- графическая и текстовая визуализация данных, мониторинг состояния питомника;
- настройка цвета и яркости встроенной RGB-подсветки;
- управление калиткой с помощью сервопривода;
- настройка оповещений о внештатных ситуациях (ошибки распознавания, низкий уровень уверенности модели и др.);
- сбор данных с лазерного датчика расстояния и интеграция в алгоритмы автоматического управления питомником.
2.Создание собственных алгоритмов питомника и систем управления:
- распознавание объектов (животных и растений);
- изучение уверенности предсказания системы (confidence);
- настройка порогов принятия решения и разбор ложных срабатываний;
- проверка устойчивости модели к изменению ракурса, масштаба, фона и освещения;
- учёт расстояния до объекта с помощью датчика расстояния;
- сравнение подходов к созданию моделей YOLO и FOMO;
- разбор архитектур локального и серверного AI.
Исследование и обучение моделей компьютерного зрения:
- демонстрация камере знакомых моделей-фигурок и наблюдение за результатами распознавания;
- проверка причин ошибок ИИ: изменение расстояния, ракурса, положения в кадре, освещения, фона или частичное закрытие объекта;
- обучение собственных моделей: сбор изображений, распределение по классам и проверка на новых примерах;
- формирование размеченного датасета, обучение модели компьютерного зрения и проведение инференса на изображениях с MGB-CAM;
- проведение инженерных испытаний: сравнение результатов опытов, поиск причин ошибок и улучшение работы системы.
Применение для подготовки к конкурсам:
Номинация «АгроСмарт» всероссийского конкурса «АгроНТРИ»;
Международный фестиваль «РобоФинист»;
Номинация «АгроТех» Национальной технологической олимпиады «Иннагрика».
Применение: школьные IT- и агроклассы, центры развития, STEM-кружки, подготовка к конкурсам и олимпиадам.
