器材及材料
模型船主體:LEGO 組件、塑膠水瓶、索帶
電路系統:micro:bit、IoT 擴展板、Arduino UNO、感應器(顏色感應器、GPS 感應器)、伺服馬達、變速馬達、電線、電池盒、電池、太陽能板、外置充電器
實驗材料:數粒
探究過程
建構模型船
我們首先思考「海洋保衞隊」模型船的運作模式,考慮它需要包含哪些組件來達成目標;另外也考慮到如何增加它的浮力,使它能夠在水面上正常運作。就這兩個問題,我們分別構思了船的設計圖和運作流程圖,以整理我們的設計思路。我們認為船體的核心需要包含輸送帶,使收集於模型船中的垃圾能夠運到船上的收集區;另外也需要一個可調節角度的隧道組件,當辨識垃圾的類別後,便會把垃圾分類運送到船的收集區中不同類別的回收桶內,以進行垃圾分類,或把誤捕入船中的海洋生物放回海洋中。
圖 1:船的運作流程構思
圖 2:船的初始設計圖
圖 3:船的內部結構圖
圖 4:第一代模型船。以大型塑膠水瓶作為瓶身的主要設計,並用膠杯作為廢物分類籃。
圖 5:第二代模型船。以 LEGO 拼砌整艘模型船的支架。
編寫感應器的測試程式
要達到預期自動化的分類及地理位置訊息收集效果,我們利用了 micro:bit 開發板作為我們系統的核心。在建立系統前,我們就各個感應器的感測功能及相應的輸出元件進行測試,以獲取數據調整編程,期望感應器能在模型船中發揮我們需要的作用。
推進馬達(推進船隻航行)
我們期望模型船能以自動巡航的方式移動。然而,為了更有效進行垃圾收集及分類的測試,我們在模型船的編程上加入遙控模型船的指令。我們分別編寫了遙控器的程式來操控船後兩側的推進馬達,因此利用了兩塊 micro:bit 之間的廣播功能來實現遙控效果。
圖 6:遙控器(控制推進馬達)程式
圖 7:推進馬達程式
顏色感應器及伺服馬達(垃圾分類隧道)
我們期望模型船能透過人工智能進行垃圾分類。然而,訓練人工智能分類需要大量資料來建立數據庫,所以我們在這次的模型中使用了透過「垃圾」顏色分類的方式,類比現實中分類垃圾的情形。
我們以數粒模擬現實情境中的各類垃圾。我們假設紅色的數粒代表現實中的「海洋生物」,因此紅色數粒會放歸「海洋」中;藍色和綠色的數粒則分別代表不同類型的垃圾,因此藍色和綠色數粒和分別落入運輸帶兩則的分類籃中。編寫程式後,我們會把不同顏色的數粒放到運輸帶上,看看能否達到預期中的分類效果。
圖 8:顏色感應器及伺服馬達(垃圾分類隧道)程式
GPS 感應器
為了收集垃圾分佈的數據,我們期望在模型船上加裝 GPS 感應器,用以記錄收集垃圾時模型船所在的位置。
完成編程後,我們會記錄 GPS 感應器的數據,並與我實際所作的位置作對比。
圖 9:GPS 感應器程式 (Arduino)
物聯網
在 GPS 感應器記錄垃圾收集的位置後,我們期望把這些位置訊息發送到互聯網上,以對每次收集垃圾的位置作詳盡的記錄。在收集一定數量的位置訊息後,我們便可以把這些數據轉換成地圖,以顯示垃圾分佈的情況。
圖 10:物聯網程式,以顏色感應器偵測到綠色數粒為例
測試紀錄及結果
在完成編寫的測試程式後,我們便着手進行測試。以下是測試紀錄:
推進馬達(推進船隻航行)
我們透過兩個推進馬達來控制船隻的航行。
測試結果證實,透過控制兩個推進馬達同時啟動或單獨啟動,能夠實現模型船前進、左轉或右轉等不同推進效果,達到我們預期的移動方式。
表 1:推進馬達的測試結果
垃圾分類(顏色感應器及伺服馬達)
我們以不同顏色的數粒類比現實生活中的海洋生物和垃圾種類,以模擬模型船在進行垃圾分類時能否進行正確的分類。
測試結果證實,不同顏色的數粒均按預期落入相應的垃圾分類槽,或「放歸大海」,可見顏色感應器能夠正確判斷數粒的顏色,伺服馬達亦能按顏色感應器的結果調整分類隧道的方享,使分類結果符合我們的預期。由此可見,若果現實中給予充足的培訓予人工智能,人工智能的確能透過鏡頭判辨的收集的是「海洋生物」還是「垃圾」,更可就「垃圾」進行分類,達到垃圾收集及分類一體化的效果,提升垃圾處理的成效。
表 2:垃圾分類的測試結果
GPS 感應器及物聯網
我們對 GPS 感應器進行測試及嘗試把 GPS 位置數據傳送至 micro:bit 以透過 IoT 擴展板上載數據時,發現以下問題:
1. 感應器顯示的座標偏移嚴重,未能反映感應器實際所處的位置;
2. 未能有效連接 Arduino UNO 及 micro:bit 的 IoT 擴展板,使 GPS 感應器獲取的地理位置數據傳送到互聯網上。
由於 Arduino 編程技術要求較高,我們經多次嘗試仍未能解決連接問題;而 GPS 感應器所獲得的座標數據也有欠精準,無法透過公式化的處理來解決誤差問題,因此我們在最終的模型船設計中並沒有加入 GPS 感應器,但仍保留了透過物聯網技術上載座標用的相關 micro:bit 程序(參考圖 10),期望日後我們的編程技術有所提升時,可以真正把座標數據用作垃圾污點分析上。有關的座標數據可以透過「Google My Maps」的技術,把所記錄的座標逐點記錄於地圖上,協助我們分析海洋垃圾黑點。
圖 11:GPS 感應器測試實況
表 3:GPS 感應器的測試結果
圖 12:模擬透過「Google My Maps」製作垃圾黑點分析地圖的情況。不同類型的垃圾以不同顏色的地圖標記顯示,透過觀索標記的密集程度,便可以得知何處的海洋垃圾污染問題較嚴重。
最終程式設計
圖 13:遙控器最終程式設計
圖 14:模型船主控板最終程式設計