回收 PC 上的智慧水耕農場：來自 UTM 與 AeroGreen Asia 的實地筆記
在任何感測器或人工智慧進駐之前，我們拆解並清洗了馬來西亞工藝大學的一個水耕農場。這是AeroGreen Asia專案的實地記錄：感測器、ESP32和繼電器將如何運作它，為什麼一台沒有GPU的舊i7電腦足以應付其人工智慧模型，以及28盞植物生長燈的耗電量。
- 專案
- 馬來西亞工藝大學 (UTM) 的物聯網智慧水耕系統
- 公司
- AeroGreen Asia (艾科綠)。老闆：Teo Choon Yee。簡報中還有：Eric
- 團隊
- Ma Liwei、Tan Bing Yan、Mohammed Ali Kareem Al-deen 和 Sean Seah，以及 Teo Choon Yee，如 AeroGreen Asia 的貼文中所述
- 簡報
- 2026 年 10 月 15 日星期四，晚上 7:30–9:00，在 Sutera Utama 的 Tea Garden 親自進行
- 現場日
- 2026 年 10 月 25 日星期日，上午 10:00–下午 4:00，在 UTM
- 狀態
- 進行中。下一步：在 UTM 校園實驗室進行配置
AeroGreen Asia 正在將馬來西亞工藝大學 (UTM) 的傳統水耕系統轉變為智慧系統，並由包括我在內的實習生團隊協助。這篇貼文涵蓋了前兩個步驟：2026 年 10 月 15 日的專案簡報，我在那裡選擇了這個專案；以及 10 月 25 日的現場日，我們拆解、清潔並重新組裝了系統。
這張資訊圖表在一頁中總結了整個專案。其後的章節將解釋每個部分，並附有當天的照片。
此部分使用的術語
- 水耕栽培
- 無土種植植物。根部從營養液中吸收水分和養分。
- 精準農業
- 透過測量進行耕作：感測器和數據決定何時澆水、施肥或照明植物，而不是固定的例行程序或猜測。
- ESP32
- 一款來自樂鑫（Espressif）的小型廉價微控制器開發板，內建 Wi-Fi 和藍牙，常用於物聯網專案中的感測器讀取。
- 繼電器
- 一種電氣開關，可以透過微弱的訊號（例如來自 ESP32 的訊號）來開啟和關閉，因此微型電路板可以控制使用市電的幫浦或燈。
- Google Gemma
- Google 推出的一系列輕量級開源 AI 模型，可以在您自己的硬體上運行，包括沒有顯示卡的電腦。
- kW 和 kWh
- 功率和能量。千瓦 (kW) 是設備在某一時刻消耗電力的速度；千瓦時 (kWh) 是功率乘以時間。
什麼是智慧水耕農場？
智慧水耕農場是一種無土種植系統，並附加了電子設備。感測器測量水和植物，小型控制器讀取它們並傳送數據，軟體決定如何操作，開關則控制幫浦和燈的開啟和關閉。農場會自行調整，而無需等待人工檢查。
馬來西亞工藝大學 (UTM) 的基本系統有四個部分。AeroGreen Asia 將其稱為傳統水耕系統，其下一步是增加感測器、物聯網和人工智慧。
種植架
SANANBIO 多層種植架。SANANBIO 是福建三安生物科技有限公司的品牌，這是一家位於中國廈門的垂直農業公司。
托盤和植物板
每個層架都設有一個用於盛水的托盤。托盤上放置一塊帶有方形孔洞的白色植物板，用於固定植物。
LED 植物生長燈
每個層架上方有 28 盞燈。植物生長燈通常混合紅色和藍色，這是植物最常利用的顏色，因此當它們開啟時，房間會呈現粉紅色。
水箱
一個獨立的灰色水箱儲存整個系統所需的水。
AeroGreen Asia 是誰？
AeroGreen Asia (艾科綠) 是一家農業科技公司，致力於農業物聯網和人工智慧。其關於此專案的 Facebook 貼文標註了 #精準農業、#智慧農業、#糧食安全 和 #永續發展。其老闆是 Teo Choon Yee，他與 AeroGreen Asia 的 Eric 一起向實習生團隊進行了簡報。
該公司也與大學合作。在 2026 年 10 月 28 日南方大學學院的網路研討會上，課程講師表示 AeroGreen Asia 與該大學簽署了諒解備忘錄 (MoU)，並為學生設定了一個實際專案：為 AeroGreen Asia 的工作尋找贊助商。該演講記錄在我們關於個人品牌塑造的筆記中。
簡報：兩個專案可供選擇
2026 年 10 月 15 日星期四晚上 7:30 至 9:00，Teo Choon Yee 和 Eric 在 Sutera Utama 的 Tea Garden 親自會見了實習生團隊，並提出了兩個專案。然後他們讓我們選擇。
| 項目 | 選項 1：物聯網智慧種植園 | 選項 2：學習平台 |
|---|---|---|
| 目標 | 透過可識別植物的攝影機改進種植園 | 建立一個類似 Coursera 的學習平台 |
| 起點 | 所有監控都使用感測器，連接到 ESP32 開發板和繼電器控制器 | UTM 學習管理系統 (LMS) |
| 軟體 | 一個以 Kotlin 在 Android Studio 中建置的 Android 應用程式 | UTM LMS 上的課程 |
| AI 或學習路徑 | 應用程式中的 AI (LLM) 功能使用現有的可靠資料來自動化工作並協助收成：在舊 PC (Core i7, 16 GB RAM, 無 GPU) 上運行的 Google Gemma | 學習者分三個級別，從 L1 到 L3，從理論轉向實踐專案練習 |
我選擇了物聯網智慧種植園。計劃是稍後在 UTM 校園實驗室會面，在開發開始前設定好配置。
為什麼在安裝感測器之前要清潔水耕系統？
因為感測器測量的是它所處的任何東西。舊水、污垢和藻類會阻塞水流並損害新植物，它們會給新感測器一個錯誤的起點。一個乾淨、運作正常的系統意味著第一次讀數描述的是植物，而不是殘留物。所以第一天沒有人碰感測器。
「在引入物聯網感測器和人工智慧之前，我們從基礎開始 — 拆卸、徹底清潔並重新組裝現有的水耕種植系統。」
我們於 2026 年 10 月 25 日星期日在 UTM 工作，從上午 10:00 到下午 4:00，分五個步驟進行。
2026 年 10 月 25 日：現場工作日，分五個步驟
- 簡報：在架子前解釋工作內容
- 拆卸：拆開種植架
- 清潔：清潔架子、托盤和植物板，並清洗水箱
- 重新組裝：將架子重新組裝起來，植物板放回托盤
- 電源檢查：團隊檢查 28 個 LED 植物生長燈的電源
感測器、ESP32 和繼電器將如何運作農場？
它們形成一個感知－決策－行動循環。感測器測量條件，ESP32 板讀取它們並透過 Wi-Fi 發送資料，Android 應用程式和 AI 模型計算出植物需要什麼，然後由 ESP32 控制的繼電器打開或關閉泵和燈。
在簡報中，AeroGreen Asia 描述了一個已經以這種方式運作的智慧種植園：所有監測都使用連接到 ESP32 和繼電器控制器的感測器，並配有 Android 應用程式和 AI 功能。團隊想要添加的是一個能識別植物的攝影機。我們在 UTM 清潔的架子是傳統系統，接下來將安裝感測器、物聯網和 AI。
感知－決策－行動循環
- 感測器測量植物和水
- 每個感測器的讀數ESP32 板讀取感測器
- 透過 Wi-Fi 傳輸資料Android 應用程式和 Gemma 模型計算出植物需要什麼
- 來自 ESP32 的訊號繼電器控制器打開或關閉泵和燈
- 循環重複植物做出反應，感測器再次測量
我從簡報中記錄的筆記沒有說明專案使用了哪些感測器。水耕農場通常測量水溫、水位、酸度 (pH) 和營養液的濃度 (電導率，或 EC)。下表列出了簡報中描述的零件。
| 零件 | 功能 | 簡報時的狀態 |
|---|---|---|
| 感測器 | 測量植物和水的狀況 | 使用中 |
| ESP32 開發板 | 讀取感測器並透過 Wi-Fi 傳送資料 | 使用中 |
| 繼電器控制器 | 根據 ESP32 的訊號開啟和關閉裝置 | 使用中 |
| Android 應用程式 | 向使用者顯示資料；使用 Kotlin 在 Android Studio 中建置 | 使用中 |
| AI 模型：Google Gemma | 利用現有可靠資料自動化工作並協助收成 | 使用中，在一台舊電腦上：Core i7，16 GB 記憶體，無 GPU |
| 相機 | 拍照以便系統辨識植物 | 規劃中 |
此應用程式以 Kotlin 編寫；Android Developers 網站指出，超過 60% 的專業 Android 開發人員使用此語言。
舊電腦可以在沒有 GPU 的情況下執行 AI 模型嗎？
可以，如果模型很小且工作不急。簡報中描述的設定是在一台舊電腦上執行 Google Gemma，該電腦配備 Core i7 處理器、16 GB 記憶體且沒有顯示卡 (GPU)。處理器負責所有工作，因此回應速度比在 GPU 機器上慢，而 16 GB 記憶體限制了模型的大小。對於農場而言，植物在數小時和數天內會發生變化，我認為這已經足夠了。
舊電腦的犧牲
誠實的權衡
- 速度：沒有 GPU，處理器負責所有工作，因此回應速度較慢
- 模型大小：整個模型必須與作業系統一起容納在 16 GB 記憶體中
- 成長空間：未來可能需要更強大的機器來處理更大的模型或更繁重的影像工作
專案的收穫
為什麼重複使用在這裡有效
- 成本：無需購買新硬體，也無需為託管 AI 服務支付每代幣費用
- 重複使用：一台生產力下降的機器再次投入工作
- 彈性：一種現在可行且可在需要時升級的替代方案
- 減少浪費：儲藏室或垃圾桶中少了一台電腦
對我來說，重複使用是重點。在閒置的電腦上執行 AI 具有彈性，降低了專案成本，並讓一台生產力下降的機器重新投入工作。這比將舊電腦留在儲藏室或丟進垃圾桶是更好的回收做法。
這個觀點背後的數字是巨大的。聯合國《2024 年全球電子廢棄物監測報告》統計，2022 年電子廢棄物達到創紀錄的 6,200 萬噸，其中只有不到四分之一 (22.3%) 被記錄為妥善收集和回收。
- 6,200 萬噸2022 年產生的電子廢棄物創紀錄，比 2010 年增加 82%
- 22.3%記錄為妥善收集和回收不到該總量四分之一
- 8,200 萬噸預計 2030 年回收率降至 20%
28 盞植物生長燈會消耗多少電力？
國大（UTM）的每個LED植物生長燈約使用80瓦（0.08千瓦）。若所有28個燈都開啟，它們將消耗28 × 0.08 = 2.24千瓦。能量是功率乘以時間，因此如果燈每天運作12小時，它們每天將使用2.24 × 12 = 26.88千瓦時，或在30天的一個月內約使用806千瓦時。我的第一個筆記將負載四捨五入為2；確切數字是2.24。
- 80 W一個植物生長燈約0.08千瓦，來自團隊的檢查
- 2.24千瓦所有28個燈都開啟28 × 0.08千瓦
- 26.88千瓦時一天12小時2.24千瓦 × 12小時
- 806千瓦時一個30天的月份26.88千瓦時 × 30，每天12小時
這兩個數字回答了不同的問題。功率（2.24千瓦）告訴您電力供應是否能承受負載；團隊認為此負載可接受。能量（千瓦時）告訴您燈的運作成本：將其乘以您的電費費率。
為什麼智慧農場對馬來西亞很重要？
馬來西亞的蔬菜產量不到其食用量的一半。根據CodeBlue報導的農業部數據，2023年其蔬菜自給率約為45.4%，儘管熱帶蔬菜的自給率達到83.1%。室內、精準的農業，例如水耕栽培，可以在更小的空間內種植食物，並靠近食用者。
AeroGreen Asia自己的貼文以同樣的方式描述了國大（UTM）的工作：這是邁向更智慧、更永續糧食生產的一步。
接下來是什麼
接下來是國大（UTM）校園實驗室的配置，然後是清潔系統上的感測器、物聯網和人工智慧，之後是辨識植物的攝影機。
- 2026年10月15日
簡報與選擇
在Sutera Utama的Tea Garden提出了兩個選項。我選擇了物聯網智慧種植園。
- 2026年10月25日
國大（UTM）現場日
層架拆卸、清潔並重新組裝；水箱清洗；檢查28個植物生長燈的功率。
- 下一步
國大（UTM）校園實驗室的配置
開發開始前的設定工作。
- 然後
清潔系統上的感測器、物聯網和人工智慧
用AeroGreen Asia的話來說，就是將傳統水耕栽培轉變為更智慧作物管理的平台。
- 稍後
辨識植物的攝影機
簡報中描述的增強功能：在感測器數據之上進行植物辨識。
我在第一天學到了什麼
- 智慧農場始於一個乾淨、運作良好的基本系統；感測器和人工智慧隨後才加入。
- 簡單的數字應該精確計算：28 × 0.08千瓦是2.24千瓦，而不是2。
- 人工智慧模型不一定需要昂貴的GPU。重複使用舊電腦可以節省金錢，並使運作中的機器免於報廢。
常見問題
什麼是智慧水耕系統？
一個無土栽培系統，增加了感測器、控制器和軟體。感測器測量水和植物，像ESP32這樣的電路板讀取它們並傳送數據，應用程式或人工智慧模型決定如何操作，繼電器則控制泵和燈。系統會自行調整，而不是等待人工檢查。
ESP32 在水耕農場中扮演什麼角色？
它讀取感測器數據並透過 Wi-Fi 傳送，還可以切換繼電器來開啟或關閉水泵或燈光。它是一款小巧、便宜的微控制器，內建 Wi-Fi 和藍牙，因此在物聯網專案中很常見。
你可以在沒有 GPU 的舊電腦上執行 AI 模型嗎？
可以，如果模型很小的話。在簡報中描述的設定中，Google Gemma 運行在一台舊的 Core i7 電腦上，配備 16 GB 記憶體，沒有 GPU。處理器負責所有工作，因此回應速度較慢，且記憶體限制了模型大小。對於農場來說，植物在數小時內就會發生變化，這已經足夠了，而且舊電腦也得以重複利用，而不是被丟棄。
LED 植物生長燈消耗多少電力？
將一盞燈的功率乘以燈的數量，然後再乘以小時數。在 UTM，28 盞約 80 W 的燈總共消耗 2.24 kW，在 12 小時內為 26.88 kWh，或在 30 天內約為 806 kWh。
為什麼在安裝感測器之前要清潔水耕系統？
舊水、污垢和藻類會阻塞水流並損害新植物，它們也會給新感測器一個錯誤的起點。一個乾淨、運作良好的基本系統能為感測器和 AI 提供真實的基準。
AeroGreen Asia 是誰？
AeroGreen Asia (艾科綠) 是一家農業科技公司，致力於農業物聯網和人工智慧。其老闆是 Teo Choon Yee。該公司在馬來西亞工藝大學與實習生團隊合作開展智慧水耕專案，並根據南方大學學院講師的說法，與該大學簽訂了諒解備忘錄。
資料來源
- 精準農業從親自動手開始！ — AeroGreen Asia 於 Facebook，2026 年 10 月 25 日
- 福建三安生物科技有限公司（SANANBIO 貨架製造商） — GreenTech
- ESP32 Wi-Fi 和藍牙 SoC — Espressif Systems
- Gemma 模型概述 — Google AI for Developers
- Kotlin 和 Android — Android Developers
- 2024 年全球電子廢棄物監測報告：電子廢棄物增長速度比有記錄的回收速度快五倍 — 聯合國訓練研究所，2024 年 3 月 20 日
- 馬來西亞蔬菜自給率達 45%，熱帶蔬菜自給率達 83% — CodeBlue，2025 年 8 月