本作品結合了近來相當熱門的人工智慧(AI, Artificial
Intelligence)和在現今已受廣泛應用的無人機進行研究，令我們在學習相關科技應用的同時能夠了解研究方法，並對社會產生實質貢獻。
研究藉由使用無人機驅趕對農作物有害的鳥類、獼猴。藉由使用搭載網路攝影機的無人機，將影像資料回傳至計算機設備進行影像分析追蹤，再利用計算機控制飛行軌跡。本作品希望能夠帶動產業升級，改善農村勞動力短缺問題，並吸引年輕人投入農業發展。
實驗過程
1.飛行指令
我們將無人機影像分為9個區塊，當物體中心座標落入不同區塊時，會觸發不同的指令。但為了提高偵測移動中物體的能力，我們使馬達與飛行器體的轉速依據物體座標與中心座標的距離作自動修整，當物體座標距離中心座標較遠時，無人機會提高旋轉速度；而當物體接近中央座標時，無人機會降低旋轉的速度避免追失物體。
2.YOLO演算法
YOLOv4影像辨識系統是基於深度學習模型的類神經網絡，可以用來辨識影像中物體座標與類別。由於其輕便快速性質，在生活上有許多的應用，如人臉偵測、瑕疵檢測等等。CUDA由輝達公司（NVIDIA）開發，提供我們使用該公司生產GPU進行整合大量非圖形處理的運算。由於CUDA的出現，在GPU上進行AI運算變得相對容易。
3.單鏡頭測距原理
當無人機判定追蹤到物體時，我們會讓無人機自動攝影紀錄畫面，推算無人機與人的距離。我們可以藉由鏡頭成像與焦距的相似三角形關係進行對於已知大小的物體距離進行粗略估計。
當像高固定時，大多數的資料落於迴歸直線y=0.757x附近，於是我們可以推斷物高與物距大致成正比關係。
測量相同物高的物體的像高與物體距離的關係後，我們發現像高與物距大致成反比關係，資料落在y=33462x-1附近。藉由以上的實驗結果，我們證實可以利用比值關係進行物體距離的估計。
實驗過程
在撰寫小論文的時候，我們學習到了撰寫科學文章的方法，以及統計學的相關應用。
在操作無人機時，為了要讓電腦順利操控無人機的飛行軌跡，我們經歷了無數次的失敗，有時候是電腦影像識別系統沒有正常運作，
有時候是操控飛行的程式碼出錯，導致問題一而再再而三的產生。我認為，我們從中獲得的最深啟發是永遠要為可能發生的錯誤預留額外的材料和時間，
現實往往沒有辦法照著計劃走，但是我們能夠在一次次的失敗之中學習優化我們的作品，進而獲得成功。
其次，在進行實驗時，我發現我對於撰寫程式碼具有相當的興趣。雖然我們的程式碼除了套用模型以外，大多只是套用函數而已，
但是我在不停的錯誤、除錯、重新執行的過程找到樂趣，也因為成功完成了作品而獲得成就感。也許這能夠成為我生涯規畫的一部分。
另外，我還了解到合作的力量遠遠比個人的力量來的強大。在以前，我習慣自己一個人幫整個團隊完成一份作品，然而常常無法得到完美的結果。
這一次，因為有了我們指導老師引導我們撰寫報告的格式、有了同學幫助我們進行飛行實驗，讓我們在短短幾個月完成我們的小論文。
總而言之，我因此體會了團隊合作的重要性，也學會了去感謝身邊的每一個人。