دراسة حالة: DeepPlastic وYOLOv5

البلاستيك يختق الحياة البرية البحرية: في كل دقيقة، يتم تفريغ حماتَي شاحنة من البلاستيك في محيطاتنا، وهو ما يعادل أكثر من 10 ملايين تن سنوياً. ويذكر علماء DeepPlastic أن هذا البلاستيك البحري يمثل تهديدات مجتمعية "للبيئة البحرية، وسلامة الغذاء، وصحة الإنسان، والسياحة البيئية، والإسهامات في تغير المناخ."

ولمكافحة ذلك، كان هذا الفريق من الباحثين والمهندسين يبحث في كيفية استخدام الرؤية الحاسوبية للقضاء على البلاستيك في محيطاتنا.

باستخدام تقنية التعلم العميق، طور باحثو DeepPlastic نهجاً يستخدم مركبات ذاتية القيادة تحت الماء (AUVs) لمسح البلاستيك الموجود أسفل سطح المحيط مباشرة وتحديده وتقدير كميته، حيث لا يزال الضوء قادراً على النفاذ، أو ما يُعرف بطبقة النطاق الضوئي (Epipelagic layer).

"كان هدفنا امتلاك نموذج صغير جداً يتمتع بسرعة استنتاج عالية جداً يمكن استخدامه لاكتشاف البلاستيك." Jay Lowe، باحث في التعلم الآلي

قام فريق DeepPlastic بتدريب نموذجين صغيرين ودقيقين، YOLOv4 وYOLOv5، مما سمح باكتشاف الكائنات في الوقت الفعلي. وقد تم تدريب هذه النماذج على مجموعة بيانات DeepTrash، والتي تتكون من:

• 1900 صورة تدريب، 637 صورة اختبار، 637 صورة تحقق (تقسيم بنسبة 60، 20، 20)
• صور ميدانية ملتقطة من بحيرة تاهو، وخليج سان فرانسيسكو، وخليج بوديجا في كاليفورنيا.
• صور من الإنترنت

“لقد كنا نبحث عن خوارزمية لتحديد الأجسام تنتج دقة عالية وتكون سريعة للغاية. البيئات المحيطية التي نعمل فيها قاسية وذات تضاريس وعرة. لقد حقق Ultralytics YOLOv5 المطلوب من جميع الجوانب باعتباره أفضل نموذج لتحديد الأجسام كان بإمكاننا استخدامه.” “نحن نحب استخدام YOLOv5 لأنه سهل للغاية من حيث الإعداد والاستخدام، وقد ظل يقدم النتائج التي أردناها باستمرار.” “بالنسبة لأي نماذج مستقبلية سنقوم نشرها، سننظر إلى YOLOv5 باعتباره خيارنا الأول دون أدنى شك.” Gautam Tata، باحث في التعلم الآلي

تحقق من مستودع DeepPlastic، والورقة البحثية المنشورة، وملخص الفيديو.