YOLOOvME: تسهيل عملية اكتشاف البازلاء الصغيرة

تاكايوكي نوكوي هو عالم بيانات مواد من طوكيو، اليابان. قد تعتقد أن تعلم الآلة وعلوم المواد ثنائي غير محتمل، لكن تاكايوكي وجد أن العديد من حلول تعلم الآلة يمكن تطبيقها في مجال عمله.

ومع ذلك، فإن السبب الحقيقي وراء دخول تاكايوكي في مجال ML لا علاقة له بدوره الحالي. خلال نشأته، كان والد تاكايوكي مزارعاً. وفي كثير من الأحيان، كان عليه أن يساعد والده في حصاد البازلاء - وهي عملية شاقة للغاية.

بالنسبة للعين البشرية، قد يكون من الصعب على الإنسان اكتشاف جميع حبات البازلاء على النبتة لأنها تتخفى بشكل جيد للغاية بين الأوراق. خلال موسم الحصاد، كان تاكايوكي يضطر إلى القيام برحلة ذهابًا وإيابًا عبر حقول والده مرة تلو الأخرى للتأكد من قطف كل حبة بازلاء ناضجة. وقد دفعت هذه العملية الشاقة تاكايوكي إلى تخيل كيف يمكن للذكاء الاصطناعي الذي كان يدرسه في ذلك الوقت أن يساعد في تبسيط عملية حصاد البازلاء.

لقد صادفنا تطبيق تاكايوكي للكشف عن البازلاء المفاجئة على تويتر وتحدثنا معه لمعرفة المزيد عن عمله مع YOLOv5.

كيف اخترت YOLOv5 لمساعدتك في حل مشكلة اكتشاف البازلاء المفاجئة؟

في البداية، جرّب تاكايوكي نماذج مختلفة لاكتشاف الأجسام من YOLOv3 إلى SSD إلى EfficientDet. ومع ذلك، جرّب تاكايوكي منذ عام مضى YOLOv5 وانتهى به الأمر بالعمل به حتى يومنا هذا لأنه يقدم أفضل دقة.

ما هي جوانب YOLOv5 التي جعلت من السهل التعامل معه؟

بالنسبة لتاكايوكي، فإن الآليات المصممة مسبقًا لتحسين دقة النموذج، مثل زيادة البيانات وتطور المعلمات تجعل YOLOv5 سهلًا. وبينما يتطلب ذلك عادةً برنامجًا مرهقًا، يمكن تنفيذ YOLOv5 بإضافة رمز بسيط. "كنت سعيدًا بالقدرة على تحليل النتائج وضبط النموذج في الوقت الذي تم إنشاؤه. وبالطبع، قضيت وقتًا أيضًا في التعليقات التوضيحية!"

ما التحديات الأخرى التي ترغب في حلها مع YOLOv5 في المستقبل؟

يبقي تاكايوكي خياراته مفتوحة: "أريد أن أجربها مع محاصيل أخرى في المزرعة. ليس ذلك فحسب، بل أريد أن أستمر في المحاولة مع أي شيء يخطر على بالي. أعتقد أن هناك المزيد من الأشياء التي يمكنني اكتشافها من خلال محاولة الكشف عن الأشياء."

ما النصيحة التي تقدمها لشخص جديد في عالم الذكاء الاصطناعي؟

"بادئ ذي بدء، أوصي بـ YOLOv5 لأولئك الذين يعتقدون أن اكتشاف الأجسام يبدو صعبًا ويتخوفون من البدء في استخدام الذكاء الاصطناعي للرؤية. في رأيي أن YOLOv5 هو النموذج الأكثر سهولة في التنفيذ لاكتشاف الأجسام.

أقترح أيضًا محاولة استخدامه مع كمية أقل من بيانات التدريب. فزيادة البيانات مصممة مسبقاً، وغالباً ما تنتج نماذج مثيرة للاهتمام بشكل مدهش."

يوازن تاكايوكي نوكوي بين حياته بين الهندسة وزراعة الخضروات في مزرعته الصغيرة. موقعه الإلكتروني هو FarMLحيث ينشر مقالات عن تعلّم الآلة. اطلع على مقالته المفصلة عن اكتشاف البازلاء. غالبًا ما ينشر تاكايوكي أيضًا حالات استخدامه على تويتر و يوتيوب.

نريد تسليط الضوء على حالة استخدام YOLOv5 الخاصة بك أيضًا! ضع إشارة لنا على وسائل التواصل الاجتماعي @Ultralytics مع #YOLOvME للحصول على فرصة للظهور.

تعرّف على كيفية توفير حلول YOLOv5 والذكاء الاصطناعي للرؤية في قطاع الزراعة.

‍