YOLOvME: جعل الكشف عن البازلاء سهلاً
اكتشف كيف يطبق تاكايوكي نوكوي ذكاء YOLOv5 الاصطناعي لحصاد البازلاء بكفاءة - ممزوجاً بين تعلم الآلة والزراعة التقليدية.
تاكايوكي نوكوي هو عالم بيانات مواد من طوكيو، اليابان. قد تظن أن تعلم الآلة (ML) وعلوم المواد مجالان لا يجتمعان، لكن تاكايوكي وجد أن العديد من حلول تعلم الآلة يمكن تطبيقها في مجال عمله.
ومع ذلك، فإن السبب الحقيقي وراء دخول تاكايوكي مجال تعلم الآلة لا علاقة له بدوره الحالي. فقد نشأ تاكايوكي وكان والده مزارعاً. وفي كثير من الأحيان، كان عليه مساعدة والده في حصاد البازلاء - وهي عملية شاقة للغاية.
بالنسبة للعين البشرية، قد يكون من الصعب رصد كل حبات البازلاء على النبات نظراً لتموهها بشكل ممتاز بين الأوراق. وخلال موسم الحصاد، كان على تاكايوكي أن يتنقل ذهاباً وإياباً عبر حقول والده مراراً وتكراراً ليتأكد من قطف كل حبة بازلاء ناضجة. قادت هذه العملية الشاقة تاكايوكي إلى تخيل كيف يمكن للرؤية الحاسوبية (Vision AI) التي كان يدرسها آنذاك أن تساعد في تبسيط عملية حصاد البازلاء.
لقد صادفنا تطبيق تاكايوكي لاكتشاف البازلاء على Twitter وتحدثنا معه لمعرفة المزيد عن عمله باستخدام YOLOv5.
Link to this sectionكيف اخترت YOLOv5 لمساعدتك في حل مشكلة اكتشاف البازلاء؟#
في البداية، جرب تاكايوكي نماذج اكتشاف كائنات مختلفة بدءاً من YOLOv3 إلى SSD وصولاً إلى EfficientDet. ومع ذلك، قبل عام جرب تاكايوكي YOLOv5 وانتهى به الأمر بالعمل به حتى يومنا هذا لأنه قدم أفضل دقة.
Link to this sectionما هي جوانب YOLOv5 التي جعلت العمل معه سهلاً؟#
بالنسبة لتاكايوكي، فإن الآليات المصممة مسبقاً لتحسين دقة النموذج، مثل زيادة البيانات (Data Augmentation) وتطور المعلمات (parameter evolution)، تجعل YOLOv5 سهلاً. في حين أن هذا الأمر يتطلب عادةً برنامجاً مرهقاً، يمكن تنفيذ YOLOv5 بإضافة كود بسيط. "كنت سعيداً بالقدرة على تحليل النتائج وضبط النموذج في الوقت المتاح. وبالطبع، قضيت وقتاً في وضع التعليقات التوضيحية أيضاً!"
Link to this sectionما هي التحديات الأخرى التي تود حلها باستخدام YOLOv5 في المستقبل؟#
يبقي تاكايوكي خياراته مفتوحة: "أريد تجربته مع محاصيل أخرى في المزرعة. ليس ذلك فحسب، بل أريد الاستمرار في التجربة مع أي شيء يخطر ببالي. أعتقد أن هناك المزيد من الأشياء التي يمكنني اكتشافها من خلال محاولة اكتشاف الكائنات."
Link to this sectionما هي النصيحة التي تقدمها لشخص جديد في عالم الذكاء الاصطناعي؟#
"بادئ ذي بدء، أوصي بـ YOLOv5 لأولئك الذين يعتقدون أن اكتشاف الكائنات يبدو صعباً ويشعرون بالتوجس من البدء بالرؤية الحاسوبية (Vision AI). في رأيي، YOLOv5 هو نموذج اكتشاف الكائنات الأكثر سهولة في التنفيذ."
أيضاً، أقترح محاولة استخدامه مع كمية أقل من بيانات التدريب. فخاصية زيادة البيانات (Data Augmentation) مصممة مسبقاً، وغالباً ما تنتج نماذج مثيرة للاهتمام بشكل مدهش."
يوازن تاكايوكي نوكوي حياته بين الهندسة وزراعة الخضروات في مزرعته الصغيرة. موقعه الإلكتروني هو FarML، حيث ينشر مقالات عن تعلم الآلة. طالع مقالته التفصيلية حول اكتشاف البازلاء. غالباً ما ينشر تاكايوكي حالات الاستخدام الخاصة به على Twitter و YouTube.
نريد تسليط الضوء على حالة استخدام YOLOv5 الخاصة بك أيضًا! قم بالإشارة إلينا على وسائل التواصل الاجتماعي Ultralytics@ باستخدام الوسم #YOLOvME للحصول على فرصة للظهور.
