YOLOvME: جعل اكتشاف البازلاء سهلاً

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

مع ذلك، فإن السبب الحقيقي وراء دخول Takayuki إلى مجال تعلم الآلة (ML) لا علاقة له بدوره الحالي. نشأ Takayuki في كنف أب كان مزارعًا. في كثير من الأحيان، كان عليه مساعدة والده في حصاد البازلاء المفاجئة - وهي عملية شاقة للغاية.

بالنسبة للعيون البشرية، قد يكون من الصعب اكتشاف جميع بازلاء سناب على النبات لأنها تموه جيدًا بين الأوراق. خلال موسم الحصاد، كان على تاكايوكي أن يسير ذهابًا وإيابًا عبر حقول والده مرارًا وتكرارًا للتأكد من أنه التقط كل حبة بازلاء سناب ناضجة. قادت هذه العملية الشاقة تاكايوكي إلى تخيل كيف يمكن للرؤية الاصطناعية التي كان يدرسها في ذلك الوقت أن تساعد في تبسيط حصاد بازلاء سناب.

لقد صادفنا تطبيق Takayuki لاكتشاف البازلاء الثلجية على تويتر وتحدثنا معه لمعرفة المزيد عن عمله مع YOLOv5.

كيف اخترت YOLOv5 لمساعدتك في حل مشكلة اكتشاف البازلاء الثلجية؟

في البداية، جرب تاكايوكي نماذج مختلفة لاكتشاف الكائنات من YOLOv3 إلى SSD إلى EfficientDet. ومع ذلك، قبل عام جرب تاكايوكي YOLOv5 وانتهى به الأمر بالعمل معه حتى يومنا هذا لأنه قدم أفضل دقة.

ما هي الجوانب التي سهلت عليك العمل مع YOLOv5؟

بالنسبة لـ Takayuki، فإن الآليات المصممة مسبقًا لتحسين دقة النموذج، مثل زيادة البيانات وتطوير المعلمات، تجعل YOLOv5 سهلة. في حين أن هذا يتطلب عادةً برنامجًا معقدًا، يمكن تنفيذ YOLOv5 عن طريق إضافة رمز بسيط. “كنت سعيدًا بقدرتي على تحليل النتائج وضبط النموذج في الوقت المتاح. بالطبع، قضيت أيضًا وقتًا في التعليقات التوضيحية!”

ما التحديات الأخرى التي تود حلها باستخدام YOLOv5 في المستقبل؟

لا يزال تاكايوكي منفتحًا على خياراته: "أريد تجربته مع محاصيل أخرى في المزرعة. ليس ذلك فحسب، بل أريد الاستمرار في المحاولة مع أي شيء يخطر ببالي على الإطلاق. أعتقد أن هناك المزيد من الأشياء التي يمكنني اكتشافها من خلال محاولة اكتشاف الكائنات."

ما هي النصيحة التي تقدمها لشخص جديد في عالم الذكاء الاصطناعي؟

أولاً وقبل كل شيء، أوصي بـ YOLOv5 لأولئك الذين يعتقدون أن اكتشاف الكائنات يبدو صعبًا ويخشون البدء بالرؤية الحاسوبية. في رأيي، YOLOv5 هو نموذج اكتشاف الكائنات الأكثر سهولة في التنفيذ.

أيضًا، أقترح محاولة استخدامه مع كمية أقل من بيانات التدريب. تم تصميم زيادة البيانات مسبقًا، وغالبًا ما ينتج نماذج مثيرة للاهتمام بشكل مدهش.”

يوازن تاكايوكي نوكوي حياته بين الهندسة وزراعة الخضروات في مزرعته الصغيرة. موقعه على الإنترنت هو FarML، حيث ينشر مقالات حول تعلم الآلة. تحقق من مقالته التفصيلية حول اكتشاف البازلاء المفاجئة. غالبًا ما ينشر تاكايوكي حالات استخدامه على تويتر و يوتيوب.

نريد تسليط الضوء على حالة استخدام YOLOv5 الخاصة بك أيضًا! ضع علامة لنا على وسائل التواصل الاجتماعي @Ultralytics باستخدام #YOLOvME للحصول على فرصة الظهور.

تعرف على كيف يوفر YOLOv5 والذكاء الاصطناعي البصري حلولًا لصناعة الزراعة.

‍