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 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، قام تاكايوكي بتجربة نماذج مختلفة للكشف عن الأجسام من YOLOv3 إلى SSD إلى EfficientDet. ومع ذلك، جرب تاكايوكي منذ عام YOLOv5 وانتهى به الأمر إلى العمل به حتى يومنا هذا لأنه قدم 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 هذا 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 detect الأشياء."

ما هي 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.

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 إشارة لنا على وسائل التواصل الاجتماعي Ultralytics مع #YOLOvME للحصول على فرصة للظهور.

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

‍