YOLOOvME: الثورة الرقمية للغابات

فريق Ultralytics

4 دقائق للقراءة

5 أكتوبر 2022

استكشف أبحاث ستيفانو بوليتي التحويلية في مجال الغابات باستخدام YOLOv5 للكشف والتحليلات القائمة على الطائرات بدون طيار في مجال الغابات.

ستيفانو بوليتي هو باحث في الاستشعار عن بُعد للغابات في المعهد النرويجي لبحوث الاقتصاد الحيوي (NIBIO) في قسم جرد الغابات الوطنية. المعهد النرويجي لبحوث الاقتصاد الحيوي هو أحد أكبر المعاهد البحثية في النرويج ويعمل به حوالي 700 موظف. وهي تساهم في الأمن الغذائي والسلامة الغذائية، والإدارة المستدامة للموارد، والابتكار، وخلق القيمة من خلال البحوث وإنتاج المعرفة.

في أبحاثه، يتم استخدام الطائرات بدون طيار وغيرها من تقنيات الاستشعار عن بُعد مثل المسح بالليزر المتنقل لإنتاج التحليلات المتقدمة المطلوبة للإجابة على الاحتياجات الحديثة من المعلومات.

تم إنجاز الكثير من العمل الذي قام به مع مشروع SmartForest، وهو برنامج بحثي طويل الأجل يموله مجلس البحوث النرويجي إلى جانب معظم الجهات الفاعلة في صناعة الغابات في النرويج. يتمثل هدف SmartForest في تحسين كفاءة قطاع الغابات النرويجي من خلال تمكين ثورة رقمية تحول معلومات الغابات، وزراعة الغابات، وعمليات الغابات، وتوريد الأخشاب، وتدفق المعلومات الرقمية الشاملة في الصناعة.

عمل ستيفانو لسنوات عديدة مع المزيد من تطبيقات التعلم الآلي التقليدية مثل الغابة العشوائية أو آلات ناقلات الدعم. ومنذ حوالي ثلاث سنوات، أدرك أن الوقت قد حان لتكثيف العمل في مجال التعلُّم العميق، الذي لا يزال في مرحلة النمو في قطاع الغابات. ومنذ إدراكه للفوائد الهائلة التي يمكن للباحثين استخلاصها من التعلم العميق، عمل ستيفانو على تطوير العديد من التطبيقات في مجال الطائرات بدون طيار والرؤية الآلية.

منذ متى وأنت تستخدم YOLOv5؟

"لقد كنت أستخدمه منذ صيف 2021، ولم أتخلى عنه منذ ذلك الحين! يجب أن أقول ذلك، لقد كان حبًا من نوع "النظرة الأولى" بفضل سهولة الحصول على YOLOv5 الريبو وتشغيله. كان ذلك قيماً للغاية بالنسبة لي لأنني في ذلك الوقت لم أكن على دراية كبيرة بالبايثون وكان منحنى التعلم الضحل لـ YOLOv5 هو ما يميز YOLOv5".

كان ستيفانو قد لجأ إلى الكشف عن الأجسام في المقام الأول لتحديد الأشجار في صور الطائرات بدون طيار التي تعاني من حالة صحية سيئة إما بسبب الأضرار الناجمة عن العوامل اللاأحيائية (الجفاف والرياح والثلوج) أو العوامل الحيوية (الحشرات والفطريات). ومنذ ذلك الحين، عكف هو وزملاؤه على تطوير عائلة كاملة من كاشفات YOLOv5، بدءًا من الحفر إلى كاشفات حافة الطريق والالتفاف.

"بحلول الوقت الذي عثرت فيه على YOLOv5، كنت قد حاولت لبعض الوقت تدريب بعض كاشفات الكائنات في واجهة برمجة تطبيقات TensorFlow للكشف عن الكائنات دون جدوى. ثم عثرت على ريبو YOLOv5 وحاولت (دون أمل كبير) تدريب كاشف، وبدهشة كبيرة، بدأت عملية التعلم بأربعة أسطر من التعليمات البرمجية. لست متأكدًا من أنه يمكن للمرء أن يعرّفها على أنها عملية تفكير أو بالأحرى ضربة حظ، لكنها بدأت."

ثم يتم نشر معظم النماذج على الحل السحابي الخاص بهم (ForestSens) لتقديم الخدمات لقطاع الغابات. وهناك، يمكن للمستخدمين تحميل صور الطائرات بدون طيار على سبيل المثال والتي يتم تحويلها بعد ذلك إلى رؤى قابلة للتنفيذ بفضل مجموعة نماذج YOLOv5. كما يتم نشر بعض أجهزة الكشف المدربة الخاصة بهم على الحافة على آلات الحراجة أو على شاحنات قطع الأشجار.

منذ البداية، عكف ستيفانو وفريقه على تطوير سلسلة كاملة من نماذج YOLOv5 لاستخدامها في

  1. تقييم جودة الأخشاب
  2. رصد الاحتياجات لصيانة طرق الغابات
  3. الكشف عن السمات ذات الصلة بالتنوع البيولوجي في الغابة

علاوة على ذلك، يبحثون أيضًا في توسيع نطاق نماذجهم القائمة على الطائرات بدون طيار لصحة الغابات وجردها لتشمل بيانات الصور الجوية والأقمار الصناعية ذات الدقة العالية.

ومع أحدث إصدارات YOLOv5، فإنهم يتطلعون بشدة إلى تصنيف الصور والتجزئة الدلالية التي قد يقدمها YOLOv5. ستزيد هذه القدرات من قدرتهم على حل مهام الرؤية الحاسوبية المعقدة في بيئات الغابات.

إن سهولة الإعداد سواءً لتدريب النماذج (إصدار docker)، وكذلك لنشر النماذج جعلت من YOLOv5 خيارًا رائعًا بالنسبة لهم.

"أحد الجوانب التي لطالما أبهرتني في Ultralytics هو نموذج الأعمال الجديد نوعاً ما الذي يعتمد على التعليمات البرمجية المفتوحة في جوهره ويقدم منتجات مدفوعة الأجر لغير المتخصصين للوصول إلى قوة التعلم العميق. بصفتي عالماً، أقدّر كثيراً انفتاح Ultralytics وأجدها طريقة رائعة لتسريع تطوير المنتج. ونتيجة لذلك، تشهد منصة YOLOv5 ترقيات جذرية إلى حد ما في تطور مستمر بفضل مساهمة العديد من علماء البيانات والممارسين."
شجرة مع YOLOv5

ما الذي توصي به لشخص جديد في مجال الذكاء الاصطناعي؟

عند ذهابي إلى مؤتمرات دولية خلال العام الماضي، وجدت أن الباحثين في مجال الغابات إما خائفون من تعقيد التعلم العميق أو لا يعتقدون أنه يمكن أن يلعب دورًا في أبحاثهم. في جميع هذه الحالات، اقترحتُ أخذ نصف يوم من الشرح ومحاولة تدريب YOLOv5 لفهم قوته وبساطته.

لأصيغها بكلمات فعلية كنت أقولها في الواقع: "طريقتك لا تعمل؟ إذن فلتفعلها!"

إذا كنت ترغب في البقاء على اطلاع دائم بستيفانو بوليتي وأعماله، فلا تتردد في متابعة حسابه على تويتر.

هل لديك حالة استخدام YOLOv5 الخاصة بك؟

ضع علامة #YOLOvME على وسائل التواصل الاجتماعي الخاصة بنا مع حالة استخدام YOLOv5 الخاصة بك وسنقوم بالترويج لعملك لمجتمع تعلم الآلة.

دعونا نبني المستقبل
للذكاء الاصطناعي معاً!

ابدأ رحلتك مع مستقبل التعلم الآلي

ابدأ مجاناً
تم نسخ الرابط إلى الحافظة