YOLOvME: الثورة الرقمية للغابات

ستيفانو بوليتي باحث في الاستشعار عن بُعد للغابات لدى المعهد النرويجي لأبحاث الاقتصاد الحيوي (NIBIO)، ضمن قسم الجرد الوطني للغابات. ويُعد NIBIO أحد أكبر معاهد الأبحاث في النرويج، إذ يضم نحو 700 موظف. ويسهم المعهد في الأمن والسلامة الغذائيين، والإدارة المستدامة للموارد، والابتكار، وخلق القيمة من خلال البحث وإنتاج المعرفة.

يستخدم في أبحاثه الطائرات المسيّرة وتقنيات الاستشعار القريبة الأخرى، مثل المسح الليزري المتنقل، لإنتاج التحليلات المتقدمة اللازمة لتلبية احتياجات المعلومات الحديثة.

أُنجز جزء كبير من العمل الذي قام به ضمن مشروع SmartForest، وهو برنامج بحثي طويل الأمد يموله مجلس الأبحاث النرويجي، إلى جانب معظم الجهات الفاعلة في قطاع الغابات بالنرويج. ويهدف SmartForest إلى تحسين كفاءة قطاع الغابات النرويجي من خلال تمكين ثورة رقمية تُحوّل المعلومات المتعلقة بالغابات، وزراعة الغابات، وعمليات الغابات، وإمدادات الأخشاب، والتدفق الرقمي الشامل للمعلومات في القطاع.

عمل ستيفانو لسنوات طويلة على تطبيقات تعلّم الآلة التقليدية، مثل الغابات العشوائية وآلات متجهات الدعم. وقبل نحو ثلاث سنوات، أدرك أن الوقت قد حان للتقدم في مجال التعلّم العميق، الذي لا يزال في مرحلة النمو في قطاع الغابات. ومنذ أن أدرك الفوائد الهائلة التي يمكن للباحثين جنيها من التعلّم العميق، وهو يطوّر عدة تطبيقات في مجال الرؤية باستخدام الطائرات المسيّرة والآلات.

منذ متى وأنت تستخدم YOLOv5؟#

«أستخدمه منذ صيف 2021، ولم أتخلَّ عنه منذ ذلك الحين! لا بد أن أقول إنني أحببته من النظرة الأولى، بفضل سهولة تشغيل مستودع YOLOv5 والبدء باستخدامه. كان هذا بالغ الأهمية بالنسبة إليّ، لأنني لم أكن حينها متمرسًا في Python، كما أن سهولة تعلّم YOLOv5 كانت العامل الحاسم.»

كان Stefano قد لجأ إلى اكتشاف الأجسام في المقام الأول لتحديد الأشجار المتدهورة صحيًا في صور الطائرات المسيّرة، سواء بسبب أضرار العوامل غير الحيوية (الجفاف والرياح والثلوج) أو العوامل الحيوية (الحشرات والفطريات). ومنذ ذلك الحين، يطور هو وزملاؤه عائلة كاملة من نماذج YOLOv5 للكشف، تشمل الحفر وحافة الطريق ومؤشرات الدوّامات الشجرية.

«قبل أن أصادف YOLOv5، حاولت لفترة تدريب بعض كواشف الأجسام باستخدام TensorFlow Object Detection API، لكنني لم أوفق. ثم عثرت على مستودع YOLOv5، وحاولت تدريب كاشف من دون أمل كبير، وفوجئت بأنني بدأت عملية التعلّم بأربعة أسطر من التعليمات البرمجية. لست متأكدًا مما إذا كان يمكن وصف ذلك بأنه مسار تفكير أم مجرد ضربة حظ، لكنه كان البداية.»

يُنشر معظم النماذج بعد ذلك على حلهم السحابي (ForestSens) لتقديم الخدمات إلى قطاع الغابات. ويمكن للمستخدمين هناك، على سبيل المثال، تحميل صور الطائرات المسيّرة التي تتحول إلى رؤى قابلة للتنفيذ بفضل مجموعة نماذج YOLOv5 لدينا. كما تُنشر بعض كواشفهم المدرّبة على الأجهزة الطرفية في آلات الغابات أو شاحنات نقل الأخشاب.

منذ البداية، كان ستيفانو وفريقه يطوّرون سلسلة متكاملة من نماذج YOLOv5 للمساعدة في:

1. تقييم جودة الأخشاب
2. متطلبات مراقبة صيانة طرق الغابات
3. اكتشاف السمات المهمة للتنوع الحيوي في الغابات

إضافة إلى ذلك، يدرسون توسيع نطاق نماذجهم المعتمدة على الطائرات المسيّرة لصحة الغابات وجردها، بحيث تشمل بيانات الصور الجوية والأقمار الصناعية ذات الدقة المكانية الأقل.

يتطلعون بشدة، مع أحدث إصدارات YOLOv5، إلى إمكانات تصنيف الصور والتجزئة الدلالية التي قد يتيحها YOLOv5. وستوسّع هذه الإمكانات قدرتهم على حل مهام الرؤية الحاسوبية المعقدة في البيئات الحرجية.

جعلت سهولة الإعداد، سواء لتدريب النماذج (إصدار Docker) أو لنشرها، من YOLOv5 خيارًا رائعًا لهم.

«من الأمور التي لطالما أدهشتني في Ultralytics نموذج الأعمال الحديث نسبيًا، الذي يقوم في جوهره على الشيفرة المفتوحة، ويقدم منتجات مدفوعة تتيح لغير المتخصصين الاستفادة من قدرات التعلّم العميق. وبوصفي عالمًا، أقدّر كثيرًا انفتاح Ultralytics، وأرى أنه طريقة رائعة لتسريع تطوير المنتجات. ونتيجة لذلك، يشهد YOLOv5 ترقيات كبيرة ومتواصلة، بفضل إسهامات العديد من علماء البيانات والممارسين.»

بماذا تنصح شخصًا جديدًا في مجال الذكاء الاصطناعي؟#

خلال مشاركتي في مؤتمرات دولية في العام الماضي، وجدت أن باحثي الغابات إما يخشون تعقيد التعلّم العميق أو لا يعتقدون أن له دورًا في أبحاثهم. وفي كل هذه الحالات، اقترحت تخصيص نصف يوم لوسم البيانات ومحاولة تدريب نموذج YOLOv5 لفهم قوته وبساطته.

ولأعبّر عن ذلك بالكلمات التي أقولها فعلًا: «طريقتك لا تنجح؟ إذًا استخدم YOLO!»

إذا أردت متابعة آخر أخبار Stefano Puliti وأعماله، فتفضل بزيارة صفحته على NIBIO.

هل لديك حالة استخدام خاصة بك لـ YOLOv5؟#

أشيروا إلينا باستخدام #YOLOvME على منصات التواصل الاجتماعي، وشاركوا حالة الاستخدام الخاصة بكم لـ YOLOv5، وسنروّج لعملكم بين أفراد مجتمع تعلّم الآلة.