Fallstudie: DeepPlastic und YOLOv5
Erfahre, wie DeepPlastic-Forschende mit Ultralytics YOLOv5 und autonomen Unterwasserfahrzeugen Plastik direkt unter der Meeresoberfläche in Echtzeit erkannten.
Nuvola Ladi2 Min. Lesezeit
Plastik erstickt Meerestiere: Jede Minute landen zwei Lkw-Ladungen Plastik in unseren Ozeanen. Das entspricht mehr als 10 Millionen Tonnen pro Jahr. Wissenschaftler von DeepPlastic erklären, dass dieser Plastikmüll im Meer eine Gefahr für „die Meeresumwelt, die Lebensmittelsicherheit, die menschliche Gesundheit, den Ökotourismus und das Klima“ darstellt.
Um dem entgegenzuwirken, untersucht dieses Team aus Forschenden und Ingenieuren, wie Computer Vision dazu beitragen kann, Plastik aus unseren Ozeanen zu entfernen.
Mit Deep-Learning-Technologie haben die Forschenden von DeepPlastic ein Verfahren entwickelt, bei dem autonome Unterwasserfahrzeuge (AUVs) den Kunststoff knapp unter der Meeresoberfläche scannen, erkennen und quantifizieren. In diesem Bereich, der auch als epipelagische Zone bezeichnet wird, kann das Licht noch eindringen.
„Unser Ziel war ein sehr kleines Modell mit einer sehr hohen Inferenzgeschwindigkeit, das Plastik erkennen kann.“ Jay Lowe, Machine-Learning-Forscher
Das DeepPlastic-Team trainierte zwei kleine und präzise Modelle, YOLOv4 und YOLOv5, die eine Objekterkennung in Echtzeit ermöglichen. Die Modelle wurden mit dem DeepTrash-Datensatz trainiert, der Folgendes umfasste:
- 1900 Trainingsbilder, 637 Testbilder und 637 Validierungsbilder (Aufteilung 60, 20, 20)
- Im Gelände aufgenommene Bilder vom Lake Tahoe, aus der San Francisco Bay und der Bodega Bay in Kalifornien.
- Bilder aus dem Internet
„Wir suchten nach einem Objekterkennungsalgorithmus, der eine hohe Genauigkeit bietet und extrem schnell ist. Die Meeresumgebungen, in denen wir arbeiten, sind rau und anspruchsvoll. Ultralytics YOLOv5 überzeugte in jeder Hinsicht und war das beste Objekterkennungsmodell, das wir hätten einsetzen können.“ „Wir verwenden YOLOv5 sehr gern, weil es sich so einfach einrichten und nutzen lässt und stets die gewünschten Ergebnisse liefert.“ „Für alle künftigen Modelle, die wir einsetzen, wird YOLOv5 zweifellos unsere erste Wahl sein.“ Gautam Tata, Machine-Learning-Forscher
Sieh dir das DeepPlastic-Repository, die veröffentlichte Studie und die Videozusammenfassung an.
Verfasst von
Digital Content Managerin · Ultralytics
Kommentare
Stelle eine Frage, teile deine Ergebnisse oder hilf anderen.
