Fallstudie: DeepPlastic und YOLOv5
Entdecke, wie Ultralytics die Plastikverschmutzung der Ozeane mithilfe von AUVs und YOLOv5 für eine effiziente Unterwassererkennung und -reinigung bekämpft.
Plastik erstickt die Meeresfauna: Jede Minute werden zwei LKW-Ladungen Plastik in unsere Ozeane gekippt, was über 10 Millionen Tonnen pro Jahr entspricht. Die Wissenschaftler von DeepPlastic erklären, dass dieses Meeresplastik gesellschaftliche Bedrohungen für die "Meeresumwelt, Lebensmittelsicherheit, menschliche Gesundheit, Ökotourismus und Beiträge zum Klimawandel" darstellt.
Um dies zu bekämpfen, hat dieses Team aus Forschern und Ingenieuren untersucht, wie Computer Vision Plastik in unseren Ozeanen beseitigen kann.
Mit Deep-Learning-Technologie haben die Forscher von DeepPlastic einen Ansatz entwickelt, der autonome Unterwasserfahrzeuge (AUVs) verwendet, um Plastik zu scannen, zu identifizieren und zu quantifizieren, das sich knapp unter der Meeresoberfläche befindet, wo Licht noch eindringen kann, oder in der epipelagischen Zone.
„Unser Ziel war ein sehr kleines Modell mit einer sehr schnellen Inferenzgeschwindigkeit, das zur Erkennung von Plastik eingesetzt werden kann.“ Jay Lowe, Machine Learning Researcher
Das DeepPlastic-Team trainierte zwei kleine und präzise Modelle, YOLOv4 und YOLOv5, die eine Objekterkennung in Echtzeit ermöglichen. Diese Modelle wurden auf dem DeepTrash-Datensatz trainiert, der aus Folgendem bestand:
- 1900 Trainingsbilder, 637 Testbilder, 637 Validierungsbilder (60/20/20-Aufteilung)
- Vor-Ort-Aufnahmen aus dem Lake Tahoe, der San Francisco Bay und der Bodega Bay in Kalifornien.
- Internetbilder
„Wir suchten nach einem Objekterkennungsalgorithmus, der eine hohe Genauigkeit liefert und extrem schnell ist. Die ozeanischen Umgebungen, in denen wir arbeiten, sind rau und anspruchsvoll. YOLOv5 hat an allen Fronten überzeugt als das beste Objekterkennungsmodell, das wir hätten verwenden können.“ „Wir lieben den Einsatz von YOLOv5, da es so einfach einzurichten und zu bedienen ist und konstant die Ergebnisse geliefert hat, die wir uns gewünscht haben.“ „Für alle zukünftigen Modelle, die wir einsetzen werden, werden wir ohne jeden Zweifel als erste Wahl auf YOLOv5 schauen.“ Gautam Tata, Machine Learning Researcher
Sieh dir das DeepPlastic-Repository, die veröffentlichte Arbeit und die Videozusammenfassung an.
