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 landen zwei Lkw-Ladungen Plastik in unseren Ozeanen, was mehr als 10 Millionen Tonnen pro Jahr entspricht. Wissenschaftler von DeepPlastic erklären, dass dieses Meeresplastik eine gesellschaftliche Bedrohung für die „Meeresumwelt, die Lebensmittelsicherheit, die menschliche Gesundheit, den 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 es, ein sehr kleines Modell mit einer sehr schnellen Inferenzgeschwindigkeit zu haben, das zur Erkennung von Plastik eingesetzt werden kann.“ Jay Lowe, Machine-Learning-Forscher
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 haben nach einem Objekterkennungsalgorithmus gesucht, der eine hohe Genauigkeit liefert und extrem schnell ist. Die ozeanischen Umgebungen, in denen wir arbeiten, sind raue, anspruchsvolle Terrains. Ultralytics YOLOv5 hat in jeder Hinsicht als das beste Objekterkennungsmodell überzeugt, das wir hätten verwenden können.“ „Wir lieben die Verwendung von YOLOv5, da es so einfach einzurichten und zu bedienen ist und durchgehend die Ergebnisse liefert, die wir uns gewünscht haben.“ „Für alle zukünftigen Modelle, die wir bereitstellen werden, wird YOLOv5 ohne jeden Zweifel unsere erste Wahl sein.“ Gautam Tata, Machine Learning Researcher
Sieh dir das DeepPlastic-Repository, die veröffentlichte Arbeit und die Videozusammenfassung an.
