Fallstudie: DeepPlastic und YOLOv5
Entdecke, wie Ultralytics mit AUVs und YOLOv5 die Verschmutzung der Meere durch Plastik bekämpft und eine effiziente Erkennung und Bergung unter Wasser ermöglicht.
Plastik erstickt die Meeresfauna: Jede Minute werden zwei Lkw-Ladungen Plastik in unsere Ozeane gekippt – das entspricht mehr als 10 Millionen Tonnen pro Jahr. Die Wissenschaftler von DeepPlastic erklären, dass dieses Plastik im Meer eine gesellschaftliche Bedrohung für die „Meeresumwelt, die Lebensmittelsicherheit, die menschliche Gesundheit, den Ökotourismus und den Beitrag zum Klimawandel“ darstellt.
Um dem entgegenzuwirken, untersuchte dieses Team aus Forschern und Ingenieuren, wie Computer Vision Plastik aus unseren Ozeanen entfernen kann.
Mithilfe von Deep-Learning-Technologie haben die DeepPlastic-Forscher einen Ansatz entwickelt, der autonome Unterwasserfahrzeuge (AUVs) einsetzt, um Plastik zu scannen, zu identifizieren und zu quantifizieren, das sich knapp unter der Meeresoberfläche in der lichtdurchlässigen Epipelagialzone befindet.
„Unser Ziel war ein sehr kleines Modell mit einer sehr hohen Inferenzgeschwindigkeit, 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 mit dem DeepTrash-Datensatz trainiert, der Folgendes umfasste:
- 1.900 Trainingsbilder, 637 Testbilder, 637 Validierungsbilder (Aufteilung 60, 20, 20)
- Im Feld 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 mit hoher Genauigkeit und extrem hoher Geschwindigkeit. Die Meeresumgebungen, in denen wir arbeiten, sind rau und anspruchsvoll. Ultralytics YOLOv5 hat in jeder Hinsicht überzeugt und sich als das beste Objekterkennungsmodell erwiesen, das wir hätten einsetzen können.“ „Wir verwenden YOLOv5 sehr gerne, weil es sich so einfach einrichten und nutzen lässt und durchgehend die gewünschten Ergebnisse liefert.“ „Bei allen zukünftigen Modellen, die wir einsetzen werden, wird YOLOv5 ohne jeden Zweifel unsere erste Wahl sein.“ Gautam Tata, Machine-Learning-Forscher
Sieh dir das DeepPlastic-Repository, die veröffentlichte Studie und die Videozusammenfassung an.
