Estudio de caso: DeepPlastic y YOLOv5
Descubre cómo Ultralytics está combatiendo la contaminación por plásticos en los océanos usando AUVs y YOLOv5 para una detección y limpieza submarina eficiente.
El plástico está asfixiando la vida silvestre marina: cada minuto se vierten dos camiones de plástico en nuestros océanos, lo que equivale a más de 10 millones de toneladas al año. Los científicos de DeepPlastic afirman que este plástico marino representa amenazas sociales para el "medio marino, la seguridad alimentaria, la salud humana, el ecoturismo y sus contribuciones al cambio climático".
Para combatir esto, este equipo de investigadores e ingenieros ha estado investigando cómo la visión artificial puede eliminar el plástico de nuestros océanos.
Con tecnología de deep learning, los investigadores de DeepPlastic han desarrollado un enfoque que utiliza vehículos autónomos submarinos (AUVs) para escanear, identificar y cuantificar el plástico ubicado justo debajo de la superficie del océano donde la luz aún puede penetrar, o capa epipelágica.
“Nuestro objetivo era conseguir un modelo muy pequeño con una velocidad de inferencia muy rápida que se pudiera usar para detectar plástico”. Jay Lowe, investigador de Machine Learning
El equipo de DeepPlastic entrenó dos modelos pequeños y precisos, YOLOv4 y YOLOv5, lo que permitió la detección de objetos en tiempo real. Estos modelos se entrenaron con el conjunto de datos DeepTrash, que consistía en:
- 1900 imágenes de entrenamiento, 637 imágenes de prueba, 637 imágenes de validación (división 60, 20, 20)
- Imágenes de campo tomadas del lago Tahoe, la bahía de San Francisco y Bodega Bay en CA.
- Imágenes de Internet
“Estábamos buscando un algoritmo de detección de objetos que ofreciera una alta precisión y fuera extremadamente rápido. Los entornos oceánicos en los que trabajamos son difíciles y de terrenos escarpados. Ultralytics YOLOv5 cumplió en todos los aspectos como el mejor modelo de detección de objetos que podríamos haber utilizado.” “Nos encanta usar YOLOv5 porque es muy fácil de configurar y utilizar, y ha venido ofreciendo los resultados que queríamos de forma constante.” “Para cualquier modelo futuro que implementemos, consideraremos YOLOv5 como nuestra primera opción sin la menor duda.” Gautam Tata, investigador de aprendizaje automático
Echa un vistazo al repositorio de DeepPlastic, al documento publicado y al resumen en vídeo.
