Caso práctico: DeepPlastic y YOLOv5

El plástico está asfixiando a la fauna marina: cada minuto, dos camiones cargados de plástico acaban en nuestros océanos, lo que equivale a más de 10 millones de toneladas al año. Los científicos de DeepPlastic afirman que este plástico marino supone una amenaza social para «el medio marino, la seguridad alimentaria, la salud humana, el ecoturismo y las contribuciones al cambio climático».

Para combatir este problema, este equipo de investigadores e ingenieros está estudiando cómo puede ayudar la visión artificial a eliminar el plástico de nuestros océanos.

Con tecnología de aprendizaje profundo, los investigadores de DeepPlastic han desarrollado un método que utiliza vehículos submarinos autónomos (AUVs) para detectar, identificar y cuantificar el plástico situado justo debajo de la superficie del océano, donde aún puede penetrar la luz, es decir, en la capa epipelágica.

«Nuestro objetivo era tener un modelo muy pequeño, con una velocidad de inferencia muy alta, que se pudiera utilizar para detectar plástico». Jay Lowe, investigador de aprendizaje automático

El equipo de DeepPlastic entrenó dos modelos pequeños y precisos, YOLOv4 y YOLOv5, que permiten la detección de objetos en tiempo real. Estos modelos se entrenaron con el conjunto de datos DeepTrash, que constaba de:

• 1900 imágenes de entrenamiento, 637 imágenes de prueba y 637 imágenes de validación (división 60, 20, 20)
• Imágenes de campo tomadas en el lago Tahoe, la bahía de San Francisco y la bahía de Bodega, en California.
• Imágenes de Internet

«Buscábamos un algoritmo de detección de objetos que ofreciera una gran precisión y fuera extremadamente rápido. Los entornos oceánicos en los que trabajamos son duros y agrestes. 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 siempre nos ha dado los resultados que buscábamos». «Para todos los modelos que implementemos en el futuro, YOLOv5 será sin duda nuestra primera opción». Gautam Tata, investigador de aprendizaje automático

Echa un vistazo al repositorio de DeepPlastic, al artículo publicado y al vídeo resumen.