YOLOvME: detección sencilla de guisantes tirabeques

Takayuki Nukui es científico de datos especializado en materiales y vive en Tokio, Japón. Puede que pienses que el aprendizaje automático y la ciencia de materiales no pegan mucho, pero Takayuki descubrió que muchas soluciones de aprendizaje automático se pueden aplicar a su ámbito de trabajo.

Sin embargo, el verdadero motivo por el que Takayuki se interesó por el aprendizaje automático no tiene nada que ver con su trabajo actual. De pequeño, su padre era agricultor. A menudo tenía que ayudarle a cosechar tirabeques, una tarea muy exigente.

Al ojo humano le puede resultar difícil localizar todos los tirabeques de una planta, ya que se camuflan muy bien entre las hojas. Durante la temporada de cosecha, Takayuki tenía que recorrer una y otra vez los campos de su padre para asegurarse de recoger hasta el último tirabeque maduro. Este arduo proceso llevó a Takayuki a imaginar cómo la IA visual que estudiaba en aquel momento podría ayudar a simplificar la cosecha de tirabeques.

Descubrimos la aplicación de Takayuki para detectar tirabeques en Twitter y hablamos con él para conocer mejor su trabajo con Ultralytics YOLOv5.

¿Cómo elegiste Ultralytics YOLOv5 para ayudarte a resolver el problema de detectar tirabeques?#

Al principio, Takayuki probó varios modelos de detección de objetos, desde YOLOv3 hasta SSD y EfficientDet. Sin embargo, hace un año probó YOLOv5 y acabó trabajando con él hasta hoy, ya que ofrecía la mejor precisión.

¿Qué aspectos de Ultralytics YOLOv5 facilitaron el trabajo con el modelo?#

Para Takayuki, los mecanismos prediseñados para mejorar la precisión de los modelos, como el aumento de datos y la evolución de hiperparámetros, hacen que Ultralytics YOLOv5 sea fácil de usar. Aunque normalmente esto requeriría un programa complejo, YOLOv5 permite hacerlo con solo unas líneas de código. «Me alegró poder analizar los resultados y ajustar el modelo en el tiempo que ahorré. ¡Por supuesto, también dediqué tiempo a las anotaciones!»

¿Qué otros retos te gustaría resolver con Ultralytics YOLOv5 en el futuro?#

Takayuki mantiene abiertas sus opciones: «Quiero probarlo con otros cultivos de la granja. Y no solo eso, quiero seguir probando cualquier cosa que se me ocurra. Creo que puedo descubrir más cosas intentando detectar objetos».

¿Qué consejo le darías a alguien que acaba de iniciarse en el mundo de la IA?#

«Ante todo, recomendaría Ultralytics YOLOv5 a quienes creen que la detección de objetos parece difícil y les da reparo iniciarse en la IA visual. En mi opinión, YOLOv5 es el modelo de detección de objetos más accesible para implementar.

También sugeriría probarlo con una cantidad menor de datos de entrenamiento. El aumento de datos ya viene preparado y, a menudo, produce modelos sorprendentemente interesantes».

Takayuki Nukui compagina la ingeniería con el cultivo de hortalizas en su pequeña granja. Su sitio web es FarML, donde publica artículos sobre ML. Echa un vistazo a su artículo detallado sobre la detección de tirabeques. Takayuki también suele publicar sus casos de uso en Twitter y YouTube.

¡También queremos destacar tu caso de uso de YOLOv5! Menciónanos en redes sociales con @Ultralytics y #YOLOvME para tener la oportunidad de aparecer.

Descubre cómo Ultralytics YOLOv5 y la IA visual ofrecen soluciones para el sector agrícola.