डिस्कवर करें कि Takayuki Nukui कैसे लागू होता है YOLOv5 कुशल स्नैप मटर कटाई के लिए एआई-पारंपरिक खेती के साथ सम्मिश्रण मशीन सीखना।
.webp)
Takayuki Nukui टोक्यो, जापान से एक सामग्री डेटा वैज्ञानिक है। आप सोच सकते हैं कि एमएल और भौतिक विज्ञान एक अप्रत्याशित जोड़ी है, लेकिन ताकायुकी ने पाया कि उनके काम की लाइन में कई एमएल समाधान लागू किए जा सकते हैं।
हालांकि, ताकायुकी के एमएल में आने का असली कारण उनकी वर्तमान भूमिका से कोई लेना-देना नहीं है। बड़े होकर, ताकायुकी के पिता एक किसान थे। अक्सर, उसे अपने पिता को स्नैप मटर की फसल में मदद करनी होगी - एक बहुत ही मांग वाली प्रक्रिया।
मानव आंखों के लिए, एक पौधे पर सभी स्नैप मटर को स्पॉट करना चुनौतीपूर्ण हो सकता है क्योंकि वे पत्तियों के बीच बहुत अच्छी तरह से छलावरण करते हैं। फसल के मौसम के दौरान, ताकायुकी को समय-समय पर अपने पिता के खेतों में आगे-पीछे ट्रेक करना पड़ता था ताकि यह सुनिश्चित हो सके कि वह हर आखिरी पका हुआ स्नैप मटर उठाए। इस कठिन प्रक्रिया ने ताकायुकी को यह कल्पना करने के लिए प्रेरित किया कि उस समय वह जिस दृष्टि एआई का अध्ययन कर रहा था, वह संभवतः स्नैप मटर की कटाई को सरल बनाने में मदद कर सकता है।
हम ट्विटर पर ताकायुकी के स्नैप मटर डिटेक्शन एप्लिकेशन पर आए और उनके काम के बारे में अधिक जानने के लिए उनसे बात की YOLOv5.
शुरुआत में, ताकायुकी ने YOLOv3 से SSD से EfficientDet तक विभिन्न ऑब्जेक्ट डिटेक्शन मॉडल की कोशिश की। हालांकि, एक साल पहले ताकायुकी ने कोशिश की थी YOLOv5 और वर्तमान दिन तक इसके साथ काम करना समाप्त कर दिया क्योंकि इसने सर्वोत्तम सटीकता प्रदान की।
ताकायुकी के लिए, मॉडल सटीकता में सुधार के लिए पूर्वनिर्धारित तंत्र, जैसे डेटा वृद्धि और पैरामीटर विकास बनाते हैं YOLOv5 सरल। हालांकि इसके लिए सामान्य रूप से एक बोझिल कार्यक्रम की आवश्यकता होगी, YOLOv5 एक साधारण कोड जोड़कर लागू किया जा सकता है। "मैं परिणामों का विश्लेषण करने और बनाए गए समय में मॉडल को ट्यून करने में सक्षम होने के लिए खुश था। बेशक, मैंने एनोटेशन पर भी समय बिताया!
ताकायुकी अपने विकल्प खुले रख रहे हैं: "मैं इसे खेत पर अन्य फसलों के साथ आज़माना चाहता हूं। इतना ही नहीं, लेकिन मैं जो कुछ भी मन में आता है उसके साथ प्रयास करना चाहता हूं। मुझे लगता है कि वस्तुओं का पता लगाने की कोशिश करके मैं और भी चीजें पता लगा सकता हूं।
"सबसे पहले, मैं सिफारिश करूंगा YOLOv5 उन लोगों के लिए जो सोचते हैं कि ऑब्जेक्ट डिटेक्शन मुश्किल लगता है और विजन एआई से शुरू करने के लिए आशंकित हैं। मेरी राय में, YOLOv5 लागू करने के लिए सबसे सुलभ वस्तु का पता लगाने वाला मॉडल है।
इसके अलावा, मैं इसे कम मात्रा में प्रशिक्षण डेटा के साथ उपयोग करने का प्रयास करने का सुझाव दूंगा। डेटा वृद्धि पूर्व-डिज़ाइन की गई है, और यह अक्सर आश्चर्यजनक रूप से दिलचस्प मॉडल तैयार करती है।
ताकायुकी नुकुई अपने छोटे से खेत में इंजीनियरिंग और सब्जियां उगाने के बीच अपने जीवन को संतुलित करता है। उनकी वेबसाइट FarML है, जहां वह ML पर लेख प्रकाशित करते हैं। स्नैप मटर का पता लगाने पर उनका विस्तृत लेख देखें।ताकायुकी अक्सर अपने ट्विटर और यूट्यूब पर अपने उपयोग के मामलों को पोस्ट करते हैं।
हम आपके स्पॉटलाइट करना चाहते हैं YOLOv5 केस का भी उपयोग करें! हमें सोशल मीडिया पर टैग करें @Ultralytics विशेष रुप से प्रदर्शित होने के अवसर के लिए #YOLOvME के साथ।
मशीन लर्निंग के भविष्य के साथ अपनी यात्रा शुरू करें
