Caso studio: DeepPlastic e YOLOv5
Scopri come Ultralytics combatte l'inquinamento da plastica negli oceani utilizzando AUV e YOLOv5 per un efficiente rilevamento e pulizia subacquea.
La plastica sta soffocando la fauna marina: ogni minuto, due camion di plastica vengono scaricati nei nostri oceani, l'equivalente di oltre 10 milioni di tonnellate all'anno. Gli scienziati di DeepPlastic affermano che questa plastica marina rappresenta una minaccia sociale per "l'ambiente marino, la sicurezza alimentare, la salute umana, l'ecoturismo e i contributi al cambiamento climatico."
Per combattere questo fenomeno, questo team di ricercatori e ingegneri ha studiato come la computer vision possa eliminare la plastica dai nostri oceani.
Grazie alla tecnologia deep learning, i ricercatori di DeepPlastic hanno sviluppato un approccio che utilizza veicoli subacquei autonomi (AUV) per scansionare, identificare e quantificare la plastica situata appena sotto la superficie dell'oceano, dove la luce riesce ancora a penetrare, ovvero lo strato epipelagico.
“Il nostro obiettivo era ottenere un modello piccolissimo con una velocità di inferenza molto elevata che potesse essere utilizzato per rilevare la plastica.” Jay Lowe, Machine Learning Researcher
Il team di DeepPlastic ha addestrato due modelli piccoli e precisi, YOLOv4 e YOLOv5, consentendo il rilevamento di oggetti in tempo reale. Questi modelli sono stati addestrati sul DeepTrash dataset, che consisteva in:
- 1900 immagini di addestramento, 637 immagini di test, 637 immagini di validazione (divisione 60, 20, 20)
- Immagini sul campo scattate dal Lake Tahoe, dalla San Francisco Bay e da Bodega Bay in California.
- Immagini da Internet
“Eravamo alla ricerca di un algoritmo di rilevamento di oggetti che producesse un'elevata precisione ed fosse estremamente veloce. Gli ambienti oceanici in cui lavoriamo sono aspri e presentano terreni difficili. Ultralytics YOLOv5 ha mantenuto tutte le promesse, rivelandosi il miglior modello di rilevamento di oggetti che avremmo potuto utilizzare.” “Adoriamo usare YOLOv5 perché è facilissimo da configurare e usare, e ha prodotto costantemente i risultati che desideravamo.” “Per qualsiasi modello futuro che distribuiremo, considereremo YOLOv5 come la nostra prima scelta senza ombra di dubbio.” Gautam Tata, Machine Learning Researcher
Dai un'occhiata al DeepPlastic repository, al published paper e al video recap.
