Caso di studio: DeepPlastic e YOLOv5

La plastica sta soffocando la fauna marina: ogni minuto, due camion carichi di plastica vengono scaricati nei nostri oceani, per un totale di oltre 10 milioni di tonnellate all'anno. Gli scienziati di DeepPlastic affermano che questa plastica marina rappresenta una minaccia per la società in termini di "ambiente marino, sicurezza alimentare, salute umana, ecoturismo e contributo al cambiamento climatico".

Per affrontare questo problema, questo gruppo di ricercatori e ingegneri sta studiando come la visione artificiale possa contribuire a eliminare la plastica dai nostri oceani.

Grazie alla tecnologia di deep learning, i ricercatori di DeepPlastic hanno sviluppato un approccio che usa veicoli sottomarini autonomi (AUVs) per scansionare, identificare e quantificare la plastica che si trova appena sotto la superficie dell'oceano, dove la luce riesce ancora a penetrare, ovvero nello strato epipelagico.

“Il nostro obiettivo era realizzare un modello molto piccolo e con una velocità di inferenza molto elevata, in grado di rilevare la plastica.” Jay Lowe, ricercatore di machine learning

Il team di DeepPlastic ha addestrato due modelli piccoli e precisi, YOLOv4 e YOLOv5, che consentono il rilevamento degli oggetti in tempo reale. I modelli sono stati addestrati sul dataset DeepTrash, composto da:

• 1900 immagini di addestramento, 637 immagini di test, 637 immagini di convalida (suddivisione 60, 20, 20)
• Immagini raccolte sul campo dal lago Tahoe, dalla baia di San Francisco e dalla baia di Bodega, in California.
• Immagini da Internet

“Cercavamo un algoritmo di rilevamento degli oggetti molto veloce e con un'elevata precisione. Gli ambienti oceanici in cui lavoriamo sono ostili e impervi. Ultralytics YOLOv5 ha soddisfatto ogni requisito ed è stato il miglior modello di rilevamento degli oggetti che potessimo usare.” “Ci piace usare YOLOv5 perché è facilissimo da configurare e usare e produce costantemente i risultati che desideriamo.” “Per tutti i modelli che implementeremo in futuro, sceglieremo YOLOv5 senza alcun dubbio.” Gautam Tata, ricercatore di machine learning

Dai un'occhiata al repository DeepPlastic, all'articolo pubblicato e al video riassuntivo.