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, il che equivale a 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 il contributo 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 avere un modello molto piccolo con una velocità di inferenza molto rapida da poter utilizzare per rilevare la plastica." Jay Lowe, ricercatore di Machine Learning
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 dataset DeepTrash, composto da:
- 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
"Cercavamo un algoritmo di rilevamento oggetti che producesse un'elevata precisione e fosse estremamente veloce. Gli ambienti oceanici in cui lavoriamo sono aspri, terreni accidentati. YOLOv5 ha mantenuto le promesse su tutti i fronti come il miglior modello di rilevamento oggetti che avremmo potuto usare." "Adoriamo usare YOLOv5 perché è così facile da configurare e utilizzare, e ha prodotto costantemente i risultati che volevamo." "Per qualsiasi modello futuro che distribuiremo, prenderemo in considerazione YOLOv5 come prima scelta senza ombra di dubbio." Gautam Tata, ricercatore di Machine Learning
Dai un'occhiata al repository DeepPlastic, al documento pubblicato e al video riassuntivo.
