ケーススタディ：DeepPlasticとYOLOv5
UltralyticsがAUVsとYOLOv5を活用し、海洋プラスチック汚染に取り組みながら、水中での効率的な検出と回収を実現する方法をご覧ください。
プラスチックが海洋生物を窒息させています。毎分、トラック2台分のプラスチックが海に投棄されており、年間では1,000万トンを超えます。DeepPlasticの科学者たちは、この海洋プラスチックが「海洋環境、食品の安全、人間の健康、エコツーリズム、気候変動への寄与」に対する社会的脅威になると述べています。
これに対処するため、この研究者とエンジニアのチームは、コンピュータービジョンによって海からプラスチックを除去する方法を研究してきました。
DeepPlasticの研究者たちは、深層学習技術を用いて、自律型水中ビークル（AUVs）で海面直下にあるプラスチックをスキャン、識別、定量化するアプローチを開発しました。この領域は、光がまだ通過できる海洋の表層、つまりEpipelagic層です。
「私たちの目標は、プラスチックの検出に使用できる、非常に小型で推論速度が非常に速いモデルを実現することでした。」 Jay Lowe、機械学習研究者
DeepPlasticチームは、リアルタイム物体検出を可能にする、2つの小型かつ高精度なモデル、YOLOv4とYOLOv5をトレーニングしました。これらのモデルは、以下で構成されるDeepTrashデータセットでトレーニングされました。
- トレーニング画像1,900枚、テスト画像637枚、検証画像637枚（60、20、20の分割）
- タホ湖、サンフランシスコ湾、カリフォルニア州のボデガ湾で撮影したフィールド画像
- インターネット上の画像
「私たちは、高精度を実現し、非常に高速に動作する物体検出アルゴリズムを探していました。私たちが活動する海洋環境は過酷で、地形も険しいものです。Ultralytics YOLOv5はあらゆる面で期待に応え、私たちが使用できる最良の物体検出モデルとなりました。」 「YOLOv5はセットアップと使用が非常に簡単で、私たちが求めていた結果を一貫して出してくれるため、愛用しています。」 「今後デプロイするモデルについては、疑いなくYOLOv5を第一候補として検討します。」 Gautam Tata、機械学習研究者
DeepPlasticリポジトリ、公開論文、動画による概要をご覧ください。
