ケーススタディ：DeepPlasticとYOLOv5
UltralyticsがAUVとYOLOv5を使用して、効率的な水中検出と浄化を行うことで、海洋のプラスチック汚染にどのように取り組んでいるかを発見してください。
プラスチックが海洋生物を苦しめています。毎分2台のトラック分のプラスチックが海に廃棄されており、年間1,000万トンを超えています。DeepPlasticの研究者によれば、この海洋プラスチックは「海洋環境、食品の安全性、人間の健康、エコツーリズム、気候変動への影響」という社会的脅威をもたらしています。
これに対抗するため、この研究者とエンジニアのチームは、コンピュータビジョンを使って海洋のプラスチックを排除する方法を研究しています。
ディープラーニング技術を用いて、DeepPlasticの研究者は自律型水中ロボット（AUV）を活用し、光が透過する海面直下、つまり表層（エピペラジック層）にあるプラスチックをスキャン、識別、定量化する手法を開発しました。
「私たちの目標は、プラスチックを検出するために使用できる、非常に高速な推論速度を持つ非常に小さなモデルを作ることでした。」 Jay Lowe（機械学習研究者）
DeepPlasticチームは、リアルタイムの物体検出を可能にするために、YOLOv4とYOLOv5という2つの小さく正確なモデル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 datasetでトレーニングされました。
- トレーニング画像1900枚、テスト画像637枚、検証画像637枚（60:20:20の分割）
- カリフォルニア州のタホ湖、サンフランシスコ湾、ボデガ湾で撮影されたフィールド画像。
- インターネット上の画像
「私たちは、高精度でありながら極めて高速な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、過酷で荒れた地形です。Ultralytics YOLOv5はあらゆる面で期待に応えてくれ、私たちが使用できる最高の物体検出モデルでした。」 「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続けてくれているため、とても気に入っています。」 「今後デプロイするすべてのモデルについて、私たちは疑いの余地なくYOLOv5を第一候補として検討するでしょう。」 Gautam Tata、機械学習研究者
DeepPlastic repository、published paper、およびvideo recapをご覧ください。
