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。
プラスチックは海洋生物を窒息させています。毎分2台分のゴミ収集車相当のプラスチックが海に投棄されており、年間1,000万トンを超えています。DeepPlasticの科学者は、この海洋プラスチックが「海洋環境、食品安全、人の健康、エコツーリズム、および気候変動への寄与」といった社会的な脅威をもたらしていると述べています。
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、非常に軽量で推論速度が非常に速いモデルを開発することでした。」 Jay Lowe、機械学習研究者
DeepPlasticチームは、リアルタイムの物体検出を可能にするために、YOLOv4とYOLOv5という2つの小型で高精度なモデルを学習させました。これらのモデルは以下の構成を持つDeepTrashデータセットで学習されました。
- 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
「私たちは高精度で非常に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、地形も荒いものです。YOLOv5は、私たちが使用できる最高の物体検出モデルとしてあらゆる面で期待に応えてくれました。」 「セットアップと使用が非常に簡単で、求めていた結果を一貫して出し続けてくれるため、私たちはYOLOv5の使用を非常に気に入っています。」 「今後展開するすべてのモデルにおいて、迷うことなくYOLOv5を第一の選択肢として検討するつもりです。」 Gautam Tata、機械学習研究者
DeepPlasticリポジトリ、公開論文、およびビデオ要約をご覧ください。
