SharkEyeが物体検出にUltralytics YOLOv8を使用

農場で草を食べる牛や、海岸近くを移動するサメなど、自然の生息地にいる動物をモニタリングすることは、動物の安全と健康を守るうえで常に重要でした。しかし、動物を手作業で観察するのは簡単ではありません。観察者は行動や動きの変化を注意深く見守る必要があるため、何時間も根気よく集中しなければならないことがあります。それでも、わずかでも重要な兆候を見逃しやすいものです。

人工知能（AI）の導入により、このプロセスは迅速かつスマートになり、効率も大幅に向上しているため、人間の観察者の負担を軽減しながら精度を高められます。特に、コンピュータービジョンを使って動物を追跡し、危険を検知し、リアルタイムで判断できます。かつて何時間もかかっていた作業を数分で完了できるようになり、動物の行動を理解する新たな方法が生まれています。

Ultralyticsが主催する年次ハイブリッドイベント、YOLO Vision 2024（YV24）では、専門家やイノベーターが集まり、AIが日常の課題にどのように取り組んでいるかを探りました。紹介されたテーマには、リアルタイム物体検出や動物モニタリングの進歩などが含まれ、AIがさまざまな分野で安全性と効率を高めていることが示されました。

イベントの注目ポイントの一つは、AI Master Groupの創設者であるJim Griffin氏の講演でした。同氏は、サメが岸に近づきすぎる前に検知し、Vision AIがどのようにビーチの安全性を高めているかを紹介しました。さらに、Ultralytics YOLOv8というコンピュータービジョンモデルを使い、波の荒れや反射光、水中の障害物といった難しい条件下でも、リアルタイムでサメを正確に識別した方法を説明しました。

この記事では、SharkEyeプロジェクトを詳しく紹介し、Jim氏の講演から得られた興味深い知見をお伝えします。

SharkEyeを知る：コンピュータービジョンの活用例#

Jim氏は講演の冒頭で、サーファーとサメが同じ海域を共有することの多い、カリフォルニア州の有名なサーフィンスポット、Padaro Beachを紹介しました。サメ検知の本当の課題について触れ、次のように述べました。「もちろん、サメにかまれればサメを検知するのは簡単です。私たちが目指したのは、事前にサメを特定することです。」

図1. YOLO Vision 2024のステージに立つJim氏。

SharkEyeは、この課題に取り組むため、カリフォルニア大学サンタバーバラ校の支援を受けて開発されました。Jim氏は、高解像度のAIカメラを搭載したドローンを水面から約200フィートの高さで飛行させ、海をリアルタイムでスキャンした方法を説明しました。

サメが検知されると、ライフガード、サーフショップのオーナー、更新情報への登録者など、約80人にSMSアラートが届きます。Jim氏は、こうした即時通知によって迅速な対応が可能になり、サメが海岸近くにいる場合にビーチ利用者の安全を守れると指摘しました。

Jim氏はまた、SharkEyeにはサメ検知の統計を確認できるライブダッシュボードがあると述べました。たとえば、12週間でシステムは大型のサメを2匹、小型のサメを15匹特定し、平均すると週に1匹強のサメを検知しました。

続いて、SharkEyeの取り組みを率いた科学者、Neil Nathan氏を紹介しました。Nathan氏はコンピューターサイエンスではなく環境学を専門としていましたが、プロジェクトを見事に主導しました。Jim氏は、SharkEyeで使用されたような最新のAIツールは誰でも利用しやすいように設計されており、技術的な知識がない人でも大きな効果をもたらすソリューションを開発できると強調しました。

Ultralytics YOLOv8を使用したサメの検出#

さらに詳しく、Jim氏はSharkEyeの仕組みと、サメ検知ソリューションが単純な物体検出タスクだけではなかったことを説明しました。サメと間違えやすい海藻の漂流など、変化が激しく予測困難な状況にも対応する必要がありました。静止した物体を見つける場合とは異なり、サメの識別には高い精度と適応性が求められるため、Ultralytics YOLOv8は有力な選択肢となりました。

Ultralytics YOLOv8のもう一つの利点は、クラウドサーバーに依存せずにドローンにデプロイできることでした。Jim氏は、この方法によりSharkEyeが即時にアラートを送信できたと説明しました。これは、予測が難しい海洋環境で迅速に対応するうえで重要な要素です。

わずか6行のコードで物体検出#

SharkEyeの仕組みと、それを支えた共同作業について紹介した後、Jim氏はライブデモを披露しました。

Jim Griffin氏は、よく知られたUltralytics YOLOモデルの「Hello World」コードスニペットを使って、ライブデモを始めました。わずか6行のPythonコードで、事前学習済みのUltralytics YOLOv8モデルが画像内のバスを検出できることを示しました。

図2. YOLO Vision 2024でJim氏が行ったデモ。

デモでは、ドローンのような低消費電力デバイス向けの軽量版、Ultralytics YOLOv8 Nanoモデルを使用しました。同じモデルがSharkEyeでリアルタイムのサメ検知にも使用されました。

さらに詳しい背景として、Jim氏はデモのモデルが広く使われているCOCOデータセットの小規模なサブセットであるCOCO128で学習されていたと説明しました。COCOデータセットには約330,000枚の画像が含まれ、そのうち200,000枚以上にラベルが付与されており、80種類の物体カテゴリを網羅しています。COCO128は手早いデモには適していますが、SharkEyeには、実環境の複雑さに対応できる、用途に特化したより堅牢なサメ検知データセットが必要だと指摘しました。

SharkEye向けUltralytics YOLOv8のカスタムトレーニング#

Jim氏によると、SharkEyeプロジェクトで最も難しかったのはAIモデルの学習ではなく、適切なデータの収集でした。氏は次のように述べています。「このプロジェクトの主な作業はAIではありませんでした。5年間にわたってドローンを飛ばし、動画から画像を選別し、適切にタグ付けすることが主な作業でした。」

氏は、チームがPadaro Beachで15,000枚の画像を収集した方法を説明しました。サメ、海藻、水中のその他の物体を区別するため、各画像に手作業でラベルを付ける必要がありました。この作業は時間がかかり、大変なものでしたが、その後のすべての取り組みの基盤となりました。

図3. リアルタイム物体検出用にドローンでサメの画像を撮影します。

データセットの準備が整うと、Ultralytics YOLOv8を使ってカスタムトレーニングを行いました。Jim氏は、「実際の学習は難しい部分ではありませんでした。T4 GPU [グラフィックス処理ユニット]で20時間しかかかりませんでした」と述べました。さらに、A100 GPUなど、より高性能なハードウェアを使えば、所要時間をわずか5時間まで短縮できた可能性があると付け加えました。

SharkEyeの評価：再現率より適合率を重視#

続いてJim氏は、SharkEyeの性能評価方法について説明しました。同氏は、システムが実際のサメをどれだけ正確に識別したかを示す適合率が主要な指標だと解説しました。SharkEyeは適合率92%を達成し、複雑な海洋環境でもサメを正確に識別する高い能力を示しました。

適合率が重要である理由をさらに掘り下げ、Jim氏は、このケースで適合率が再現率より重要だった理由を説明しました。「多くの場合、人々は再現率に関心を寄せます。特に医療のような分野では、陽性の症例を見逃すことが重大な問題になる可能性があります。しかし、このケースではサメが何匹いるのかわからなかったため、私たちが重視したのは適合率でした」と氏は説明しました。SharkEyeは適合率を重視することで誤報を最小限に抑え、ライフガードなどの対応者が迅速に行動しやすくしました。

図4. YOLO Vision 2024でSharkEyeを紹介するJim氏。

講演の締めくくりに、彼はAIと人間の性能を比較し、SharkEyeの精度92%は人間の専門家の正確度60%を大きく上回ると述べました。この差について、「人間だからです。あなたや私がどれほど熟練していても、一日中画面の前に座ってサメを探し続けなければならないとしたら、いずれ意識がそれてしまいます」と強調しました。人間とは異なり、AIモデルは疲れたり注意散漫になったりしないため、継続的な監視が必要なタスクに信頼性の高いソリューションを提供します。

Ultralytics YOLO11#

Jim Griffin氏の講演にあった「6行のコードが、いつかあなたの命を救うかもしれません」という印象的な言葉は、AIがいかに高度でありながら利用しやすくなったかを表しています。Ultralytics YOLOモデルはこの考えのもとに開発され、高度なコンピュータービジョンテクノロジーをあらゆる規模の開発者や企業が利用できるようにしています。Ultralytics YOLO11は、推論の高速化と精度向上を実現し、その後継モデルとしてUltralytics YOLO26が登場しました。

Ultralytics YOLO11の主な特長を簡単にご紹介します。

• アーキテクチャの再設計：強化されたバックボーンとネックのアーキテクチャにより、特徴抽出が向上し、精度が高まります。
• 使いやすさ：Pythonでのコーディング、またはUltralytics Platformのようなノーコードツールから利用できます。
• タスク間の柔軟性：Ultralytics YOLO11は、物体検出、インスタンスセグメンテーション、画像分類、姿勢推定、方向付きバウンディングボックス（OBB）、トラッキングなどのコンピュータービジョンタスクに対応しています。
• 精度の向上：Ultralytics YOLO11mは、パラメーター数を22%削減しながら、COCOデータセット上でYOLOv8mを上回る平均適合率（mAP）を達成します。

これらの特長により、Ultralytics YOLO11は、農場でも野生環境でも、変化の激しい環境における動物の行動追跡に最適です。

重要なポイント#

ビジョンAIの進歩により、さまざまな分野で実用的なツールが提供され、現実世界の課題への取り組みが容易になっています。たとえば、Ultralytics YOLO11のようなコンピュータービジョンモデルは、厳しい条件下でも動物のリアルタイム監視や追跡に活用できます。

YV24でのJim Griffin氏の基調講演では、Ultralytics YOLOv8を使って、最小限のコーディングで複雑な問題を解決できることが紹介されました。ドローンとAIを組み合わせてリアルタイムでサメを検出するSharkEyeプロジェクトは、テクノロジーがビーチの安全性を高められることを実証しました。

これは、利用しやすいAIによって、さまざまな背景を持つ人々が効果的なソリューションを生み出せることを示す、説得力のある事例でした。

コミュニティに参加し、GitHubリポジトリを確認して、AIについてさらに詳しく学びましょう。農業におけるコンピュータービジョンから自動運転車におけるAIまで、これらのテクノロジーがどのようにイノベーションを推進しているかをご覧ください。AIプロジェクトを今すぐ始めるには、ライセンスの選択肢をご確認ください。