YOLOvME：スナップエンドウ検出を手軽に

Takayuki Nukuiは、東京を拠点とする材料データサイエンティストです。機械学習（ML）と材料科学は意外な組み合わせに思えるかもしれませんが、Takayukiは多くのMLソリューションを自身の業務に応用できることに気づきました。

しかし、TakayukiがMLに取り組み始めた本当の理由は、現在の役割とは関係ありません。幼い頃、Takayukiの父親は農家でした。Takayukiはよく父親の手伝いでスナップエンドウを収穫していましたが、それは非常に大変な作業でした。

人間の目では、葉の間にうまく紛れ込んでいるスナップエンドウをすべて見つけるのは困難です。収穫期になると、Takayukiは熟したスナップエンドウを一つ残らず収穫できたか確かめるため、父親の畑を何度も往復しなければなりませんでした。この大変な作業をきっかけに、当時学んでいたビジョンAIを使えば、スナップエンドウの収穫を簡単にできるのではないかと考えるようになりました。

TwitterでTakayukiのスナップエンドウ検出アプリケーションを見つけ、Ultralytics YOLOv5を使った取り組みについて詳しく知るために話を聞きました。

スナップエンドウの検出という課題を解決するために、Ultralytics YOLOv5を選んだのはなぜですか？#

最初、TakayukiはYOLOv3、SSD、EfficientDetなど、さまざまな物体検出モデルを試しました。しかし、1年前にYOLOv5を試したところ、最も高い精度が得られたため、現在まで使い続けています。

Ultralytics YOLOv5のどのような点が扱いやすかったですか？#

Takayukiにとって、データ拡張やハイパーパラメータ進化など、モデル精度を高めるための仕組みがあらかじめ用意されていることは、Ultralytics YOLOv5の使いやすさにつながっています。通常なら手間のかかるプログラムが必要ですが、YOLOv5では数行のコードだけで実現できます。「できた時間を使って結果を分析し、モデルを調整できたのはうれしかったです。もちろん、アノテーションにも時間をかけました！」

今後、Ultralytics YOLOv5で解決したい課題はほかにありますか？#

Takayukiはさまざまな可能性を考えています。「農場のほかの作物でも試してみたいです。それだけでなく、思いついたことは何でも試し続けたいです。物体検出を試してみれば、さらに多くのことがわかると思います。」

AIの世界に初めて取り組む方に、どのようなアドバイスをしますか？#

「まず、物体検出は難しそうだと感じ、ビジョンAIを始めることをためらっている方には、Ultralytics YOLOv5をお勧めします。私の考えでは、YOLOv5は最も手軽に実装できる物体検出モデルです。」

「また、少量のトレーニングデータで試してみることもお勧めします。データ拡張があらかじめ用意されており、驚くほど興味深いモデルができることもよくあります。」

Takayuki Nukuiは、エンジニアリングと小さな農場での野菜作りを両立させています。彼のウェブサイトFarMLでは、MLに関する記事を公開しています。スナップエンドウ検出についての詳細な記事をご覧ください。Takayukiは自身の活用事例をTwitterやYouTubeにもよく投稿しています。

皆さまのYOLOv5活用事例もぜひご紹介ください。SNSで@Ultralyticsをタグ付けし、#YOLOvMEを付けると、取り上げられるチャンスがあります。

Ultralytics YOLOv5とビジョンAIが農業業界にどのようなソリューションを提供するかをご覧ください。