YOLOvME：スナップエンドウ豆の検出を簡単に

貫隆之氏は、日本の東京出身のマテリアルデータサイエンティストです。MLと材料科学は相性が悪いと思われるかもしれませんが、貫氏は、多くのMLソリューションが自身の仕事に応用できることに気づきました。

しかし、タカユキがMLに携わるようになった本当の理由は、現在の役割とは関係ありません。タカユキの父親は農家でした。彼はよく父親の手伝いでスナップエンドウを収穫しなければなりませんでしたが、それは非常に大変な作業でした。

人間の目には、植物のスナップエンドウは葉によくカモフラージュされているため、すべてを見つけるのは難しい場合があります。収穫期には、タカユキは父親の畑を何度も往復して、熟したスナップエンドウをすべて摘み取ったことを確認する必要がありました。この骨の折れるプロセスにより、タカユキは当時研究していたビジョンAIがスナップエンドウの収穫をどのように簡素化できるかを想像するようになりました。

Twitter で Takayuki さんのスナップエンドウ豆検出アプリケーションを見つけ、YOLOv5 を使用した彼の取り組みについて詳しく話を聞きました。

スナップエンドウの検出問題を解決するために、なぜYOLOv5を選んだのですか？

当初、タカユキ氏はYOLOv3からSSD、EfficientDetまで、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、最高の精度を発揮したため、現在に至るまで使い続けています。

YOLOv5のどのような点が使いやすかったですか？

Takayuki氏にとって、データ拡張やパラメータ進化など、モデルの精度を向上させるための事前設計されたメカニズムにより、YOLOv5は使いやすくなっています。通常、これは面倒なプログラムを必要としますが、YOLOv5は簡単なコードを追加することで実装できます。「作成された時間で結果を分析し、モデルを調整できたのは嬉しかったです。もちろん、アノテーションにも時間を費やしました！」

将来的にはYOLOv5で他にどのような課題を解決したいですか？

貫隆之氏は、可能性を広げています。「他の農作物でも試してみたいと思っています。それだけでなく、思いつく限りのもので試していきたいです。物体検出を試すことで、もっと多くのことを見つけられると思っています。」

AIの世界に足を踏み入れたばかりの人に、どのようなアドバイスをしますか？

「まず、オブジェクト検出が難しそうだと感じ、ビジョンAIを始めるのをためらっている人にこそ、YOLOv5をお勧めします。YOLOv5は、実装が最も容易なオブジェクト検出モデルだと思います。」

また、より少ない量のトレーニングデータで試してみることをお勧めします。データ拡張は事前に設計されており、驚くほど面白いモデルが生成されることがよくあります。

貫井孝幸氏は、エンジニアリングと小さな農園での野菜栽培のバランスを取っています。彼のウェブサイトはFarMLで、MLに関する記事を公開しています。彼のスナップエンドウ豆検出に関する詳細な記事をご覧ください。Takayuki氏はまた、彼のユースケースをTwitterやYoutubeにも頻繁に投稿しています。

あなたのYOLOv5のユースケースも紹介したいと考えています！ソーシャルメディアで@Ultralyticsをタグ付けし、#YOLOvMEを付けて投稿してください。掲載されるチャンスがあります。

YOLOv5とVision AIが農業にどのようなソリューションを提供しているかについて学びましょう。

‍