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。

私たちはツイッターで貴之のスナップエンドウ検出アプリケーションを見つけ、YOLOv5彼の仕事についてもっと知るために彼に話を聞いた。

スナップエンドウの問題を解決するためにYOLOv5 選んだ理由は何ですか？

当初は、YOLOv3、SSD、EfficientDetと様々な物体検出モデルを試していたが、1年前に YOLOv5を試してみたところ、最も精度が高かったため、現在に至っている。

YOLOv5 どのような点が働きやすかったですか？

孝之にとってYOLOv5 、データ補強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メカニズムがあらかじめ設計されているため、簡単だ。通常であれば面倒なプログラムが必要になるが、YOLOv5 簡単なコードを追加するだけで実装できる。"作成された時間で結果を分析し、モデルをチューニングできたのは嬉しかった。もちろん、アノテーションにも時間を費やしました！"

今後、YOLOv5 解決したい課題はありますか？

タカユキは選択肢を広げている：「農場の他の作物でも試してみたい。それだけでなく、思いついたことはどんどんやってみたい。物体をdetect みることで、もっといろいろなことが見えてくると思うんです。"

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、YOLOv5 、物体検出が難しそうだと思っている人、ビジョンAIを始めることに不安を感じている人にお勧めしたい。私の意見では、YOLOv5 5は最も実装しやすい物体検出モデルです。

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 ユースケースにもスポットライトを当てたいと思います！ソーシャルメディアUltralytics で #YOLOvME とタグ付けしてください。

YOLOv5 ビジョンAIが農業にどのようなソリューションを提供するか、ご覧ください。

‍