YOLOvME：森林のデジタル革命

Stefano Puliti氏は、ノルウェー生物経済研究所（NIBIO）の国家森林インベントリ部門に所属する森林リモートセンシングの研究者です。NIBIOは、約700人の職員を擁するノルウェー最大級の研究機関の一つです。研究と知識の創出を通じて、食料安全保障と食品安全、持続可能な資源管理、イノベーション、価値創出に貢献しています。

彼の研究では、ドローンやモバイルレーザースキャニングなどの近接センシング技術を用いて、現代の情報ニーズに応えるために必要な高度な分析を実現しています。

彼がこれまで取り組んできた研究の多くは、SmartForestプロジェクトを通じて実施されました。この長期研究プログラムは、ノルウェー研究評議会とノルウェーの森林産業の大半を担う事業者によって資金提供されています。SmartForestの目的は、森林情報、森林育成、森林作業、木材供給、業界全体のデジタル情報フローを変革するデジタル革命を推進し、ノルウェーの森林セクターの効率を高めることです。

Stefano氏は長年、ランダムフォレストやサポートベクターマシンなど、従来型の機械学習アプリケーションに取り組んできました。約3年前、森林セクターではまだ発展段階にあるディープラーニングの分野で、さらに一歩進むべき時が来たと気付きました。研究者がディープラーニングから得られる大きなメリットを認識して以来、Stefano氏はドローンや機械を用いたビジョン分野で複数のアプリケーションを開発してきました。

YOLOv5をどのくらいの期間使用していますか？#

「2021年の夏から使い続けていて、それ以来手放していません！ YOLOv5 のリポジトリを簡単にセットアップして実行できたおかげで、一目ぼれのようなものでした。当時、私はPythonにあまり詳しくなかったため、YOLOv5の緩やかな学習曲線が決め手となり、非常に助かりました。」

Stefanoは、主にドローン画像から樹木を検出し、生育不良の樹木を特定するために物体検出を利用していました。原因は、非生物的要因（干ばつ、風、雪）または生物的要因（昆虫や菌類）による被害です。その後、Stefanoと同僚たちは、道路の穴、道路端、樹冠の検出器など、YOLOv5検出器の幅広いファミリーを開発してきました。

「YOLOv5に出会うまで、TensorFlow Object Detection APIで物体検出器を学習させようとしばらく試みましたが、うまくいきませんでした。その後YOLOv5のリポジトリを見つけ、あまり期待せずに検出器の学習を試したところ、驚いたことに4行のコードで学習を始められました。それを思考プロセスと呼ぶべきなのか、幸運な偶然と呼ぶべきなのかは分かりませんが、そこからすべてが始まりました。」

学習済みモデルの多くは、森林セクターにサービスを提供するため、同社のクラウドソリューション（ForestSens）にデプロイされます。ユーザーはそこで、たとえばドローン画像をアップロードできます。画像は同社のYOLOv5モデルファミリーによって、実用的な知見へと変換されます。学習済み検出器の一部は、林業機械や伐採トラックにエッジデバイスとしてデプロイされています。

Stefano氏とチームは当初から、次の用途に役立てるため、YOLOv5モデルを幅広く開発してきました。

1. 木材の品質評価
2. 林道の維持管理における監視ニーズ
3. 森林内の生物多様性に関わる特徴の検出

さらに、森林の健全性評価やインベントリ用に開発したドローンベースのモデルを、より解像度の低い航空画像や衛星画像データに拡張することも検討しています。

最新のYOLOv5リリースにより、YOLOv5が提供する画像分類とセマンティックセグメンテーションに大きな期待を寄せています。これらの機能により、森林環境における複雑なコンピュータービジョンタスクへの対応力が高まります。

モデルのトレーニング（Docker版）とモデルのデプロイの両方を容易に設定できることから、YOLOv5は彼らにとって優れた選択肢となりました。

「Ultralyticsについて常に魅力を感じている点の一つは、オープンなコードを中核に据え、専門家以外の人々もディープラーニングの力を利用できる有料製品を提供する、比較的新しいビジネスモデルです。科学者として、Ultralyticsのオープンな姿勢を高く評価していますし、製品開発を加速する優れた方法だと思います。その結果、多くのデータサイエンティストや実務者の貢献により、YOLOv5は絶えず進化し、大幅なアップグレードを重ねています。」

AIを初めて学ぶ人に、どのようなことを勧めますか？#

昨年、国際会議に参加した際、森林学の研究者はディープラーニングの複雑さに不安を感じているか、研究に役立つとは考えていないことが分かりました。こうした場合にはいずれも、半日ほどアノテーションを行い、YOLOv5を学習させて、その威力と使いやすさを確かめてみるよう勧めました。

実際に私が言っていた言葉をそのままお伝えすると、「その方法がうまくいかない？ならYOLOで解決しましょう！」です。

Stefano Pulitiとその活動について最新情報を知りたい方は、NIBIOのプロフィールをご覧ください。

あなた独自のYOLOv5活用事例はありますか？#

独自のYOLOv5活用事例を、ソーシャルメディアで#YOLOvMEを付けて投稿してください。あなたの取り組みをMLコミュニティに紹介します。