YOLOvME：森林のデジタル革命

ステファノ・プリティは、国の森林インベントリ部門にあるノルウェー生物経済研究所（NIBIO）の森林リモートセンシングの研究者です。NIBIOは、ノルウェー最大の研究機関の1つであり、約700人の従業員がいます。彼らは、研究と知識の生産を通じて、食料の安全と保障、持続可能な資源管理、イノベーション、および価値創造に貢献しています。

彼の研究では、ドローンやモバイルレーザースキャンなどの他の近接センシング技術を使用して、現代の情報ニーズに応えるために必要な高度な分析を生成しています。

彼が行ってきた研究の多くは、ノルウェー研究会議とノルウェーの林業関係者のほとんどが出資する長期研究プログラムであるSmartForestプロジェクトで行われたものです。SmartForestの目的は、森林情報、森林管理、林業作業、木材供給、および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可能にすることで、ノルウェーの林業部門の効率を改善することです。

ステファノは長年、ランダムフォレストやサポートベクターマシンなど、より伝統的な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、彼は森林セクターでまだ成長段階にある深層学習の分野で、ゲームをステップアップする時が来たと気づきました。研究者が深層学習から得られる多大なメリットに気づいて以来、ステファノはドローンおよび機械ベースのビジョンの分野でいくつかのアプリケーションを開発してきました。

YOLOv5を使い始めてどれくらいですか？

「私は2021年の夏から使い始めて以来、手放していません！YOLOv5のレポを簡単に起動できたおかげで、まさに「一目惚れ」でした。当時、私はPythonにあまり詳しくなかったので、YOLOv5の学習曲線の浅さが決め手となりました。」

ステファノは、主としてドローン画像から、非生物的要因（干ばつ、風、雪）または生物的要因（昆虫や菌類）によって引き起こされた損傷により、健康状態が悪い木を特定するために、物体検出を利用していました。それ以来、彼と彼の同僚は、道路のくぼみから道路の端、輪生検出器まで、YOLOv5検出器のファミリー全体を開発しています。

「YOLOv5に出会うまで、TensorFlow Object Detection APIでオブジェクト検出器の学習を試みては失敗していました。その後、YOLOv5のリポジトリを見つけ、（あまり期待せずに）検出器の学習を試みたところ、驚いたことに、4行のコードで学習プロセスを開始できました。それを思考プロセスと呼べるかどうかはわかりませんが、幸運な出来事でした。」

ほとんどのモデルは、クラウドソリューション（ForestSens）にデプロイされ、林業セクターにサービスを提供します。そこで、ユーザーはたとえばドローン画像をアップロードできます。アップロードされた画像は、当社のYOLOv5ファミリーのモデルのおかげで、実用的な洞察に変わります。トレーニング済みの検出器の一部は、林業機械または木材運搬トラックのエッジにもデプロイされています。

当初から、Stefanoと彼のチームは、以下を支援するために使用される一連のYOLOv5モデルを開発していました。

1. 木材の品質評価
2. 森林道路のメンテナンスのニーズを監視する
3. 森林における生物多様性に関連する特徴の検出

さらに、森林の健全性と在庫に関するドローンベースのモデルを、より粗い解像度の航空および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、彼らはYOLOv5が提供する可能性のある画像分類とセマンティックセグメンテーションを非常に楽しみにしています。これらの機能は、森林環境における複雑なコンピュータビジョンタスクを解決する能力を拡張します。

モデルのトレーニング（dockerバージョン）とモデルのデプロイメントの両方で設定が簡単であるため、YOLOv5は彼らにとって素晴らしい選択肢となりました。

「Ultralyticsについて常に私が魅了されていることの一つは、オープンコードをコアとし、専門家でなくても深層学習の力を利用できる有料製品を提供するという、比較的新しいビジネスモデルです。科学者として、Ultralyticsのオープンさを非常に高く評価しており、製品開発を加速させる素晴らしい方法だと思います。その結果、YOLOv5は、多くのデータサイエンティストや実務家の貢献のおかげで、常に進化し、大幅なアップグレードを遂げています。」

AIを始めたばかりの人に何を勧めますか？

昨年、国際会議に参加した際、林業の研究者が深層学習の複雑さに恐れをなしているか、研究に役立つとは思っていないことがわかりました。そのような場合、私は半日かけてアノテーションを行い、YOLOv5をトレーニングして、そのパワーとシンプルさを理解することを提案しました。

私が実際に言っていたことを言葉で表現すると、「あなたの方法はうまくいっていない？それならYOLO（イチかバチか）でやってみよう！」となります。

Stefano Puliti氏の最新情報や彼の活動にご興味のある方は、彼のTwitterアカウントをフォローしてください。

独自のYOLOv5ユースケースをお持ちですか？

あなたのYOLOv5の活用事例を#YOLOvMEのハッシュタグをつけてソーシャルメディアに投稿してください。あなたの成果をMLコミュニティに広めます。