YOLOvME：森林のデジタル革命
Stefano PulitiがYOLOv5を活用し、ドローンベースの検出と林業分析を行う革新的な森林研究をご覧ください。
Stefano Puliti氏は、国有林インベントリ部門に所属するノルウェー生物経済研究所（NIBIO）で森林リモートセンシングを研究しています。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、食料の安全保障と安全性、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。
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実施しています。
彼が携わってきた研究の多くは、SmartForestプロジェクトで行われています。これは、ノルウェー研究評議会とノルウェーの森林産業の大半の事業者が資金を提供する長期的な研究プログラムです。SmartForestの目的は、森林に関する情報、森林育成、森林作業、木材供給、そして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実現し、ノルウェーの森林セクターの効率を向上させることです。
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、より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成長段階にあるディープラーニングの分野で、取り組みを一段階進める時期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氏はドローンビジョンやマシンビジョンの分野で複数のアプリケーションを開発してきました。
YOLOv5を使い始めてどのくらいになりますか？#
「2021年の夏から使い始め、それ以来ずっと使い続けています！ YOLOv5 のrepoを簡単に起動して実行できたため、いわゆる“一目惚れ”だったと言わざるを得ません。当時、私はPythonにあまり慣れていなかったので、YOLOv5の学習曲線が緩やかだったことが決め手になりました。」
Stefano氏は主に、非生物的要因（干ばつ、風、雪）や生物的要因（昆虫や菌類）による被害が原因で健康状態の悪い樹木をドローン画像から特定するために、物体検出を活用してきました。それ以来、彼と同僚は、道路のくぼみから道路端、樹冠の輪生まで、YOLOv5検出器のファミリー全体を開発してきました。
「YOLOv5に出会うまで、私はしばらくの間、TensorFlow Object Detection APIでいくつかの物体検出器のトレーニングを試みていましたが、うまくいきませんでした。その後YOLOv5のrepoに出会い、（あまり期待せずに）検出器のトレーニングを試したところ、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。これを思考プロセスと呼べるのか、それとも幸運な一撃と呼ぶべきなのかは分かりませんが、そこから始まりました。」
その後、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、森林セクターにサービスを提供します。そこでは、ユーザーが例えばドローン画像をアップロードすると、YOLOv5モデルファミリーによって実用的なインサイトに変換されます。トレーニング済みの検出器の一部は、林業機械や伐採トラック上のエッジにもデプロイされています。
Stefano氏とチームは当初から、以下の用途に使用するYOLOv5モデルを数多く開発してきました。
- 木材品質の評価
- 林道のメンテナンスニーズの監視
- 森林内の生物多様性に関連する特徴の検出
さらに、森林の健全性評価やインベントリ向けのドローンベースモデルを、より低解像度の航空画像や衛星画像データにも拡張することを検討しています。
最新のYOLOv5リリースにより、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に大きな期待を寄せています。これらの機能によって、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を解決する能力がさらに広がります。
モデルのトレーニング（dockerバージョン）からモデルのデプロイまで、セットアップが容易だったことが、YOLOv5を最適な選択肢にしました。
「Ultralyticsについて常に興味深いと感じている点の一つは、オープンコードを中核に据え、専門家でない人で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非常に高く評価していますし、製品開発を加速させる優れた方法だと思います。その結果、YOLOv5は、多くのデータサイエンティストや実務者の貢献により、絶えず進化しながら大幅なアップグレードを遂げています。」
AIを初めて学ぶ人に、どのようなアドバイスをしたいですか？#
過去1年間に国際会議へ参加した際、森林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。私はそのような場合には、半日かけてアノテーションを行い、YOLOv5のトレーニングを試して、その能力とシンプルさを理解することを勧めました。
実際に私が言っていた言葉で表現すると、「その手法はうまくいっていない？ それならYOLOしてみましょう！」です。
Stefano Puliti氏とその研究について最新情報を知りたい場合は、ぜひ同氏のNIBIO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活用事例を添えて、ソーシャルメディアで#YOLOvMEを付けて私たちをタグ付けしてください。あなたの取り組みをMLコミュニティに紹介します。
