YOLOvME：森林のデジタル革命
ドローンベースの検出と林業における分析のためのYOLOv5を活用したStefano Pulitiの変革的な森林研究を探ります。
Stefano Puliti氏は、国立森林インベントリ部門のNorwegian Institute of Bioeconomy Research (NIBIO)で森林リモートセンシングの研究者を務めています。NIBIOはノルウェー最大級の研究機関の一つであり、約700名の従業員が在籍しています。同機関は、研究と知識の生産を通じて、食料の安全保障と安全、持続可能な資源管理、イノベーション、そして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行っています。
彼が行ってきた業務の多くは、ノルウェー研究評議会およびノルウェー国内の主要な林業関連企業が出資する長期研究プログラムSmartForestプロジェクトの一環として実施されました。SmartForestの目的は、森林情報、造林、森林作業、木材供給、そして業界全体のデジタル情報流通を変革するデジタル革命を実現することにより、ノルウェーの林業セクターの効率性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といった伝統的な機械学習アプリケーションを研究してきました。約3年前、彼は森林セクターにおいてまだ発展途上であるディープラーニングの分野で一歩前進すべき時であると確信しました。研究者がディープラーニングから得られる大きな利点に気づいて以来、Stefano氏はドローンおよび機械ベースのビジョン分野でいくつかのアプリケーションを開発しています。
YOLOv5はどのくらいの期間使用されていますか？#
「2021年夏から使い始めて以来、手放していません！YOLOv5リポジトリを簡単に立ち上げられたおかげで、まさに一目惚れでした。当時の私にとってPythonにあまり馴染みがなかったため、YOLOv5の緩やかな学習曲面は非常に価値があり、決定打となりました。」
Stefano氏は主に、非生物的（干ばつ、風、雪）または生物的（昆虫や菌類）な要因による被害を受けた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利用してきました。それ以来、彼と同僚たちは、路面のポットホールから道路端、そして樹木の輪生検出に至るまで、YOLOv5検出器のファミリー全体を開発しています。
「YOLOv5に出会う前、私はTensorFlow Object Detection APIを使って物体検出器を学習させようと試みましたが、うまくいきませんでした。その後、YOLOv5リポジトリに行き当たり、（期待せずに）検出器のトレーニングを試みたところ、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。これが思考プロセスだったのか、あるいは単なる幸運だったのかは分かりませんが、そこからすべてが始まりました。」
ほとんどのモデルは、林業セクターにサービスを提供するためにクラウドソリューション（ForestSens）にデプロイされます。ユーザーはドローン画像をアップロードでき、YOLOv5モデルファミリーのおかげで、それらの画像がアクション可能なインサイトへと変換されます。トレーニング済みの検出器の一部は、林業機械や運搬トラックのなどのエッジ環境にもデプロイされています。
当初から、Stefano氏と彼のチームは、以下の支援を目的とした一連のYOLOv5モデルを開発してきました。
- 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
さらに彼らは、森林の健康状態やインベントリーを対象としたドローンベースのモデルを、より低解像度の航空写真や衛星画像データにまで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が提供する画像分類およびセマンティックセグメンテーションに大いに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ビジョンタスクを解決する能力がさらに拡張されます。
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の両方におけるセットアップの容易さが、YOLOv5を彼らにとって素晴らしい選択肢にしました。
「Ultralyticsについて常に魅了されている側面の1つは、オープンコードを核としつつ、専門家以外でもディープラーニングのパワーにアクセスできるよう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、私はUltralyticsのオープンさを非常に高く評価しており、これが製品開発を加速させる素晴らしい方法だと感じています。その結果、多くのデータサイエンティストや実務家の貢献により、YOLOv5は絶えず進化し、劇的なアップグレードを遂げています。」
AIの初心者には何を勧めますか？#
昨年、国際会議に出席した際、林業の研究者はディープラーニングの複雑さに尻込みしているか、自分の研究には役立たないと考えていることが分かりました。そのような場合にはすべて、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体験してみることを提案しました。
実際の言葉で言えば、私はこう言いました。「手法がうまくいかない？それなら、YOLOしてみろ！」
Stefano Puliti氏と彼の研究の最新情報を把握したい場合は、ぜひ彼のNIBIOプロフィールをご覧ください。
あなた自身のYOLOv5の活用事例はありますか？#
独自のYOLOv5のユースケースをソーシャルメディアで #YOLOvME を付けて投稿してください。MLコミュニティに向けてあなたの作品を宣伝します。
