YOLOvME: Snap Pea 탐지를 쉽게 만들기

누쿠이 타카유키는 일본 도쿄 출신의 재료 데이터 과학자입니다. ML과 재료 과학은 어울리지 않는 조합이라고 생각할 수도 있지만, 타카유키는 많은 ML 솔루션이 자신의 업무 분야에 적용될 수 있다는 것을 발견했습니다.

하지만 타카유키가 ML에 관심을 갖게 된 진짜 이유는 현재 역할과는 전혀 관련이 없습니다. 어렸을 때 타카유키의 아버지는 농부였습니다. 종종 그는 아버지의 스냅 완두콩 수확을 도와야 했는데, 이는 매우 힘든 과정이었습니다.

사람의 눈으로는 잎 사이에 매우 잘 위장되어 있기 때문에 식물에 있는 모든 스냅 완두콩을 발견하기가 어려울 수 있습니다. 수확 시즌 동안 타카유키는 아버지의 밭을 계속해서 왔다 갔다 하며 익은 스냅 완두콩을 모두 수확했는지 확인해야 했습니다. 이 힘든 과정으로 인해 타카유키는 당시 연구하고 있던 비전 AI가 스냅 완두콩 수확을 어떻게 단순화할 수 있을지 상상하게 되었습니다.

저희는 Takayuki님의 스냅 완두콩 감지 애플리케이션을 트위터에서 접하고, YOLOv5를 사용한 그의 작업에 대해 자세히 알아보기 위해 이야기를 나누었습니다.

어떻게 YOLOv5를 선택하여 스냅 완두콩 감지 문제를 해결하는 데 도움을 주었나요?

초기에 Takayuki는 YOLOv3부터 SSD, EfficientDet에 이르기까지 다양한 객체 탐지 모델을 시도했습니다. 그러나 1년 전 Takayuki는 YOLOv5를 사용해 본 후 최고의 정확도를 제공하여 현재까지 계속 사용하고 있습니다.

YOLOv5를 사용하기 쉬웠던 점은 무엇입니까?

Takayuki에게 데이터 증강 및 파라미터 진화와 같이 모델 정확도를 향상시키기 위한 사전 설계된 메커니즘은 YOLOv5를 쉽게 만듭니다. 일반적으로 번거로운 프로그램이 필요하지만 간단한 코드를 추가하여 YOLOv5를 구현할 수 있습니다. “결과를 분석하고 모델을 조정할 시간을 갖게 되어 기뻤습니다. 물론 어노테이션에도 시간을 투자했습니다!”

앞으로 YOLOv5로 해결하고 싶은 다른 과제는 무엇인가요?

타카유키는 선택의 폭을 넓히고 있습니다. "농장의 다른 작물에도 사용해 보고 싶습니다. 뿐만 아니라 생각나는 모든 것에 계속 도전하고 싶습니다. 객체를 감지함으로써 더 많은 것을 알아낼 수 있다고 생각합니다."

AI 세계에 처음 입문하는 사람에게 어떤 조언을 해주시겠습니까?

“우선, 객체 탐지가 어렵다고 생각하고 비전 AI를 시작하는 것을 망설이는 분들에게 YOLOv5를 추천합니다. 제 생각에 YOLOv5는 구현하기 가장 쉬운 객체 탐지 모델입니다.

또한 더 적은 양의 학습 데이터로 사용해 보는 것이 좋습니다. 데이터 증강이 미리 설계되어 있으며 놀랍도록 흥미로운 모델을 생성하는 경우가 많습니다."

누쿠이 타카유키는 엔지니어링과 작은 농장에서 채소를 재배하는 일 사이에서 균형을 맞추며 살고 있습니다. 그의 웹사이트는 FarML이며, 이곳에서 ML 관련 글을 게시합니다. 그의 자세한 기사에서 Snap Pea(스냅 완두콩) 감지를 확인해 보세요. Takayuki는 또한 자신의 트위터와 유튜브에도 사용 사례를 자주 게시합니다.

여러분의 YOLOv5 활용 사례를 소개하고 싶습니다! 소셜 미디어에서 @Ultralytics를 태그하고 #YOLOvME를 사용하여 소개될 기회를 잡으세요.

YOLOv5와 Vision AI가 농업 산업을 위한 솔루션을 어떻게 제공하는지 알아보세요.

‍