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.

트위터에서 타카유키의 스냅 완두콩 감지 애플리케이션을 발견하고 그와 이야기를 나누며 YOLOv5 작업에 대해 자세히 알아봤습니다.

스냅 완두콩을 감지하는 문제를 해결하기 위해 YOLOv5 선택하게 된 계기는 무엇인가요?

처음에 타카유키는 YOLOv3부터 SSD, EfficientDet까지 다양한 물체 감지 모델을 시도했지만 1년 전 타카유키는 YOLOv5 를 사용해 본 결과 최고의 정확도를 제공한다는 사실을 깨닫고 지금까지 이 모델을 사용하고 있습니다.

YOLOv5 어떤 점이 작업하기 쉬웠나요?

데이터 증강과 파라미터 진화 등 모델 정확도 향상을 위해 미리 설계된 메커니즘 덕분에 YOLOv5 쉽게 구현할 수 있습니다. 일반적으로는 번거로운 프로그램이 필요하지만, YOLOv5 간단한 코드 추가만으로 구현할 수 있습니다. "생성한 시간 내에 결과를 분석하고 모델을 조정할 수 있어서 만족스러웠습니다. 물론 주석 작업에도 시간을 할애할 수 있었죠!"

앞으로 YOLOv5 통해 해결하고 싶은 또 다른 과제는 무엇인가요?

타카유키는 선택의 여지를 열어두고 있습니다: "농장의 다른 작물에도 시도해보고 싶어요. 그뿐만 아니라 떠오르는 모든 것을 계속 시도해보고 싶어요. 물체를 detect 더 많은 것을 알아낼 수 있을 것 같아요."

AI 세계에 처음 입문하는 사람에게 어떤 조언을 해주시겠습니까?

"우선 객체 감지가 어렵게 느껴지고 비전 AI를 시작하기 부담스러운 분들에게 YOLOv5 추천하고 싶습니다. 제 생각에 YOLOv5 가장 쉽게 구현할 수 있는 객체 감지 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 사용 사례도 주목받고 싶습니다! 소셜 미디어 Ultralytics #YOLOvME를 태그하여 소개될 수 있는 기회를 놓치지 마세요.

YOLOv5 비전 AI가 어떻게 농업 산업에 솔루션을 제공하는지 알아보세요.

‍