Ontdek hoe Takayuki Nukui YOLOv5 AI toepast om efficiënt erwten te oogsten - door machine learning te combineren met traditionele landbouw.
.webp)
Takayuki Nukui is een Materials Data Scientist uit Tokio, Japan. Je zou kunnen denken dat ML en materiaalkunde een onwaarschijnlijk paar zijn, maar Takayuki ontdekte dat veel ML-oplossingen kunnen worden toegepast in zijn werk.
Maar de echte reden waarom Takayuki bij de ML kwam, heeft niets te maken met zijn huidige rol. Toen hij opgroeide was Takayuki's vader boer. Vaak moest hij zijn vader helpen met het oogsten van erwten - een zeer veeleisend proces.
Voor mensenogen kan het een uitdaging zijn om alle erwten aan een plant te zien, omdat ze zich heel goed tussen de bladeren verstoppen. Tijdens het oogstseizoen moest Takayuki keer op keer heen en weer lopen over de velden van zijn vader om er zeker van te zijn dat hij alle laatste rijpe erwten had geplukt. Dit moeizame proces bracht Takayuki ertoe zich voor te stellen hoe de vision AI die hij op dat moment bestudeerde het oogsten van erwten zou kunnen vereenvoudigen.
We kwamen Takayuki's erwtendetectieapplicatie tegen op Twitter en spraken met hem om meer te weten te komen over zijn werk met YOLOv5.
In het begin probeerde Takayuki verschillende objectdetectiemodellen, van YOLOv3 tot SSD tot EfficientDet. Een jaar geleden probeerde Takayuki echter YOLOv5 en werkte er uiteindelijk tot op de dag van vandaag mee omdat het de beste nauwkeurigheid leverde.
Voor Takayuki maken de voorontworpen mechanismen voor het verbeteren van de modelnauwkeurigheid, zoals gegevensuitbreiding en parameterevolutie, YOLOv5 eenvoudig. Terwijl dit normaal gesproken een omslachtig programma zou vereisen, kan YOLOv5 worden geïmplementeerd door een eenvoudige code toe te voegen. "Ik was blij dat ik de resultaten kon analyseren en het model kon afstemmen in de gecreëerde tijd. Natuurlijk heb ik ook tijd besteed aan annotaties!"
Takayuki houdt zijn opties open: "Ik wil het proberen met andere gewassen op de boerderij. Niet alleen dat, maar ik wil blijven proberen met wat er maar in me opkomt. Ik denk dat er meer dingen zijn die ik kan ontdekken door te proberen objecten te detecteren."
"Allereerst zou ik YOLOv5 aanraden aan degenen die denken dat objectdetectie er moeilijk uitziet en huiverig zijn om met vision AI te beginnen. Naar mijn mening is YOLOv5 het meest toegankelijke objectdetectiemodel om te implementeren.
Ik raad je ook aan om te proberen het te gebruiken met een kleinere hoeveelheid trainingsgegevens. Data Augmentation is vooraf ontworpen en het levert vaak verrassend interessante modellen op."
Takayuki Nukui balanceert zijn leven tussen techniek en het verbouwen van groenten op zijn kleine boerderij. Zijn website is FarML, waar hij artikelen over ML publiceert. Bekijk zijn gedetailleerd artikel over Snap Pea detectie. Takayuki post ook vaak zijn use cases op zijn Twitter en Youtube Youtube.
We willen ook jouw YOLOv5 use case uitlichten! Tag ons op sociale media @Ultralytics met #YOLOvME om kans te maken om in de spotlight te komen.
Begin je reis met de toekomst van machine learning
