Estudo de Caso: DeepPlastic e YOLOv5
Descobre como a Ultralytics está a combater a poluição por plásticos nos oceanos usando AUVs e o YOLOv5 para uma deteção e limpeza subaquática eficiente.
O plástico está a sufocar a vida marinha: a cada minuto, duas carrinhas de plástico são despejadas nos nossos oceanos, o que equivale a mais de 10 milhões de toneladas por ano. Os cientistas da DeepPlastic afirmam que este plástico marinho representa ameaças sociais para "o ambiente marino, a segurança alimentar, a saúde humana, o ecoturismo e contribuições para as alterações climáticas."
Para combater isto, esta equipa de investigadores e engenheiros tem investigado como a visão computacional pode eliminar o plástico nos nossos oceanos.
Com tecnologia de deep learning, os investigadores da DeepPlastic desenvolveram uma abordagem que utiliza veículos subaquáticos autónomos (AUVs) para digitalizar, identificar e quantificar o plástico localizado logo abaixo da superfície do oceano onde a luz ainda pode penetrar, ou a camada epipelágica.
“O nosso objetivo era ter um modelo muito pequeno com uma velocidade de inferência muito rápida que possa ser usado para detetar plástico.” Jay Lowe, Investigador de Machine Learning
A equipa da DeepPlastic treinou dois modelos pequenos e precisos, YOLOv4 e YOLOv5, permitindo a deteção de objetos em tempo real. Estes modelos foram treinados com o conjunto de dados DeepTrash, que consistia em:
- 1900 imagens de treino, 637 imagens de teste, 637 imagens de validação (divisão de 60, 20, 20)
- Imagens de campo tiradas do Lake Tahoe, San Francisco Bay e Bodega Bay na Califórnia.
- Imagens da Internet
“Estávamos à procura de um algoritmo de deteção de objetos que produzisse alta precisão e fosse extremamente rápido. Os ambientes oceânicos em que trabalhamos são terrenos rigorosos e difíceis. O Ultralytics YOLOv5 cumpriu em todas as frentes como o melhor modelo de deteção de objetos que poderíamos ter usado.” “Adoramos usar o YOLOv5, pois é muito fácil de configurar e utilizar, e tem produzido os resultados que desejamos consistentemente.” “Para quaisquer modelos futuros que venhamos a implementar, consideraremos o YOLOv5 como a nossa primeira escolha sem sombra de dúvida.” Gautam Tata, Investigador de Machine Learning
vê o repositório da DeepPlastic, o artigo publicado e o resumo em vídeo.
