Estudo de caso: DeepPlastic e YOLOv5

O plástico está a sufocar a vida selvagem marinha: a cada minuto, duas cargas de camião 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 ao "ambiente marinho, à segurança alimentar, à saúde humana, ao ecoturismo e às contribuições para as alterações climáticas".

Para combater esse problema, essa equipe de pesquisadores e engenheiros está investigando como a visão computacional pode ajudar a eliminar o plástico dos nossos oceanos.

Com tecnologia de deep learning, os pesquisadores do DeepPlastic desenvolveram uma abordagem que usa veículos subaquáticos autônomos (AUVs) para escanear, identificar e quantificar o plástico localizado logo abaixo da superfície do oceano, onde a luz ainda consegue penetrar — ou seja, na camada epipelágica.

“O nosso objetivo era ter um modelo muito pequeno, com uma velocidade de inferência muito rápida, que pudesse ser usado para detetar plástico.” Jay Lowe, investigador de aprendizagem automática

A equipa da DeepPlastic treinou dois modelos pequenos e precisos, YOLOv4 e YOLOv5, que permitem a deteção de objetos em tempo real. Estes modelos foram treinados com o conjunto de dados DeepTrash, composto por:

• 1900 imagens de treino, 637 imagens de teste, 637 imagens de validação (divisão 60, 20, 20)
• Imagens de campo captadas no lago Tahoe, na baía de São Francisco e na baía de Bodega, na Califórnia.
• Imagens da Internet

“Procurávamos um algoritmo de deteção de objetos que oferecesse elevada precisão e fosse extremamente rápido. Os ambientes oceânicos em que trabalhamos são hostis e acidentados. O Ultralytics YOLOv5 cumpriu todos os requisitos e foi o melhor modelo de deteção de objetos que poderíamos ter usado.” “Adoramos usar o YOLOv5 porque é muito fácil de configurar e utilizar, e tem produzido de forma consistente os resultados que pretendíamos.” “Para quaisquer modelos futuros que implementemos, o YOLOv5 será, sem sombra de dúvida, a nossa primeira escolha.” Gautam Tata, investigador de aprendizagem automática

Consulta o repositório da DeepPlastic, o artigo publicado e o vídeo de resumo.