YOLOvME: facilitando a detecção de ervilhas-tortas

Takayuki Nukui é cientista de dados de materiais de Tóquio, no Japão. Talvez penses que a aprendizagem automática e a ciência dos materiais são uma combinação improvável, mas Takayuki descobriu que muitas soluções de aprendizagem automática podem ser aplicadas na sua área de trabalho.

No entanto, o verdadeiro motivo que levou Takayuki a interessar-se pela aprendizagem automática não tem nada a ver com a sua função atual. Enquanto crescia, o pai de Takayuki era agricultor. Muitas vezes, Takayuki tinha de ajudar o pai a colher ervilhas-tortas — um processo bastante exigente.

Para o olho humano, pode ser difícil encontrar todas as ervilhas-tortas numa planta, porque se camuflam muito bem entre as folhas. Durante a época da colheita, Takayuki tinha de percorrer os campos do pai de um lado para o outro, repetidamente, para garantir que apanhava até à última ervilha-torta madura. Este processo árduo levou Takayuki a imaginar como a IA de visão que estudava na altura poderia ajudar a simplificar a colheita de ervilhas-tortas.

Encontrámos a aplicação de deteção de ervilhas-tortas de Takayuki no Twitter e falámos com ele para saber mais sobre o seu trabalho com o Ultralytics YOLOv5.

Como escolheste o Ultralytics YOLOv5 para te ajudar a resolver o problema da deteção de ervilhas-tortas?#

Inicialmente, Takayuki experimentou vários modelos de deteção de objetos, desde o YOLOv3, passando pelo SSD, até ao EfficientDet. No entanto, há um ano, Takayuki experimentou o YOLOv5 e acabou por continuar a trabalhar com ele até hoje, pois ofereceu a melhor precisão.

Que aspetos do Ultralytics YOLOv5 facilitaram o trabalho com o modelo?#

Para Takayuki, os mecanismos predefinidos de melhoria da precisão dos modelos, como o aumento de dados e a evolução de hiperparâmetros, tornam o Ultralytics YOLOv5 fácil de utilizar. Normalmente, isto exigiria um programa complexo, mas o YOLOv5 permite fazê-lo com apenas algumas linhas de código. «Fiquei contente por poder analisar os resultados e ajustar o modelo no tempo que consegui poupar. Claro que também passei algum tempo a fazer anotações!»

Que outros desafios gostarias de resolver com o Ultralytics YOLOv5 no futuro?#

Takayuki mantém as opções em aberto: “Quero experimentar com outras culturas da quinta. E não só: quero continuar a experimentar tudo o que me vier à cabeça. Acho que posso descobrir mais coisas ao tentar detetar objetos.”

Que conselho darias a alguém que está a começar no mundo da IA?#

“Em primeiro lugar, recomendaria o Ultralytics YOLOv5 a quem acha a deteção de objetos difícil e tem receio de começar com IA de visão. Na minha opinião, o YOLOv5 é o modelo de deteção de objetos mais acessível para implementar.

Além disso, sugeria que experimentasses usá-lo com uma quantidade menor de dados de treino. O aumento de dados já vem predefinido e, muitas vezes, produz modelos surpreendentemente interessantes.”

Takayuki Nukui equilibra a vida entre a engenharia e o cultivo de legumes na sua pequena quinta. O seu site é o FarML, onde publica artigos sobre aprendizagem automática. Consulta o seu artigo detalhado sobre a deteção de ervilhas-tortas. Takayuki também publica frequentemente os seus casos de utilização no Twitter e no YouTube.

Também queremos destacar o teu caso de utilização do YOLOv5! Identifica-nos nas redes sociais com @Ultralytics e #YOLOvME para teres a oportunidade de aparecer em destaque.

Descobre como o Ultralytics YOLOv5 e a IA de visão oferecem soluções para o setor agrícola.