Кейс: DeepPlastic и YOLOv5
Узнай, как Ultralytics борется с загрязнением океана пластиком, используя АНПА и YOLOv5 для эффективного подводного обнаружения и очистки.
Пластик губит морскую фауну: каждую минуту в океан сбрасываются два грузовика пластика, что составляет более 10 миллионов тонн в год. Ученые DeepPlastic утверждают, что этот морской пластик создает угрозу для «морской среды, продовольственной безопасности, здоровья человека, экотуризма и вносит вклад в изменение климата».
Чтобы бороться с этим, команда исследователей и инженеров изучает, как компьютерное зрение может помочь устранить пластик в наших океанах.
С помощью технологии глубокого обучения исследователи DeepPlastic разработали подход, использующий автономные подводные аппараты (AUVs) для сканирования, идентификации и количественной оценки пластика, расположенного чуть ниже поверхности океана, куда все еще проникает свет, или в эпипелагической зоне.
«Нашей целью было создание очень маленькой модели с очень высокой скоростью вывода, которую можно было бы использовать для обнаружения пластика». Джей Лоу, исследователь машинного обучения
Команда DeepPlastic обучила две небольшие и точные модели, YOLOv4 и YOLOv5, обеспечив обнаружение объектов в реальном времени. Эти модели были обучены на наборе данных DeepTrash, который состоял из:
- 1900 обучающих изображений, 637 тестовых изображений, 637 валидационных изображений (разделение 60, 20, 20)
- Изображения, полученные в полевых условиях на озере Тахо, в заливе Сан-Франциско и заливе Бодега в Калифорнии.
- Изображения из интернета
«Мы искали алгоритм обнаружения объектов, который обеспечивает высокую точность и работает чрезвычайно быстро. Океанические среды, в которых мы работаем, — это суровые и неровные ландшафты. YOLOv5 оправдал себя по всем фронтам как лучшая модель обнаружения объектов, которую мы могли бы использовать». «Нам нравится использовать YOLOv5, потому что его так легко настроить и использовать, и он стабильно приносит результаты, которые нам нужны». «Для любых будущих моделей, которые мы будем развертывать, мы без тени сомнения будем рассматривать YOLOv5 в качестве нашего первого выбора». Гаутам Тата, исследователь машинного обучения
Ознакомься с репозиторием DeepPlastic, опубликованной научной работой и видеообзором.
